Pide Información SIN COMPROMISO

Máster de Data Science & Business Analytics

Máster de Data Science & Business Analytics
Máster de Data Science & Business Analytics
Máster de Data Science & Business Analytics
Maestría Oficial en Data Science & Business Analytics Online con clases en directo. Especialízate en la ciencia de datos desde cero y domínalo:... Seguir leyendo

¿NOS DEJAS TU OPINIÓN?

Si has realizado este curso, ¿por qué no darnos tu opinión?. Si lo haces, estarás ayudando a miles de personas que, como tu en su momento, están intentando cambiar su vida a través de la formación. No hay mejor ayuda, para decidirse entre miles de cursos, que la opinión de una persona que ha vivido la experiencia de cursarlo, miles de personas te lo agradecerán.

Danos tu opinión detallada sobre el Máster de Data Science & Business Analytics. No olvides decirnos que te pareció el temario del curso, el profesorado, la accesibilidad al equipo del centro para resolver tus dudas y, en el caso de los programas online, la calidad del campus virtual.

Tu experiencia es muy valiosa
Tu voto
Haz clic para puntuar
ENVIAR
Descripción del Máster

Maestría Oficial en Data Science & Business Analytics
Online con clases en directo.

Especialízate en la ciencia de datos desde cero y domínalo: las competencias non-tech, código, ciencias de datos, Inteligencia Artificial y Machine learning, haz upskilling de manera escalable con un programa innovador y una metodología de aprendizaje online y colaborativa.

Career Readiness:
Ofrecemos a nuestros alumnos una formación integral que les prepara para el mercado laboral. A través de un itinerario personalizado, les ayudamos a desarrollar sus competencias profesionales, a establecer relaciones con empresas y a superar los procesos de selección.

Una formación alternativa:
En todos nuestros contenidos incluimos un porcentaje de Human Sciences para relacionar la tecnología con las soft skills.

Metodología Learning By Doing:
Se centra en la aplicación práctica de conocimientos y habilidades para fomentar un aprendizaje significativo y duradero.

Acceso sin coste a formación complementaria:
- Curso de IA generativa: prompt engineering y productividad- Curso de introducción a la programación: Python

¿Tenéis becas?
Sí, disponemos de becas o ayudas al estudio así como métodos de financiación en función del perfil de los alumnos. Consulta nuestras opciones de becas y financiación.

Titulación:Una vez finalices y superes el programa recibirás un diploma emitido por IMMUNE Technology Institute en formato digital verificable mediante tecnología blockchain.

- Becas: a consultar con el centro.
- Promociones y descuentos: a consultar con el centro.
- Titulación propia.
- Bolsa de trabajo
- Prácticas en empresas
- Regalo:
. Curso de IA generativa: prompt engineering y productividad
. Curso de Introducción a la programación: Python

Requisitos del Máster

Es recomendable tener una base matemática y estadística mínima. Si quieres empezar directamente serán necesarios unos conocimientos previos de programación en Python. Si no, no te preocupes, incluimos, para el que lo necesite, una introducción a este lenguaje de programación para que todos los alumnos estén al mismo nivel. ¡Si quieres, puedes!

Nivel de estudios: Grado, Licenciatura, Diplomatura, Ingeniería técnica o superior, Máster, Posgrado, Doctorado o cursando último curso.

Objetivos del Máster

Objetivos:


- Lenguajes de programación: Python, R, y SQL.
- Extraer, procesar y analizar datos para la toma dedecisiones utilizando técnicas y herramientas actuales.
- Gestionar proyectos basados en ciencia de datos y bigdata. Impulsar iniciativas de analítica avanzada desde diferentes áreas delnegocio.
- Adquirir una visión integral y transversal de solucionesBig Data y Cloud.
- Generar informes, cuadros de mando y representacionesvisuales de datos.
- Anticipar y detectar patrones, tendencias y causas conanalítica predictiva y Machine Learning.
- Dominar la aplicación estratégica de Data Science en áreascomo marketing, CRM, banca y finanzas, operaciones, RRHH, e IoT entre otras.

Temario del Máster

Plan de Estudios:
Prework:
Este Prework permite introducir conceptos en los que el programa profundizará, haciendo que el alumno se sienta cómodo desde el primer día y consiguiendo que todo el grupo tenga un nivel parejo, lo que permite avanzar más y mejor, así como mejorar la cooperación entre todos los integrantes.
Funcionamiento básico de un ordenador: Conceptos como hardware y software, CPU, memoria, dispositivos de almacenamiento, sistemas operativos y redes.Introducción a los lenguajes de programación: Explicar qué es un lenguaje de programación, para qué sirve y los tipos de lenguajes (compilados e interpretados).Dar una visión general de los lenguajes más utilizados en la actualidad, y por qué se usan.Conceptos fundamentales de programación: Hablar de elementos como variables, tipos de datos, operaciones, estructuras de control de flujo (if/else, bucles) y funciones.Enseñar cómo descomponer un problema complejo en subproblemas más pequeños y manejables.Contarlo todo de forma muy básica para evitar meterse en el módulo de Fundamentos de Programación (ya con python).Herramientas de desarrollo y buenas prácticasIntroducir el uso de un IDE, como PyCharm o VSCode, así como los notebooks. Hablar sobre el control de versiones con Git.Mencionar buenas prácticas de programación, como la importancia de comentar el código y seguir convenciones de estilo (pythonic code).Introducción a las estructuras de datos: Presentar conceptos como arrays, listas, conjuntos, diccionarios/mapas y árboles.Enfocarlo no dentro de un lenguaje de programación específico, más a nivel de pseudocódigo también. El objetivo es que los estudiantes comprendan qué son, para qué se utilizan y cuándo podría ser apropiado utilizar una estructura de datos sobre otra.Conceptos fundamentales de bases de datos: Explicar qué es una base de datos, para qué se utiliza y qué tipos existen (por ejemplo, bases de datos relacionales y no relacionales).Introducir conceptos clave como tabla, registro, campo, clave primaria y relaciones entre tablas.

Las herramientas del científico de datos 50h.
Revisión de los conceptos claves de programación necesarios para abordar el tratamiento y aprovechamiento de los datos mediante código. Introducción al lenguaje de programación R y amplia presentación de las capacidades que ofrece Python.
Fundamentos de Python y librerías para ciencia de datos: Numpy, PandasPython intermedio y avanzadoProcesamiento de datos y visualización con Python

Inteligencia de negocio y visualización 80h.
En este módulo aprenderemos qué son las bases de datos y los principales tipos que existen. Entraremos en el mundo del modelado de las bases de datos relacionales y aprenderemos a programar en SQL. Ademas, estudiaremos qué son los procesos ETL y cómo se diseñan e implementan.
Diseño de base de datosEstándar SQL IEstándar SQL IIEl almacén de datos / Datawarehouse y Herramientas y procesos de extracción, transformación y carga ETL

La ciencia de datos. Técnica de análisis, minería y visualización 80h.
En esta asignatura repasaremos el ciclo de vida del dato y cómo afecta en el proceso a de análisis de los datos. Además, nos introduciremos en el mundo de la visualización de datos, dónde aprendemos a diseñar dashboards en PowerBI.
Ciclo de vida y calidad del datoPreparación y pre proceso de datosHerramientas y técnicas de visualización IHerramientas y técnicas de visualización II

Impacto y valor del Big Data 80h.
Este módulo tiene como finalidad conocer el análisis big data como herramienta para abordar temas sustantivos y preguntas de investigación. Aprenderás qué se entiende por big data, su evolución en el contexto histórico, entender las causas que han llevado a la aparición de las tecnologías big data y compararlo con la inteligencia de negocio tradicional.
Introducción al mundo del Big DataInteligencia de Negocio vs. Big DataTecnologías Big DataValor del dato y aplicaciones por sectores

Tecnología y herramientas Big Data 80h.
Conocer y utilizar las herramientas que componen el ecosistema para el manejo de gran cantidad de datos. Entre estos, está Spark, Hadoop o las BBDD NoSQL.
HADOOP y su ecosistemaSPARKBases de datos NOSQLPlataformas CLOUD

Estadística para el científico de datos 80h.
En este módulo aprenderás los fundamentos de Programación en R, un lenguaje de programación para estadística. En paralelo, se introducirán los principales conceptos estadísticos que son esenciales para el análisis de datos.
Introducción a la estadísticaProbabilidad y muestreoInferencia y regresión linealDiseño de experimentos

Aprendizaje automático 64h.
Aprender los conceptos y algoritmos fundamentales en una de las piezas angulares de la ciencia de datos y la inteligencia artificial, el denominado “aprendizaje automático”.
Herramientas para machine learning y técnicas y aplicaciones del aprendizaje supervisadoTécnicas y aplicaciones del aprendizaje no supervisadoModalidades y técnicas de deep learningSoluciones en la nube para machine learning

Investigación dirigida I 64h.
La asignatura de Investigación Dirigida I tiene como propósito mostrar al estudiante que lainvestigación es un proceso sistemático y ordenado dirigido a gestionar el conocimiento. Por lo tanto, en todo profeso de formación académica se hace necesario el desarrollo de un trabajo de investigación orientado a las necesidades del contexto que demuestre las competencias en investigación del estudiante.
La pregunta de investigaciónLa justificación de la investigaciónLa formulación de objetivos de investigaciónLa delimitación contextual y temporal de la investigación

Inteligencia artificial para la empresa 80h.
Comprender el concepto de inteligencia artificial, su significado y el tipo de problemas que puede resolver. Identificar las técnicas para la toma de decisiones (sistemas expertos y aprendizaje supervisado), así como sus aplicaciones. Analizar el aprendizaje por refuerzo, su ciclo de vida, sus componentes más importantes y el tipo de problemas que resuelve...
Inteligencia artificial y aplicaciones para la toma de decisiones. Aprendizaje por refuerzo y aplicaciones. Técnica y aplicaciones del procesamiento del lenguaje natural NLP. Sistema de recomendaciones y aplicaciones.

Big Data en la empresa 80h.
Analizar el concepto de transformación digital desde el punto de vista de las tecnoogías que la impulsan poniendo especial interés en las siguientes tendencias: Big data, inteligencia Artificial, Blockchain, Internet de las Cosas, Industria 4,0 y Ciudades Inteligentes.
La transformación digital. Blockchain. Internet of Thinngs. Industria 4,0 y Ciudades Inteligentes

Aplicaciones por sectores. Masterclass, estudio de casos y talleres prácticos 80h.
Entender cómo la analitica se aplica a escenarios concretos y espefícicos. Conocer métodos analíticos especializados que pueden aplicarse a datos de distinta naturaleza
Analítica escalable. Análisis de redes sociales e Internet de las Cosas. Análisis del área financiera y servicio al cliente. Análisis de técnicas de recuperación de la información.

Investigación dirigida II 64h.
Reconocer los tipos de investigación según el conocimiento generadoEstudiar los diseños de investigaciónEstudiar las técnicas e instrumentos de recolección de los datos en el proceso de investigaciónEstudiar los criterios que caracterizan las unidades de estudio, poblaciónConstruir los instrumentos de recolección de datosAplicar las pruebas de validez y confiabilidad al (los) instrumento (s) de recolección de datosRecoger los datos según los criterios definidos en el estudio.Conocer el proceso de análisis de los datos y sus fasesIdentificar las técnicas de análisis a utilizar según los códigos de los datos (códigos verbales o numéricos)"Técnicas de recolección de datos. Instrumentos de recolección de datos. La población o unidades de estudio de la investigación. Procedimiento de validez y confiabilidad de los instrumentos. Análisis de datos. Técnicas de análisis.

Trabajo de grado 192h.
La presentación del documento escrito y la generación de productos científicos que emerjan de la experiencia investigativa es un aspecto fundamental en un nivel de maestría. En esta asignatura el estudiante organiza la presentación del informe escrito.
Introducción. Aspectos formales para la presentación del trabajo de grado. Procedimientos institucionales. Sustentación. Divulgación.
* El programa académico puede estar sujeto a cambios en función de la diferente variedad en la demanda de skills dominantes del mercado. Nuestro objetivo es tu empleabilidad.

Duración del Máster

6 meses (Part time viernes y sábados).