Máster en Data Science & Analytics

El mercado actual requiere profesionales que sepan manejar, analizar e interpretar los datos para servir a los objetivos de negocio. Las empresas necesitan estos perfiles especializados que combinen la analítica y la estrategia con la parte técnica, por lo que la formación en esta disciplina se convierte en un valor diferencial para los recién graduados.
En MIOTI te preparan para esta realidad tan prometedora. Con MIOTI aprenderás desde conceptos básicos de preprocesamiento de datos, Inteligencia Artificial y programación en Python, hasta los últimos modelos de redes neuronales profundas y reconocimiento de imágenes. Trabajarás con datasets reales aplicando machine learning y resolviendo problemas de negocio en clase y en las prácticas.
Después de esta formación y la experiencia en empresa, estarás preparado para cualquier reto en el mundo laboral, no necesitarás periodo de adaptación.

Introduction

• Introducción a MIOTI, iniciación en las plataformas que se van a utilizar durante el programa e iniciación en el curso.

Python for Beginners

• Introducción a la programación y preparación para su aplicación en Data Science.

Data Science fundamentals

• Introducción a conceptos fundamentales de data science.
• Presentación del marco de referencia general.

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, SQL, Logs) y no estructuradas (Web, Spark, Cassandra).

Statistics for DS

• Repaso de los fundamentos de estadística necesarios para dominar la ciencia de los datos.

Data Preprocessing

• ¿Cómo preprocesar adecuadamente los datos?
• Aplicación de filtros, anonimización de datos, selección de atributos, sampling y reducción de dimensionalidad.

Data Visualization

• Herramientas para visualización de datos. Introducción a las técnicas y librerías mas utilizadas.

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

• Introducción a los problemas de clasificación y clusterización.
• Construcción de data sets y evaluación de resultados.

Machine Learning II

• Revisión de los principales algoritmos de aprendizaje supervisado bayes , vectores de soporte, regresiones, y no supervisado y su aplicación.

Entrepreneurship

• Entendimiento de los nuevos modelos de negocio basados en data science que están surgiendo en el sector empresarial e industrial, y las técnicas para implementar ideas basadas en esta tecnología.

Deep Learning

• Introducción de conceptos fundamentales de las redes neuronales profundas.
• Recorrido teórico práctico, aprender a utilizar las herramientas más importantes y a implementar soluciones desde cero.antagónicos) para la gestión de datos.

Computer Vision

• Introducción a conceptos fundamentales de las técnicas de Visión por Computadora (Computer Vision).
• Recorrido teórico práctico de las principales técnicas.

Natural Language Preprocessing

• Introducción a 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

• Profundizar en los nuevos modelos de negocio basados en data science que están surgiendo en el sector empresarial e industrial, y las técnicas para implementar ideas basadas en esta tecnología.

Reto Kaggle

• Escogeréis y desarrollaréis un reto para mediros con los mejores profesionales del mundo y así valorar lo que se ha aprendido durante el máster.

Machine Learning III

• Aplicación de redes convolucionales y modelos recurrentes profundos como TensorFlow en aplicaciones prácticas con imágenes. Implementación y diseño de modelos neuronales para la resolución de problemas modelización/clasificación y diseño de GAN (modelos generativos antagónicos) para la gestión de datos.

Reinforcement Learning

• Introducción a 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 DS

• Conceptos fundamentales de soluciones Big Data.
• Arquitecturas de referencia y modelos de adopción con las principales tecnologías actuales incluyendo procesos de ingesta, análisis y visualización de datos en tiempo real.

New Technologies

• Iniciación a Blockchain, Industria 4.0, Internet of Things y Robotics.

DS for Business

• Aplicaciones prácticas de la AI para negocio, Algorithm Driven Companies, Skills Transformations, Data Driven Companies.

Soft Skills

• Expertos profesionales darán una clase magistral de como presentar proyectos y skills de oratoria y negociación.

Project Management

• Conocer las fases de desarrollo e implementación de proyectos, identificar aquellos elementos a tener en cuenta para facilitar la ejecución minimizando las incidencias previsibles que se encuentran en este tipo de proyectos.

Final Project

• Desarrollo de un proyecto final para afianzar los conocimientos adquiridos durante el programa.