Experto Universitario en Data Science
-
Online
Fórmate en el centro pionero en formación en Data Science en las técnicas del Machine Learning, Procesamiento, Análisis y Visualización de grandes cantidades de datos.
EXTRAE TODO EL VALOR QUE HAY EN LOS DATOS. Conviértete en un científico de datos capaz de contribuir a la toma de decisiones en una empresa de manera eficiente, aplicando técnicas analíticas a problemas específicos de negocio y ofreciendo soluciones innovadoras para la toma de decisiones.
Lograrás identificar tendencias de consumo y patrones de comportamiento de los clientes. Desarrollarás modelos predictivos a través de los datos generando valor estratégico para las empresas.
Graduados en Informática, Telecomunicaciones y otras ingenierías.
Graduados en Matemáticas, Física, Estadística y campos afines.
Profesionales TIC con experiencia y que quieran orientar su carrera al mundo de la analítica y ciencia de datos y su visualización.
Módulo de fundamentos científico-técnicos para el análisis de datos
INTRODUCCIÓN A LAS ARQUITECTURAS BIG DATA
Arquitecturas Lambda y Kappa
MapReduce
INTRODUCCIÓN A LA ANALÍTICA DE DATOS
Introducción a Clasificación
Regresión
Clustering
Reducción de Dimensiones
INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
Fundamentos de Diseño de la Información
Tableau
Módulo de análisis de datos
ANALÍTICA GENERAL
Estadística (Bootstrapping - Test de Hipótesis - Intervalos de Confianza - Bayes) y Grafos
MACHINE LEARNING
SVM
Decision Tree
Random Forest
Naive Bayes
K-means
Logistic regression
Dendrogramas
ANALÍTICA EN BIG DATA
Librerías de Machine Learning para Big Data (Spark MLlib)
DEEP LEARNING
Redes Neuronales
Redes Neuronales Convolucionales (CNN)
Redes Neuronales Recurrentes (RNN)
Word2Vec
Regularización
Hiperparametrización
LIMPIEZA DE DATOS - DATA PREPARATION
Preparación de datos con Python (Pandas - Numpy)
Preparación de datos con R (dplyr - tidyverse)
TRABAJO FIN DE EXPERTO
Data Scientist (científico de datos)
Analista de datos
Ser capaz de manejar las nuevas herramientas de manejo de grandes conjuntos de datos como el ecosistema Hadoop y otros modelos de computación distribuida como Storm y Spark.
Realización de análisis de datos avanzado con R, RStudio y paquetes relevantes como Caret, e1071, RandomForest, data.table, spart, etc.
Desarrollar bibliotecas de análisis de datos en Python y uso de bibliotecas disponibles en el entorno IPython.
Conocer a aplicar los aspectos legales y regulatorios que afectan al análisis de conjuntos de datos masivos procedentes de archivos automatizados.
Aplicar nuevas metodologías de distribución, métrica, evaluación y pruebas de datos.
Procesar conjuntos de datos con nuevas técnicas de aprendizaje automático.
Diseñar e implementar estrategias de validación y pruebas en entornos de producción.
Explotar los datos en entornos NoSQL como MongoDB, CouchDB, Cassandra, Redis, Tokyo Cabinet, Neo4J.
Preparar y limpiar datos para su procesamiento efectivo y descubrimiento de conocimiento.
Aplicar técnicas avanzadas de análisis estadístico descriptivo e inferencial.
Visualizar datos y realizar informes automáticos con D3.js, Graphviz, Jung, ggplot2.