-- publicidad --
Consulta precio y condiciones sin compromiso

Programa

ModeloCurriculum ha seleccionado de entre 362 Masters Bases de Datos ,este Master para ti. El Máster en Data Science se imparte en modalidad presencial en Madrid. Este Master también puede realizarse en modalidad a Distancia.

Si deseas aprenderás de los mejores profesionales en data science, la presente formación es la indicada.

Formándote como un experto en data science obtendrás diferentes conocimientos tecnológico y analíticos, ideales para dominar el uso de la inteligencia artificial y así mismo tomar las mejores decisiones en base a datos.

Becas:
- Matriculación EARLY BIRD con 10% de descuento si comienzas el proceso de admisión en este mes.
- Posibilidades de bonificación a través de FUNDAE.
- Consulta plan de becas 2021.

Metodología:
El método de aprendizaje es mediante el caso de uso, siendo totalmente práctico. Metodología se basa en:
-Casos de uso, que resolverás y que son reales de empresas para ayudarles a sacar conclusiones por el manejo de datos.
-Un enfoque resolutivo y práctico con el que aprendes data science de la práctica a la teoría.
-Profesorado en activo expertos en datos, de grandes empresas y startups especializadas
-Adquisición de una visión de la aplicación de data science en diferentes industrias, con Industry Talks, lideradas por referentes de diferentes sectores.
-Una capa de Human Science para impulsar un pensamiento no solo científico, que permita diseñar soluciones creativas mediante sesiones de Design Thinking y The Brain.

Titulación obtenida
Al culminar de manera exitosa la formación el alumno obtendrá un certificado como Máster en Data Science.Titulación Propia de IMMUNE Technology Institute. Colaboración con BIG ML para certificación de Data Engineer.

Requisitos

Se recomienda que el participante tenga una base matemática y estadística sólida, así como conocimientos básicos de programación en Python. Aún así, incluimos en nuestro programa académico una introducción a Python para aprovechar al máximo el curso.
Nivel de estudios: Grado, Licenciatura, Diplomatura, Ingeniería técnica o superior, Máster, Posgrado, Doctorado o cursando último curso.

Temario

1. INTRODUCCIÓN A PYTHON Y ENTORNO
-Introducción a la programación: Conceptos básicos de codificación.
-Variables, loops, secuencias.
-Funciones y complex data.
-Gestión de archivos y parseo.
-Introducción a la orientación por objetos.
-Módulos y librerías externas.

2. INTRODUCCIÓN A LA IA Y CLAVE DE MATEMÁTICAS PARA LA IA
-Introducción y conceptos matemáticos claves.
-Álgebra lineal.
-Probabilidad y estadística para Machine Learning.
-Análisis de correlaciones.
-Análisis exploratorio (correlación, análisis de varianza, estadística descriptiva).

3. MANIPULACIÓN Y ANÁLISIS DE DATOS
-Manipulación y Análisis de datos (databases, sql, no sql, apis, webservices, scripting).
-Procesamiento de datos (limpieza y manipulación). Principales conceptos en Python y R (panda, numpy).

4. MACHINE LEARNING SUPERVISADO. CLASIFICACIÓN Y REGRESIÓN
Clasificación:
-Modelo probabilístico (Naive Bayes y Regresión Logística)
-K-NN, Decision trees & Random forest
-XGBoost
-Linear and non-linear regression.
-Resampling Methods, cross validation.
-Overfitting & Bias.

5. MACHINE LEARNING NO SUPERVISADO

-Agrupación y detección de anomalías
-Asociación de mining
-Modelos de variables latentes y reducción dimensional

6. VISUALIZACIÓN DE DATOS

-Visualización de conceptos de claves
-Librerías más relevantes en Python y R: (matplotlib, ggplot2, plotly, seaborn, bokeh).
-Haciendo uso de gráficas 3D con nvd3 de Python.
-Grafos usando Python NetworkX y PySpark GraphFrames.
-Clave de código abierto y herramientas comerciales.

7. DEEP LEARNING Y REDES NEURONALES
-Introducción al Deep Learning
-Cómo construir una red neuronal
-Conectar densamente una red
-Red Neuronal Convolucional (CNN)
-Red Neuronal Recurrente (RNN)

8. CICLO DE VIDA DE LA IA Y HERRAMIENTAS COMERCIALES
-Ciclo de vida de la IA.
-Sesgos, regulación y tendencias futuras.
-Herramientas o frameworks comerciales de IA (IBM, BIGML…)

Objetivos

-Prepararte como: Data Analyst, Data Scientist, Data Engineer o Business Analyst.
-Utilizar los datos para crear información relevante y hacer predicciones para la toma de decisiones con criterio.
-Emprender proyectos de big data.
-Analizar datasets con diferentes metodologías usando Python y conocimientos básicos en R.
-Entender y aplicar la IA en diferentes industrias.

Duración

Duración 420 horas

Precio

Consultar

Solicita información GRATIS sobre este curso

Seleccionar esta opción significa que aceptas la política de privacidad y las condiciones de uso de topformacion.com
-- publicidad --
Modelo Kassel
Modelo Vegas
Modelo Hexa
Modelo Route
Plantillas de CV PREMIUM