Máster en Data Science e Inteligencia Artificial

Máster en Data Science Online

icono de propiedad

Duración: 1 año académico

icono de propiedad

Idioma: Español

icono de propiedad

Modalidades: Live Streaming y Online Flexible

Objetivos

¿A quién va dirigido este máster?

Ayudas económicas

Avalado por instituciones de prestigio

IBM logo

Elegidos como la mejor escuela de negocios especializada en tecnología

Ranking DondeEstudiar

IBM logo

Seleccionados en la categoría de Excelencia Formativa en los Premios Tecnología e Innovación

Diario La Razón

IBM logo

Promedio de 4,9 sobre 5 en valoraciones publicadas por antiguos estudiantes sobre EBIS

Portales de reseñas

Las mejores empresas también se han formado con nosotros

Banco de España
Naturgy
CaixaBank
Deloitte
Bankinter
Pwc
ABB
Abanca

Modalidades

imagen de modalidad

Modalidad Live Streaming

Descripción: Alumno y profesor interactúan en directo a través de una plataforma de videoconferencia. Posteriormente, las grabaciones de las clases se publican en el campus virtual.

Tutor personal: Disponible durante todo el curso

Recursos complementarios: Lecturas, presentaciones, libros, manuales, cuestionarios, ejercicios, foros de dudas, repositorio documental, etc.

Interacción con otros alumnos: Durante las clases, en la preparación de los casos prácticos (opcional), en la elaboración del proyecto final (opcional) y por chat grupal/individual en la intranet.

Fecha de inicio y fin: 01 de Abril de 2024 (presentación) / 03 de Abril (inicio clases) – 22 de Enero de 2025 (mes de agosto no lectivo)

Horarios disponibles: Lunes y Miércoles de 18:30 a 21:00h (zona horaria UCT+1, Madrid)

imagen de modalidad

Modalidad Online Flexible

Información: Los alumnos tienen acceso a un campus virtual con las grabaciones de las clases y los recursos complementarios. Interactúan con los profesores en tutorías periódicas (videoconferencia) o por email.

Tutor personal: Disponible durante todo el curso

Recursos complementarios: Lecturas, presentaciones, libros, manuales, cuestionarios, ejercicios, foros de dudas, repositorio documental, etc.

Interacción con otros alumnos: Durante las tutorías, en la preparación de los casos prácticos (opcional), en la elaboración del proyecto final (opcional) y por chat grupal/individual en la intranet.

Fecha de inicio: Inicio flexible

Duración: 9 meses

Dedicación: De 8 a 10 horas semanales (Flexible)

Contenido del Máster en Data Science e Inteligencia Artificial

MÓDULO I. PROGRAMACIÓN Y COMPUTACIÓN PARA LA CIENCIA DE DATOS

Tema 1 - Programación Python
    • Instalación

    • Herramientas básicas

    • Jupyter Notebook

    • Tipos de datos

    • Estructuras condicionales

    • Estructuras iterativas

    • Funciones

    • Estructuras de datos

    • Programación vectorial con Numpy

    • Manipulación de datos con Pandas

    • Graficación básica con Matplotlib

Tema 2 - Programación en R
    • Instalación

    • Herramientas básicas

    • R Studio

    • Tipos de datos

    • Estructuras condicionales

    • Estructuras iterativas

    • Funciones

    • Estructuras de datos

    • Uso de apply, lapply y sapply

    • Dataframes

    • El universo Tidyverse

    • Manipulación de datos con dplyr

    • Graficación básica con ggplot2

MÓDULO II. MATEMÁTICAS Y ESTADÍSTICA PARA LA CIENCIA DE DATOS

Tema 3 - Fundamentos estadísticos
    • Estadística descriptiva

    • Probabilidad

    • Variables aleatorias

    • Covarianza y correlación

    • Muestra y población

    • Distribuciones normales

    • Distribuciones de Poisson

    • Otro tipo de distribuciones

Tema 4 - Estadística aplicada a la ciencia de datos
    • Principales tests estadísticos

    • Significancia estadística

    • P-value

    • Interpretación de las principales métricas

    • Principal Component Analysis (PCA)

    • Estadística inferencial

    • Regresiones lineales

    • Regresiones logísticas

MÓDULO III. BIG DATA

Tema 5 - Fundamentos del Big Data
    • La necesidad del Big Data

    • Introducción al Big Data

    • Qué no es el Big Data

    • Desafíos del Big Data

    • Fuentes de datos

    • Tipos de datos

    • Volumen, Velocidad y Variedad

    • Tecnologías de Almacenamiento

Tema 6 - Arquitecturas
    • Sistemas de almacenamiento distribuidos

    • Sistemas de almacenamiento en la nube

    • Bases de Datos NoSQL

    • Apache Hadoop

    • Cloudera

    • Apache YARN

    • MapReduce

    • Orquestación de procesos

Tema 7 - Principales herramientas
    • Hadoop Ecosystem

    • Apache Hive

    • Apache Spark

    • PySpark

    • Apache Airflow

    • Apache Kafka

MÓDULO IV. OBTENCIÓN, PREPARACIÓN Y ALMACENAMIENTO DEL DATO

Tema 8 - Naturaleza de los datos
    • Principales tipos atómicos

    • Datos cualitativos y cuantitativos

    • Datos continuos y discretos

    • Datos estructurados y no estructurados

    • Datos temporales

Tema 9 - Técnicas de recogidas de datos
    • Orígenes de los datos

    • Redes sociales

    • Web Scraping

    • Datos en tiempo real

    • Tendencias en la obtención de datos

Tema 10 - Preprocesamiento y Data Quality
    • Calidad del dato

    • Análisis exploratorio de datos

    • Detección y tratamiento de outliers

    • Tratamiento de valores perdidos

    • Tratamiento de problemas desbalanceados

    • Transformación de variables

    • Normalización de variables numéricas

MÓDULO V. ANALÍTICA AVANZADA E INTELIGENCIA ARTIFICIAL

Tema 11 - Analítica avanzada de datos
    • Introducción a la Analítica Avanzada

    • Extracción del conocimiento

    • Procesos de analítica avanzada de datos

    • Principales aplicaciones

Tema 12 - Minería de datos
    • Problemas supervisados

    • Problemas no supervisados

    • Problemas semi supervisados

    • Inferencia vs predicción

    • Overfitting vs Underfitting

    • Bias vs Variance

    • Validación de modelos

Tema 13 - Machine Learning
    • Introducción al machine learning

    • Técnicas de clasificación

    • Técnicas de regresión

    • Técnicas de clustering

    • Algoritmos avanzados

    • Estado del arte

Tema 14 - Deep Learning
    • Intuición detrás del Deep Learning

    • Redes Neuronales Simples

    • Redes Neuronales Recurrentes

    • Redes Neuronales Convolucionales

    • Transformers

    • Redes Neuronales Generativas Adversarias

MÓDULO VI. NARRACIÓN BASADA EN EL DATO: VISUALIZACIÓN AVANZADA & STORYTELLING

Tema 15 - Visualización avanzada de datos
    • Gráficos avanzados

    • Visualización multivariable

    • Visualización de texto

    • Visualización de series temporales

    • Diseño y estética

    • Consejos para realizar mejores gráficos

Tema 16 - Business Intelligence y cuadros de mando
    • Introducción al Business Intelligence

    • Cálculo de métricas clave

    • Cuadros de mando

    • Funciones y beneficios

    • KPI

    • Componentes avanzados

    • Tableau

    • Power BI

Tema 17 - Storytelling
    • Definición

    • La importancia del Storytelling

    • Estructura narrativa

    • Informes

    • Consejos

    • Selección de datos significativos

    • Identificación de audiencia

    • Elaboración de un Storytelling efectivo

MÓDULO VII. REGULACIONES Y ÉTICA

Tema 18 - La legislación en la ciencia de datos
    • Privacidad

    • Protección de datos y LOPD

    • Tratamiento de datos

    • Conservación y borrado de datos

    • Ejercicio de derechos

Tema 19 - Ética en la Inteligencia Artificial
    • Explicabilidad de la Inteligencia Arficial

    • Bias y Fairness

    • Ética de los Datos

    • Exploración de escenarios negativos

    • Gobernanza y cumplimiento

    • Sostenibilidad

MÓDULO VIII. PLANIFICACIÓN Y DIRECCIÓN DE PROYECTOS DE CIENCIA DE DATOS E IA

Tema 20 - Aplicaciones del Data Science y la IA
    • Situación actual y nivel de adopción

    • Evolución del sector

    • Aplicaciones en los diferentes sectores

    • El futuro de la industria

Tema 21 - Planificación de proyectos de Inteligencia Artificial
    • Diseño de soluciones

    • Selección y gestión de recursos

    • Presupuestos

    • Planificación

    • Ejecución

    • Control y seguimiento

    • Cierre de proyecto

    • Experiencias reales

Tema 22 - Metodologías Ágiles
    • Introducción a las metodologías Ágiles

    • Ventajas y limitaciones

    • Kanban

    • Scrum

    • Adopción de las metodologías Ágiles

Docentes del máster

imagen de docente
logo de compañía

Monica Calleja

  • Data & AI, Cloud Solution Architect en Microsoft
imagen de docente
logo de compañía

Jairo Ferrero Garrido

  • Analista de Riesgos Cuantitativos en BBVA
imagen de docente
logo de compañía

Paula Muñoz Lago

  • Data Engineer en Santander Global T&O
imagen de docente
logo de compañía

David Corral Plaza

  • Ingeniero del Software Senior en Xebia Functional

Mucho más que formación

FORMACIÓN DE POR VIDA

Se espera un rápido avance en las tecnologías digitales. Por esta razón, los estudiantes de la escuela disfrutarán de acceso continuo a actualizaciones y novedades de manera indefinida.

NETWORKING CONTINUO

Nuestro canal privado conecta directamente a todos los antiguos alumnos, docentes y empresas para que puedan comunicarse fácilmente. También se organizan eventos virtuales y presenciales para la comunidad.

BOLSA DE TRABAJO Y PRÁCTICAS

Gracias a nuestros acuerdos estratégicos, podemos brindar emocionantes oportunidades de empleo y la opción de realizar prácticas laborales, ya sea durante el curso o después de su finalización.

ACELERADORA

Apoyamos a los estudiantes en la transformación de sus proyectos finales de máster en startups. Ofrecemos mentores, acceso a inversores y la colaboración de desarrolladores para la creación del producto mínimo viable.

SOLICITAR INFORMACIÓN
MÁSTERES DESTACADOS

Para perfiles de negocio

BSM GLOBELERS SL, B67370601© 2023 EBIS Business Techschool