Máster en Data Science & Deep Learning
Máster en Data Science & Deep Learning
Déjanos tus datos para facilitarte toda la información del programa
Presencial
Live Streaming
60 ECTS
Septiembre 2024
Doble titulación
Solicita
información
información
Máster en Data Science & Deep Learning
Presencial
Live Streaming
60 ECTS
Septiembre 2024
Doble titulación
Domina el Data Science y la Inteligencia Artificial
El Máster en Data Science & Deep Learning está compuesto por dos programas:
Máster en Data Science & Big Data: aprenderás las bases de la ciencia de datos, desde el pre-procesamiento de los datos hasta los principales algoritmos de analítica predictiva.
Máster en Deep Learning: aplicarás las últimas técnicas de Machine Learning y Deep Learning, base para disciplinas como el análisis predictivo, reconocimiento de imágenes, voz y textos e Inteligencia Artificial generativa.
Este Máster está certificado por CUALIFICAM, procedimiento de la Fundación para el Conocimiento Madri+d para certificar la Calidad de los Programas de Máster Profesional. Este procedimiento es equivalente al que se realiza para certificar la calidad de los Masters Universitarios del Espacio Europeo de Educación Superior (EEES).
Los créditos de este programa incluyen prácticas que son convalidables por experiencia laboral.
¿Por qué el Máster en
Data Science & Deep Learning?
Data Science & Deep Learning?
Nº1
Somos la mejor escuela especializada en Data Science & Big Data de España y Latinoamérica, seleccionados entre más de 400 universidades, escuelas de negocio e instituciones de formación superior.
Fuente: Ranking Financial Magazine
2,700,000
Ofertas de empleo estarán abiertas en el mundo en 2022 para data scientist.
Fuente: IBM
El Máster de Data Science & Deep Learning se adapta a tu ritmo de aprendizaje, con dos programas que se pueden cursar de forma independiente y que te convertirán en el profesional más demandado.
Perfil del alumno
- Intereses: Profesionales interesados en explorar herramientas y aplicaciones de la Ciencia de Datos y el Aprendizaje Profundo desde una perspectiva integral.
- Formación: Tienen antecedentes técnicos y título universitario de carrera STEM, aunque también pueden tener un título universitario o un ciclo formativo de grado superior en tecnología, economía, derecho o ciencias médicas.
- Experiencia: Deberán contar con una experiencia profesional acreditada de más de 3 años en puestos relacionados con analítica de datos, procesos de digitalización o en departamentos financieros, IT y operaciones.
Data Science & Big Data
Data Science Fundamentals
Data Science Fundamentals
Introducción a data science. Presentación del marco de referencia general.
Statistics for Data Science
Statistics for Data Science
Repaso de los fundamentos de estadística necesarios para dominar la ciencia de los datos.
Data Science with Python
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
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
Data Visualization
¿Cómo visualizar diferentes tipos de datos? ¿Qué técnicas utilizar?
Advanced Data Processing
Advanced Data Processing
Advanced Data Processing
Fuentes de datos / ETL.
Arquitecturas de procesamiento en batch, streaming. Bases de datos (estructuradas y no estructuradas).
Fuentes de datos / ETL.
Arquitecturas de procesamiento en batch, streaming. Bases de datos (estructuradas y no estructuradas).
Predictive Analytics
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
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
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
Entrepreneurship I
Discusión y descubrimiento de nuevos modelos de negocio basados en data science.
Databases & SQL
Databases & SQL
Principales bases de datos y el lenguaje SQL, aprendizaje de las últimas técnicas de almacenaje, manipulación y extracción de datos en BBDD.
Machine Learning Ops
Machine Learning Ops
Se estudiará el ciclo de MLOps de
manera práctica, tanto a nivel de
desarrollo como a nivel de modelos en producción.
manera práctica, tanto a nivel de
desarrollo como a nivel de modelos en producción.
Final Project I
Final Project I
Desarrollo de un proyecto final para poner en práctica con un caso real los conocimientos adquiridos en Data Science y Big Data.
Data Science & Big Data
Data Science Fundamentals
Data Science Fundamentals
Introducción a data science. Presentación del marco de referencia general.
Statistics for Data Science
Statistics for Data Science
Repaso de los fundamentos de estadística necesarios para dominar la ciencia de los datos.
Data Science with Python
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
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
Data Visualization
¿Cómo visualizar diferentes tipos de datos? ¿Qué técnicas utilizar?
Advanced Data Processing
Advanced Data Processing
Advanced Data Processing
Fuentes de datos / ETL.
Arquitecturas de procesamiento en batch, streaming. Bases de datos (estructuradas y no estructuradas).
Fuentes de datos / ETL.
Arquitecturas de procesamiento en batch, streaming. Bases de datos (estructuradas y no estructuradas).
Predictive Analytics
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
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
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
Entrepreneurship I
Discusión y descubrimiento de nuevos modelos de negocio basados en data science.
Databases & SQL
Databases & SQL
Principales bases de datos y el lenguaje SQL, aprendizaje de las últimas técnicas de almacenaje, manipulación y extracción de datos en BBDD.
Machine Learning Ops
Machine Learning Ops
Se estudiará el ciclo de MLOps de
manera práctica, tanto a nivel de
desarrollo como a nivel de modelos en producción.
manera práctica, tanto a nivel de
desarrollo como a nivel de modelos en producción.
Final Project I
Final Project I
Desarrollo de un proyecto final para poner en práctica con un caso real los conocimientos adquiridos en Data Science y Big Data.
Deep Learning
Deep learning
Deep learning
Descubrirás técnicas y algoritmos, explorando aplicaciones prácticas con énfasis en la implementación de modelos utilizando herramientas como TensorFlow y PyTorch.
Computer vision
Computer vision
Conceptos fundamentales de las técnicas de visión por computador. Se realizará un recorrido teórico práctico
de las principales técnicas desde filtros de procesamiento básico a técnicas de reconocimiento de patrones mediante redes neuronales convolucionales.
de las principales técnicas desde filtros de procesamiento básico a técnicas de reconocimiento de patrones mediante redes neuronales convolucionales.
Natural language processing
Natural language processing
Conceptos fundamentales de los mecanismos empleados para la
comunicación entre personas y
máquinas por medio del lenguaje
natural.
comunicación entre personas y
máquinas por medio del lenguaje
natural.
Entrepreneurship II
Entrepreneurship II
Perspectiva global del proceso de creación, financiación y posibles éxitos de una startup. Herramientas para proyectos de emprendimiento.
Machine learning II
Machine learning II
Aprendizaje no supervisado.
Métodos de clustering, selección de componentes principales, etc.
Métodos de clustering, selección de componentes principales, etc.
Reinforcement Learning
Reinforcement Learning
Conocer las formas de calcular
medias y promedios móviles,
procesos de decisión de Markov, programación dinámica, métodos de aproximación
medias y promedios móviles,
procesos de decisión de Markov, programación dinámica, métodos de aproximación
Machine learning III
Machine learning III
Técnicas avanzadas de Machine Learning. Revisión del estado del arte actual y el futuro del machine learning
Reto IA Generativa
Reto IA Generativa
Escogerás y desarrollarás un reto para medirte con los mejores
profesionales del mundo y así
valorar lo que has aprendido.
profesionales del mundo y así
valorar lo que has aprendido.
Generative AI
Generative AI
Descubre los pilares fundamentales de la Inteligencia Artificial Generativa, incluyendo modelos de atención, transformers y arquitecturas de Large Language Models (LLM).
Final Project II
Final Project II
Desarrollo de un proyecto final para poner en práctica con un caso real los conocimientos adquiridos en las asignaturas del apartado de Deep Learning
Deep Learning
Deep learning
Deep learning
Descubrirás técnicas y algoritmos, explorando aplicaciones prácticas con énfasis en la implementación de modelos utilizando herramientas como TensorFlow y PyTorch.
Computer vision
Computer vision
Conceptos fundamentales de las técnicas de visión por computador. Se realizará un recorrido teórico práctico
de las principales técnicas desde filtros de procesamiento básico a técnicas de reconocimiento de patrones mediante redes neuronales convolucionales.
de las principales técnicas desde filtros de procesamiento básico a técnicas de reconocimiento de patrones mediante redes neuronales convolucionales.
Natural language processing
Natural language processing
Conceptos fundamentales de los mecanismos empleados para la
comunicación entre personas y
máquinas por medio del lenguaje
natural.
comunicación entre personas y
máquinas por medio del lenguaje
natural.
Entrepreneurship II
Entrepreneurship II
Perspectiva global del proceso de creación, financiación y posibles éxitos de una startup. Herramientas para proyectos de emprendimiento.
Machine learning II
Machine learning II
Aprendizaje no supervisado.
Métodos de clustering, selección de componentes principales, etc.
Métodos de clustering, selección de componentes principales, etc.
Reinforcement Learning
Reinforcement Learning
Conocer las formas de calcular
medias y promedios móviles,
procesos de decisión de Markov, programación dinámica, métodos de aproximación
medias y promedios móviles,
procesos de decisión de Markov, programación dinámica, métodos de aproximación
Machine learning III
Machine learning III
Técnicas avanzadas de Machine Learning. Revisión del estado del arte actual y el futuro del machine learning
Reto IA Generativa
Reto IA Generativa
Escogerás y desarrollarás un reto para medirte con los mejores
profesionales del mundo y así
valorar lo que has aprendido.
profesionales del mundo y así
valorar lo que has aprendido.
Generative AI
Generative AI
Descubre los pilares fundamentales de la Inteligencia Artificial Generativa, incluyendo modelos de atención, transformers y arquitecturas de Large Language Models (LLM).
Final Project II
Final Project II
Desarrollo de un proyecto final para poner en práctica con un caso real los conocimientos adquiridos en las asignaturas del apartado de Deep Learning
Ver todos
Las herramientas que
vas a dominar
vas a dominar
Las herramientas que
vas a dominar
vas a dominar
Prácticas profesionales convalidables
Para la obtención del título con sello CUALIFICAM es necesario matricularse en el Máster en Data Science & Deep Learning, cursando el programa de Data Science & Big Data y el de Deep Learning. Los créditos de este programa incluyen prácticas que son convalidables por experiencia laboral de minimo 3 años (12ECTS).
Próxima convocatoria
Fecha inicio
Septiembre
2024
2024
Horario
Martes
18:30 - 22:30
Jueves
18:30 - 22:30
18:30 - 22:30
Jueves
18:30 - 22:30
Duración
10 meses
60 ECTS
60 ECTS
Plaza
25 personas
Manuel López
Senior Deep Learning Scientist & PhD. in Machine Learning
Crisanto De Los Santos
CEO
Ernesto Barroso
Business Venturing
David Gordo
CEO & PhD
Jesús Gómez
Artificial Intelligence Analyst
Rubén Zazo
Research Team Leader & PhD
Jesús Hernando
Software Engineering Director
Víctor Vaquero
Senior Data Scientist & PhD
Alvaro Montero
Co-Founder
Ver todos
Fórmate con profesores de
compañías líderes
compañías líderes
Manuel López
Senior Deep Learning Scientist & PhD. in Machine Learning
Crisanto De Los Santos
CEO
Ernesto Barroso
Business Venturing
David Gordo
CEO & PhD
Jesús Gómez
Artificial Intelligence Analyst
Rubén Zazo
Research Team Leader & PhD
Jesús Hernando
Software Engineering Director
Víctor Vaquero
Senior Data Scientist & PhD
Alvaro Montero
Co-Founder
Carlos Picazo
Co Founder, Strategy & Finance Leader
Daniel Montilla
Head of MLOps
Sergio González
Senior Data Scientist
Serge Chávez
Senior Data Scientist and Computer Vision Engineer
Diego García
CEO
Fabiola Pérez
CEO
Andrés Haddad
CEO
Alberto Rodríguez
Presidente
Edgar Mesa
Data Scientist
Fórmate con profesores de
compañías líderes
compañías líderes
Manuel López
Senior Deep Learning Scientist & PhD. in Machine Learning
Crisanto De Los Santos
CEO
Ernesto Barroso
Business Venturing
David Gordo
CEO & PhD
Jesús Gómez
Artificial Intelligence Analyst
Rubén Zazo
Research Team Leader & PhD
Jesús Hernando
Software Engineering Director
Víctor Vaquero
Senior Data Scientist & PhD
Alvaro Montero
Co-Founder
Carlos Picazo
Co Founder, Strategy & Finance Leader
Daniel Montilla
Head of MLOps
Sergio González
Senior Data Scientist
Serge Chávez
Senior Data Scientist and Computer Vision Engineer
Diego García
CEO
Fabiola Pérez
CEO
Andrés Haddad
CEO
Alberto Rodríguez
Presidente
Edgar Mesa
Data Scientist
Estás a pocos pasos de convertirte en Data Scientist y experto en Inteligencia Artificial.
Estás a pocos pasos de convertirte en Data Scientist y experto en Inteligencia Artificial.
Paso 1
Envía tu CV
Déjanos conocer tu perfil para confirmar que este es el curso que necesitas.
Paso 2
Entrevista y prueba de nivel
Es la oportunidad de poder conocernos y aclarar todas las dudas que tengas y asegurar que tienes el nivel necesario para poder afrontar el máster.
Paso 3
Admisión
Nuestro comité de admisiones valorará tu candidatura y motivación. El comité podrá requerir la realización de un curso previo de programación en Python para igualar nivel.
¿Necesitas más información sobre estos pasos?
Consulta nuestra sección de Preguntas Frecuentes o agenda una Llamada con un Asesor
Solicita más información aquí
Seleccione país
Seleccione país
