Menú
¡Llama gratis! 900 264 357

Máster en Data Science & Deep Learning del centro MIOTI. Tech Business School

Programa de Máster en Data Science & Deep Learning

Modalidad: Presencial
Duración 9 Meses / 370 Horas
Precio: 14750 €
Localización: Madrid
Becas del 30%

Descripción

Estas dos técnicas están interrelacionadas y formarte en este entorno te permite tener un amplio conocimiento en el aprendizaje automático y la extracción de patrones mediante el uso de técnicas estadísticas, matemáticas, y computacionales.

Durante el máster los participantes conocerán en profundidad todo lo relacionado con el mundo del Data Science y el Deep Learning, así como la importante influencia de las nuevas tecnologías en este sector.

A quién va dirigido

La formación en Data Science & Deep Learning, está enfocada en aquellas personas interesadas en formar parte de este interesante y amplio mundo.

Objetivos

  1. Conocer las bases de la ciencia de los datos.
  2. Estudiar desde preprocesamiento de los datos hasta los principales algoritmos de analítica predictiva.
  3. Conocer las bases de Estadística y Python para estar capacitado para trabajar con datos.
  4. Aplicar las últimas técnicas de Machine Learning y Deep Learning.

Temario

Máster en Data Science & Big Data (200h)

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?

Advanced Data Processing

Fuentes de datos / ETL

Arquitecturas de procesamiento en batch, streaming

Bases de datos (estructuradas y no estructuradas)

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

Introducción a los problemas de clasificación y clusterización. ¿Cómo evaluar los resultados? ¿Cómo construir los datasets? Revisión de los principales algoritmos y su aplicación.

Big Data Fundamentals

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.

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.

Máster en Deep Learning (170h)

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 II

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.

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.

Reto Kaggle

Formarás parte de un equipo en Kaggle donde solucionarás un reto de Data Science.

Final Project

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

Titulación obtenida

Finalizada la formación, el estudiante recibirá una titulación como Máster en Data Science & Deep Learning, emitido por MIOTI Tech Business School.

Requisitos

Para acceder al Máster en Data Science & Deep Learning, es necesario que el aspirante supere el proceso de admisión.

Información Adicional

Convocatorias anuales marzo/abril o septiembre/octubre.

Contacta ahora con el centro

Junglebox S.L. (Responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información requeridas y el envío de comunicaciones promocionales sobre formación, derivadas de tu consentimiento. Podrás ejercer tus derechos de acceso, supresión rectificación, limitación, portabilidad y otros derechos, según lo indicado en nuestra P. de Privacidad​