Aprovecha las oportunidades del Big Data y conviértete en analista de datos con el

Maestría en Data Science y Big Data

Máster en Data Science y Big Data

QS Stars

QS World University Ranking

  • Inicio:

    30 Mayo 2024

  • Horario:

    24/7

  • Duración:

    750 horas (10 meses)

  • Metodología:

    Online

Nº1 online Ranking CSIC

Ranking del CSIC

QS World University Ranking

QS Stars

Nº2 Ranking Iberoamericano

Ranking Iberoamericano

Nº1 Ranking Marketing Financial Magazine

Ranking Financial Magazine

Eduniversal Selected School

Eduniversal Selected School

Acreditación Serious eLearning

Serious eLearning

Emagister Cum Laude

Emagister Cum Laude

¿Por qué estudiar el Máster en Data Science y Big Data?

Presentación del Maestría

En la actualidad, las empresas tienen la necesidad de predecir el comportamiento de las personas con el fin de mejorar la interacción con las mismas. Y por este motivo, han estado almacenando datos que ahora deben ser convertidos en activos digitales de valor. 

Para esa conversión de datos a activos de valor, las nuevas técnicas de Big Data son fundamentales pues permiten una gestión masiva de datos eficiente. Además, los algoritmos de Machine Learning permiten tomar esos datos e inferir el comportamiento de las personas con una contundente probabilidad de acierto.

Con el Máster en Data Science y Big Data aprenderás a utilizar las técnicas y herramientas más importantes para manejar grandes volúmenes de datos y, además, conocerás y sabrás aplicar todos los algoritmos de Machine Learning así como su uso a través de Redes Neuronales para su aplicación en entornos reales.

La figura del Data Science es un perfil altamente demandado en cualquier empresa debido a la necesidad de las organización de entender los datos recolectados y convertirlos en activos digitales de valor. Es por esto que hemos diseñado el Máster en Data Science y Big Data. 

Con este programa conseguirás una formación y dominio de todas las áreas básicas de la ciencia de datos aplicada. Aprenderás a diseñar, desarrollar, analizar y comprender de manera afinada, planes y proyectos guiados por los datos en diversos contextos. Por otro lado, los fundamentos del Machine Learning y los distintos tipos de algoritmos más usados dentro del aprendizaje supervisado y no supervisado, así como su aplicación en entornos reales.

¿A quién va dirigido?

La Maestría en Data Science y Big Data se orienta a los siguientes perfiles:

  • Ingenieros que tengan por objetivo una actualización de sus conocimientos y el desarrollo de nuevas competencias dentro de la Inteligencia Artificial
  • Profesionales vinculados fuertemente con la tecnología que tengan por objetivo la especialización en Big Data y Machine Learning
  • Programadores que tengan por objetivo ampliar sus conocimientos y capacidades en el mundo de la ciencia de datos para su desarrollo profesional
  • Analistas de datos con experiencia que quieran dar el salto a los aspectos más profundos de la tecnología
  • Estadísticos y Matemáticos que quieran desarrollar su carrera en el mundo del Científico de Datos para Marketing
Solicita información
de Becas, Financiación y descarga el Folleto

Estos son los trabajos a los que podrás acceder con este Maestría

Estas son las profesiones que podrás desempeñar después de estudiar el Máster en Data Science y Big Data:

  • Data Scientist
  • Chief Data Officer (CDO)
  • Arquitecto de datos

Entonces ahora, ¿cómo continúo?

Resuelve todas tus dudas en una Sesión Informativa

Apuntarme a una sesión

Descarga el Folleto y analiza el programa en detalle

Descargar folleto

Quiero hablar con
un asesor

Reservar cita

Competencias del Maestría en Data Science y Big Data

Al finalizar el Máster en Data Science y Big Data serás capaz de:

  • Conocer las técnicas más actuales del procesamiento paralelo en entornos Big Data
  • Adquirir  los conocimientos necesarios de programación sobre Python, R y entornos de almacenamiento para poder operar con datos masivos
  • Aprender los fundamentos del Machine Learning y los tipos de algoritmos más utilizados dentro del Aprendizaje Supervisado y No Supervisado, así como su aplicación en entornos reales
  • Conocer los distintos tipos de redes neuronales y sus usos más habituales en entornos reales

Plan de estudios

La estructura y materias del Máster en Data Science y Big Data está estructurado en 17 módulos

  • Fundamentos de Python
  • Python avanzado
  • Fundamentos R
  • Proyecto: Análisis de un dataset público de la copa mundial de fútbol
  • Introducción a la IA y Machine Learning
  • Algoritmos de regresión. Evaluación y métricas
  • Ecosistemas de Machine Learning en la nube
  • Proyecto: Análisis predictivo del precio de la vivienda
  • Matemática analítica
  • Estadística descriptiva
  • Estadística inferencial
  • Proyecto: Conocimiento de usuarios y Sistema Recomendador en una plataforma de streaming de películas
  • Clasificación binaria, multiclase y métricas. Curva ROC
  • Clasificación con Naive Bayes
  • Clasificación con Support Vector Machine (SVM)
  • Proyecto: Evaluación del estado de salud de un bebé durante el parto
  • Bases de Datos Relacionales
  • Fundamentos de SQL
  • Bases de datos NOSQL
  • Proyecto: Análisis del impacto de los anuncios de TV en las visitas a la página web del anunciante.
  • Clasificación con KNN, regresión logística y softmax
  • Regresión y clasificación con árboles de decisión
  • Combinación de clasificadores: ensembles y random forests
  • Proyecto: Desarrollo de un análisis predictivo sobre la propensión a abandonar la empresa por parte del personal empleado
  • Tipos y arquitectura de un Data Warehouse vs Data Lake
  • MongoDB Atlas
  • Fundamentos de Azure y AWS
  • Proyecto: Diseño e implementación de la automatización de una infraestructura sobre AWS
  • Reducción de dimensionalidad en los datos: PCA
  • Algoritmos de agrupamiento: K Medias y jerárquico
  • Técnicas de detección de anomalías
  • Proyecto: PCA y CLUSTERING utilizando Python
  • Introducción a las Arquitecturas Distribuidas: Paralelización y Map Reduce
  • Arquitecturas Lambda y Kappa. Batch vs Streaming.
  • Gestión de recursos en Arquitecturas Distribuidas
  • Proyecto: Diseño y Desarrollo de una Arquitectura Distribuida para Análisis de Datos Espaciales
  • Hitos del Deep Learning y fundamentos de las redes neuronales
  • Frameworks de Deep Learning: TensorFlow
  • Ajuste de modelos de Deep Learning
  • Proyecto: Análisis donde se aplican técnicas de Deep Learning
  • Fundamentos y herramientas del ecosistema Hadoop
  • Gestión de datos Streaming
  • Extracción, Transformación y Carga de datos
  • Proyecto: Desarrollo de una aplicación de ingesta y análisis de datos
  • Fundamentos de las CNNs: kernels, convolución, pooling, etc.
  • Modelos pre-entrenados: Transfer Learning y Fine-Tuning
  • Deep Learning en producción
  • Proyecto: Análisis de un problema de clasificación de imágenes con Deep Learning
  • Introducción a Spark y programación en batch sobre RDDs
  • Spark SQL, Dataframes y GraphX
  • Spark Streaming y MLlib
  • Proyecto: Monitoreo de Calidad del Aire en Ciudades Inteligentes
  • Personalización creada por datos
  • Filtrado Colaborativo
  • Aplicaciones, tendencias y retos de los sistemas de recomendación
  • Proyecto: Implementando un algoritmo de SR con la librería Surprise de Python
  • Procesos ETL con Python
  • Web Scraping
  • Servicios Web y APIs
  • Proyecto: Extracción y análisis de reviews de películas mediante web scraping
  • Introducción al Procesamiento del Lenguaje Natural
  • Modelos Probabilísticos de NLP y Métodos de Aplicación
  • NLP – Modelos y Algoritmos
  • Proyecto: Investigación detallada de un caso de estudio de NLP
  • Masterclass: KNIME
    Franco Ubber Scapin | Data Scientist en Naranja
  • Masterclass: Salesforce - Visión 360º del cliente
    Mauro Rafaelli Castilhos | Digital Advisor - Digital Ventures Lab (DVL)
  • Masterclass: Sqoop
    Angel Hernandez Bravo | Tecnology Advisor - Experto Tecnologías de Información en Banco de España eurosystem
  • Taller de Python
    Layla Scheli | Analista de BI, Big Data y Data Science en Iosper
  • Workshop: Recomendaciones para aumentar tu empleabilidad como especialista técnico
    Zaira Adame | 
Directora Innovación Estratégica y Business Intelligence. Co-Founder en Bzmk creative contents.

Director

Zaira Adame


Directora Innovación Estratégica y Business Intelligence. Co-Founder en Bzmk creative contents.

Claustro del Maestría en Data Science y Big Data

Estos son los profesores del Máster en Data Science y Big Data

FAQs del Máster en Data Science y Big Data

Modelo de aprendizaje innovador

Aplicamos el Agile Learning con sprints semanales donde el alumno tiene unos objetivos y metas que cumplir y un proyecto donde poner en práctica los conocimientos que adquiere con la guía y supervisión de un mentor.

  • Aprendizaje práctico por proyectos
  • Trabajo en equipo
  • Discusiones y debates
  • Seguimiento de mentores
  • Materiales de apoyo
  • Clases en directo y grabadas

Lo que necesitas es Flexibilidad pero buscas Networking y Contacto personalizado

Solicita la admisión al programa

Resumen del Maestría en Data Science y Big Data

Duración, becas, financiación y precios del Maestría en Data Science y Big Data

  • Próxima convocatoria

    Mayo

  • Duración

    750 horas en 10 meses

  • Créditos

    60 ECTs

  • Precio

    $ 134,000

  • Financiación

    En cuotas mensuales sin intereses

  • Becas disponibles

    Hasta el 40%, infórmate y calcúlalo online