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
440h
Septiembre 2023
Doble titulación
Solicita
información
información
Máster en Data Science & Deep Learning
Presencial
Live Streaming
440h
Septiembre 2023
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.
¿Por qué Data Science
& Deep Learning?
& Deep Learning?
Nº1
Data Scientist es el trabajo mas demandado en el mayor portal de empleo especializado y seguirá en esa posición en los próximos años
Fuente: Glassdoor
2,700,000
Ofertas de empleo estarán abiertas en el mundo en 2022 para data scientist.
Fuente: IBM
El Máster de Data Science 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.
Módulo 1
Máster en Data Science
& Big Data
& 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.
Módulo 1
Máster en Data Science
& Big Data
& 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.
Módulo 2
Máster en Deep Learning
Deep learning
Deep learning
Conceptos fundamentales de las
redes neuronales profundas. Se
utilizan las herramientas más
importantes y se implementan
soluciones.
redes neuronales profundas. Se
utilizan las herramientas más
importantes y se implementan
soluciones.
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.
mecanismos empleados para la
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.
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
Learning. Revisión del estado del
arte actual y el futuro del machine learning
Reto Kaggle
Reto Kaggle
Escogerás y desarrollarás un reto
para medirte con los mejores
profesionales del mundo y así
valorar lo que has aprendido.
para medirte con los mejores
profesionales del mundo y así
valorar lo que has aprendido.
Final Project
Final Project
Desarrollo de un proyecto final para poner en práctica con un caso real los conocimientos adquiridos durante el Máster.
Módulo 2
Máster en Deep Learning
Deep learning
Deep learning
Conceptos fundamentales de las
redes neuronales profundas. Se
utilizan las herramientas más
importantes y se implementan
soluciones.
redes neuronales profundas. Se
utilizan las herramientas más
importantes y se implementan
soluciones.
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.
mecanismos empleados para la
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.
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
Learning. Revisión del estado del
arte actual y el futuro del machine learning
Reto Kaggle
Reto Kaggle
Escogerás y desarrollarás un reto
para medirte con los mejores
profesionales del mundo y así
valorar lo que has aprendido.
para medirte con los mejores
profesionales del mundo y así
valorar lo que has aprendido.
Final Project
Final Project
Desarrollo de un proyecto final para poner en práctica con un caso real los conocimientos adquiridos durante el Máster.
Víctor Vaquero
Senior Data Scientist & PhD in Nuclear Physics
Manuel López
Senior Deep Learning Scientist & PhD. in Machine Learning
David Gordo
CEO & PhD in Theoretical Particle Physics
Alvaro Montero
Head of Data
Jesús Gómez
Artificial Intelligence Analyst
Rubén Zazo
Research Team Leader & PhD in Computer Science and Electrical Engineering
Ernesto Padilla
Data Science Consultant
Diego García
CEO
Carlos Picazo
Co Founder, Strategy & Finance Leader
Ver todos
Fórmate con profesores de
compañías líderes
compañías líderes
Víctor Vaquero
Senior Data Scientist & PhD in Nuclear Physics
Manuel López
Senior Deep Learning Scientist & PhD. in Machine Learning
David Gordo
CEO & PhD in Theoretical Particle Physics
Alvaro Montero
Head of Data
Jesús Gómez
Artificial Intelligence Analyst
Rubén Zazo
Research Team Leader & PhD in Computer Science and Electrical Engineering
Ernesto Padilla
Data Science Consultant
Diego García
CEO
Carlos Picazo
Co Founder, Strategy & Finance Leader
Crisanto De Los Santos
CEO
Daniel Montilla
Head of AI
Alberto Rodríguez
Presidente
Andrés Haddad
CEO
Fabiola Pérez
CEO
Jesús Hernando
Director Grupo de Ingeniería de Software
Oscar Fernández
Software Engineer for Data Visualization Solutions
Oscar Picazo
IT Specialist - Freelance
Fórmate con profesores de
compañías líderes
compañías líderes
Víctor Vaquero
Senior Data Scientist & PhD in Nuclear Physics
Manuel López
Senior Deep Learning Scientist & PhD. in Machine Learning
David Gordo
CEO & PhD in Theoretical Particle Physics
Alvaro Montero
Head of Data
Jesús Gómez
Artificial Intelligence Analyst
Rubén Zazo
Research Team Leader & PhD in Computer Science and Electrical Engineering
Ernesto Padilla
Data Science Consultant
Diego García
CEO
Carlos Picazo
Co Founder, Strategy & Finance Leader
Crisanto De Los Santos
CEO
Daniel Montilla
Head of AI
Alberto Rodríguez
Presidente
Andrés Haddad
CEO
Fabiola Pérez
CEO
Jesús Hernando
Director Grupo de Ingeniería de Software
Oscar Fernández
Software Engineer for Data Visualization Solutions
Oscar Picazo
IT Specialist - Freelance
Ver todos
Las herramientas que
vas a dominar
vas a dominar
Las herramientas que
vas a dominar
vas a dominar
Próxima convocatoria
Fecha inicio
Septiembre
2023
2023
Horario
Martes
18:30 - 22:30
Jueves
18:30 - 22:30
18:30 - 22:30
Jueves
18:30 - 22:30
Duración
10 meses
440 horas
440 horas
Plaza
25 personas
Precio &
Financiación
Financiación
Módulo 1
Máster en Data
Science & Big Data
Science & Big Data
9.450€
Módulo 2
Máster en
Deep Learning
Deep Learning
8.250€
Módulo 1 - 2
Máster en
Data Science &
Deep Learning
Data Science &
Deep Learning
15.950€
Consulta nuestro
Plan de becas Mioti
Tenemos disponible
Becas de la Fundación Universia
Tenemos Disponible
Becas de la Fundación ONCE
Bonificable por
Fundae
También es posible fraccionar el pago sin intereses
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
Es la oportunidad de poder conocernos y aclarar todas las dudas que tengas
Paso 3
Admisión
Nuestro comité de admisiones valorará tu candidatura y motivación
Solicita más información aquí
Seleccione país
Seleccione país