Master en Data Science impartido por MIOTI | Tech & Business School

Requisitos para la realización del curso:

Los alumnos tienen que tener un grado, licenciatura, ingeniería técnica o superior, etc. terminado

Data Science Fundamentals Program (170h)

Data Science Fundamentals
Introducción a data science. Presentación del marco de referencia general.

Statistics for Data Science
Repaso de los fundamentos de estadística necesarios para dominar la ciencia de los datos.

Data Science with Python
Python como framework del especialista de data science. Desarrollo de notebook, uso de pandas, numpy, matplotlib. Procesamiento de datos de fuentes estructuradas (CSV, REST, HSQL, Logs) y no estructuradas (Web, Spark, Cassandra).

Data Pre-processing
¿Cómo pre-procesar adecuadamente los datos?. Aplicación de filtros, anonimización de datos, selección de atributos, sampling y reducción de dimensionalidad.

Data Visualization
¿Cómo visualizar diferentes tipos de datos? ¿Qué técnicas utilizar?

Predictive Analytics
Introducción al análisis de series temporales, revisión de los mejores algoritmos disponibles. Desarrollo de casos de uso de detección de anomalías y predicción de series.

Machine Learning I y II
Introducción a los problemas de clasificación y clusterización. ¿Cómo evaluar los resultados? ¿Cómo construir los datasets?

Revisión de los principales algoritmos y su aplicación.

Entrepreneurship I
Discusión y descubrimiento de nuevos modelos de negocio basados en data science.

Final Project
La temática podrá ser propuesta por el estudiante o seleccionada de una lista proporcionada por MIOTI.


Ver másData Science Advanced Program (130h)

Deep Learning
El objetivo de la asignatura es introducir los conceptos fundamentales de las redes neuronales profundas. Además de proporcionar un recorrido teórico-práctico se aprenderán a utilizar las herramientas más importantes y a implementar soluciones desde cero.

Computer Vision
El objetivo de la asignatura es introducir los conceptos fundamentales de las técnicas de Visión por Computadora (Computer Vision). Se realizará un recorrido teórico práctico de las principales técnicas.

Natural Language Processing
Introducción a los conceptos fundamentales de los mecanismos empleados para la comunicación entre personas y máquinas por medio del lenguaje natural. Conocer las interacciones y su aplicación en el campo de inteligencia artificial.

Entrepreneurship II
Discusión y descubrimiento de nuevos modelos de negocio basados en data science.

Machine Learning III
Aplicar redes convolucionales y modelos recurrentes profundos con Tensorflow en aplicaciones prácticas con imágenes, implementar y diseñar modelos neuronales para la resolución de problemas modelización/clasificación, diseñar modelos generativos adversariales para la gestión de datos.

Reinforcement Learning
Introducción a los conceptos del aprendizaje por refuerzo. Conocer las formas de calcular medias y promedios móviles, procesos de decisión de Markov, programación dinámica, diferencia temporal de aprendizaje y métodos de aproximación.

Big Data for Data Science
Visión general de los conceptos fundamentales de las soluciones Big Data. Se repasarán arquitecturas de referencia y modelos de adopción con las principales tecnologías actuales incluyendo procesos de ingesta, análisis y visualización de datos en tiempo real.

Final Project
La temática podrá ser propuesta por el estudiante o seleccionada de una lista proporcionada por MIOTI.
Ver menos