Master en Data Science y Big Data

Master en Data Science y Big Data

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 Master 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.

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 Master 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.

¿Qué voy a aprender sobre Data Science y Big Data?

Al finalizar el Master 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

Contacta con IEBS

¿Te gustaría recibir más información acerca de este programa?

¿A quién va dirigido este Master?

El Master 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

Dónde: Online

Cuándo: 28-07-2021

Quiero asistir

¿No era esto lo que buscabas?

Plan de Estudios: Master en Data Science y Big Data

La estructura y materias del Master en Data Science y Big Data está organizada de la siguiente manera:

Módulo 1. Introducción a los lenguajes de programación

  • Fundamentos de Python
  • Python avanzado
  • Fundamentos de R

Módulo 2. Matemáticas y estadística en el tratamiento de datos

  • Matemática analítica
  • Estadística descriptiva
  • Estadística inferencial

Módulo 3. Sistemas y servicios de Almacenamiento

  • Fundamentos de SQL y Querys básicas
  • SQL Server Integration Services SSIS
  • SQL Analysis Services SSAS y SQL Server Reporting Services SSRS

Módulo 4. Entornos Datawarehouse

  • Tipos y arquitectura de un Data Warehouse vs Data Lake
  • Fundamentos de Azure. Azure Data
  • Fundamentos de AWS

Módulo 5. Entorno Distribuido para Big Data

  • Fundamentos y herramientas del ecosistema Hadoop
  • El modelo MapReduce de procesamiento
  • Sistema de ficheros distribuidos HDFS

Módulo 6. Arquitecturas distribuidas Big Data

  • Arquitectura Batch y Streaming. Arquitectura Lambda
  • Gestión de recursos: YARN
  • Herramientas del ecosistema Hadoop: Hive

Módulo 7. Procesamiento de datos a gran escala: Spark

  • Configuración y map reduce en Spark
  • PySpark: Creación BD, SparkContext, Spark streaming
  • PYSpark: RDDs: Ejecución en Paralelo, Datos Externos, Partición de Datos, Creación de Ficheros, Reducebykey, sortbykey, countingkeys

Módulo 8. Otras acciones de procesamiento de datos

  • Text mining: limpieza texto, TF-Idf, wordcloud
  • Web Scrapping
  • Visualización de datos

Módulo 9. Fundamentos de IA y Machine Learning

  • Introducción a la IA y Machine Learning
  • Algoritmos de regresión y métricas
  • Ecosistemas de Machine Learning en la nube

Módulo 10. Aprendizaje supervisado I

  • Clasificación binaria, multiclase y métricas. Curva ROC
  • Clasificación con Naive Bayes
  • Clasificación con Support Vector Machine SPV

Módulo 11. Aprendezaje supervisado II

  • Regresión y clasificación con árboles de decisión
  • Combinación de clasificadores: Boostrapping, bagging y boosting
  • Regresión y clasificación on random forests

Módulo 12. Aprendizaje NO Supervisado

  • Algoritmos de agrupamiento: Kmedias y jerárquico
  • Técnicas de detección de anomalías
  • Aprendizaje por refuerzo y control

Módulo 13. Redes neuronales y deep learning

  • Entrenamiento: Gradient descent, SGD, Backpropagation
  • Frameworks de Deep Learning: TensorFlow
  • Unidad activación, met. inicialización, optimizadores, met. regularización

Módulo 14. CNN, GAN y otras redes neuronales

  • CNN: Layers y arquitecturas (Alexnet, VGG...)
  • CNN: Entrenamiento con Data augmention y transfer learning
  • GAN, GNN y RNN: Redes Generativas Antagónicas , Graph Neural Networks y Recurrent Neural Networks

Módulo 15. Sistemas de recomendación

  • Personalización guiada por IA y datos. Filtrado colaborativo
  • Recomendaciones basadas en contenido, contexto e híbridas
  • Aplicaciones, tendencias y retos de los sistemas de recomendación

Módulo 16. Procesamiento del Lenguaje Natural

  • Modelos lógicos de PLN
  • Modelos Probabilísticos de PLN
  • Uso de la PLN

Proyecto de Fin de Master 

*El temario y las masterclass podrán sufrir modificaciones motivadas por la actualización y mejora de los mismos.

Módulo 1. Introducción a los lenguajes de programación

Módulo 2. Matemáticas y estadística en el tratamiento de datos

Módulo 3. Sistemas y servicios de Almacenamiento

Módulo 4. Entornos Datawarehouse

Módulo 5. Entorno Distribuido para Big Data

Módulo 6. Arquitecturas distribuidas Big Data

Módulo 7. Procesamiento de datos a gran escala: Spark

Módulo 8. Otras acciones de procesamiento de datos

Módulo 9. Fundamentos de IA y Machine Learning

Módulo 10. Aprendizaje supervisado I

Módulo 11. Aprendezaje supervisado II

Módulo 12. Aprendizaje NO Supervisado

Módulo 13. Redes neuronales y deep learning

Módulo 14. CNN, GAN y otras redes neuronales

Módulo 15. Sistemas de recomendación

Módulo 16. Procesamiento del Lenguaje Natural

Proyecto de Fin de Master 

*El temario y las masterclass podrán sufrir modificaciones motivadas por la actualización y mejora de los mismos.

¿Quieres más información acerca de nuestras Becas y Ayudas?

Claustro del Master en Data Science y Big Data

Dirección

Iván Palomares Carrascosa
+

Iván Palomares Carrascosa

Senior Research Scientist, training & learning consultant in AI/Data Science

Profesorado

Javier Cózar del Olmo
+

Javier Cózar del Olmo

Co-Fundador Taidy

Daniel González Medina
+

Daniel González Medina

Co-Founder Taidy Cloud

Esther Aguilar Hervas
+

Esther Aguilar Hervas

Service Delivery Manager en Paradigma Digital

Rafael Zambrano López
+

Rafael Zambrano López

Data Scientist en LaLiga

Juan José Silva Torres
+

Juan José Silva Torres

Data Director en Ymedia

Layla Scheli
+

Layla Scheli

Analista de BI, Big Data y Data Science

Iván Palomares Carrascosa
+

Iván Palomares Carrascosa

Senior Research Scientist, training & learning consultant in AI/Data Science

Francisco José Cotán López
+

Francisco José Cotán López

Cloud Engineer | Big Data Engineer | Data Architect en Axesor

Franco Ubber Scapin
+

Franco Ubber Scapin

Data Scientist en Naranja

Paloma Romera Garcia
+

Paloma Romera Garcia

Consultora Senior y Arquitecto de Infraestructuras en IBM

Cristina Bellerin
+

Cristina Bellerin

IBM Z Client Architect en IBM

José Cristino Fernández Pérez
+

José Cristino Fernández Pérez

Director de Unidad de Producto

Bruno Magnano Marinelli
+

Bruno Magnano Marinelli

Freelance Data Scientist. CEO en RocBird

¿Por qué elegirnos?

Descubre lo que nos diferencia

Escuela
Online nº1

IEBS es la primera escuela online que aparece en el Ranking del CSIC y la 9ª de España

Ranking
Iberoamericano

2ª Escuela de Negocios online en el Ranking Iberoamericano de Escuelas Online

Doble
titulación

Convenios para la acreditación de nuestras titulaciones con las más prestigiosas Universidades

Escuela más
innovadora

Reconocidos por el Instituto de Excelencia Empresarial por nuestro modelo innovador y la apuesta por la calidad educativa de IEBS

Resultados
Garantizados

93% de Alumnos consiguen sus objetivos de mejorar laboralmente según auditoría externa de KPMG

Referentes en Formación Online

Reconocidos por el sector como la escuela de referencia y líderes en formación online con más de 10 años de experiencia y miles de casos de éxito entre nuestros alumnos

Aprendizaje
de calidad

Única escuela certificada por los exigentes requisitos de "Serious e-Learning" con una metodología enfocada a la práctica y la empleabilidad

Expertos de
la industria

Los profesores de IEBS cumplen cuatro requisitos: Conocimiento, Experiencia, Empatía y Pasión por enseñar

Opiniones sobre el Master en Data Science y Big Data

IEBS está posicionada en Rankings como la mejor Escuela Online en España e Iberoamérica para el Master en Data Science y Big Data .

Modelo de aprendizaje innovador

Aplicamos las mejores metodologías en Formación Online para el Master en Data Science y Big Data .

En IEBS aplicamos las más modernas metodologías y técnicas de aprendizaje. Los programas se desarrollan siguiendo esquemas de las metodologías ágiles y se estructuran en clases semanales donde el alumno tiene una serie de metas e hitos que cumplir y un proyecto donde poner en práctica los conocimientos que adquiere con la guía y supervisión de un mentor.

¿En qué consiste?

  • Clase Invertida: empezamos por el proyecto que tienes que resolver
  • Aprendizaje por proyectos: aprendemos haciendo no escuchando
  • Trabajo en equipo: trabajamos y aprendemos en grupo
  • Aprendizaje formal, informal y social: utilizamos todos los recursos útiles disponibles

¿Cómo funciona?

  • El principio de cada clase o módulo siempre es el proyecto a desarrollar
  • El alumno accede a los recursos didácticos formales e informales que propone el profesor
  • Participa en debates para reforzar conceptos e ideas clave
  • Dispone de un mentor, experto del sector que ha diseñado la clase, para resolver sus problemas y tener un feedback del mundo real

Resumen

Duración, becas, financiación y precios del Master en Data Science y Big Data .

¿Cuánto dura?

Tiene una duración de 750 horas.

Precio

Tiene una inversión total de: U$S 6.250

Becas disponibles

Beca Smart: cubre el 25% del precio
Beca Impulsa: cubre el 40% del precio

¿Cuándo empieza?

Empieza el 28/10/2021.

¡Fináncialo!

Con IEBS en cuotas mensuales sin intereses.

LATAM: Financia este programa con un 5% de recargo en las cuotas mensuales.

Proceso de admisión

1

Rellenar y enviar la Solicitud de Admisión online

2

Realizar una entrevista personal y el test de aptitud

3

Formalización de la matricula

¿Quieres realizar ahora el proceso de admisión?

Empresas colaboradoras

IBM
Qlik
Tableau