Master in Data Science & Big Data Analytics

Estamos en una nueva era donde la innovación se basa en la gestión de los datos para mejorar o crear nuevos productos. Somos capaces de analizar y predecir gracias a los datos qué acciones funcionarán y cuáles fracasarán. Por ello, el perfil del Data Scientist es uno de lo más demandados en el nuevo entorno digital.

El Master Data Science & Big Data Analytics te prepara para convertirte en un Data Innovator, un líder del dato capaz de identificar oportunidades de innovación basadas en datos con potencial de transformar negocios, desarrollar técnicamente un modelo de inteligencia artificial que resuelva un problema y convertirlo en un producto que ayude a generar un impacto real en las personas, las empresas y la sociedad.

Edad media

28 años

Duración del curso

8 meses 

Próxima convocatoria

Octubre

Jueves de 19.00 a 22.00, viernes de 16.00 a 21.00 y sábados de 9.00 a 14.00

100%

¿Por qué?

  • Podrás concebir, desarrollar y liderar el despliegue de soluciones de IA y Big Data con una sólida visión estratégica.
  • Harás prácticas usando datos reales de empresas y construirás un portafolio de soluciones en GitHub.
  • Reforzarás tu aprendizaje participando en un datathon.
  • Conocerás equipos de Data Science visitando sus empresas y descubrirás cómo trabajan y desarrollan soluciones de data.
  • Participarás en un Innovation Challenge generando modelos de negocio basados en los datos en el centro de innovación The Place.

Con la metodología learning by doing propia de The Valley, aprenderás desarrollando y ejecutando tus propios proyectos. Una metodología que garantiza la participación de los alumnos en las sesiones, fomentando la motivación y logrando un aprendizaje interiorizado a largo plazo. Nuestro enfoque académico ha sido validado por un grupo de Chief Data Officers de varias multinacionales y startups.

Proyecto fin de máster con grupos reducidos

Trabajarás un proyecto real de IA en equipos de máximo cinco alumnos, contando con el apoyo de un Senior Data Scientist como tutor

Objetivos

contenidos-especializados

Diseñar modelos de negocio basados en datos y liderar iniciativas y equipos de Data

profesorado

Obtener una base sólida de los fundamentos de programación, matemáticas y estadística de forma práctica

networking

Dominar python para manejar, transformar y entender los datos

mercado-trabajo

Desarrollar y optimizar soluciones de Machine Learning y Deep Learning

Módulos

1. INMERSIÓN AL ECOSISTEMA DATA SCIENCE

El trabajo de Data Science, equipos y proceso
Definición, mitos y el proceso
Las áreas de conocimiento
El futuro del data science
CDO Talks

Activación de la ciencia de datos
Product Data Science, gestión y estrategia de producto
Ecosistema de datos: internos y externos
Innovación y disrupción digital con datos
Modelo de despliegue y estructura organizativa

Working tools
Design Thinking
Value Proposition
Canvas
Business Model Canvas

2. FUNDAMENTOS EN DATA SCIENCE

Fundamentos de Probabilidad y Matemáticas
Definición de probabilidad y combinatoria
Inferencia Bayesiana
Distribuciones de probabilidad
Estadística descriptiva
Inferencia estadística
Intervalos de confianza y tests de hipótesis
Introducción al álgebra: Matrices, escalares y vectores
Álgebra lineal, geometría computacional y operaciones matriciales

Fundamentos de programación en python
Entornos de trabajo
Sintaxis, Estructuras de datos y Lógica de control
Gestión de entornos
Creación de aplicaciones, microservicios
Trabajo con notebooks
Git y control de versiones

3. MANEJO Y TRATAMIENTO DE DATOS

Preparación de datos
Introducción a la arquitectura de la información
Introducción al SQL
Uso de pandas data frames
Bases de datos NoSQL y modelos de información espacial
ETL/ELT y preproceso de datos

Integración y Data Ops
Trabajo con contenedores
Microservicios y APIS
Creación de paquetes y librerías

Working tools
Programación con Python
Pandas
Numpy
SQL
Clickhouse
PostGIS
MongoDB
Redis

4. EXPLORANDO Y ENTENDIENDO LOS DATOS

Proceso del análisis exploratorio
Herramientas de visualización exploratoria y librerías
Análisis univariante, multivariante y análisis de correlaciones

Working tools
Programación con Python
Pandas
Numpy
Matplotlib
Seaborn
Scikit-learn,
Jupyter

5. MACHINE LEARNING

Machine & Statistical learning
Statistical Learning
Introducción, tipos de modelos de machine y statistical learning, técnicas de análisis de errores: clasificación, clustering e inferencia de reglas.
Modelos de proceso de lenguaje natural (enfoque clásico)
Interpretable Machine Learning
Modelos heurísticos y optimización
Modelos con datos espaciales
Series temporales

Deep Learning
Introducción a redes neuronales artificiales (ANN)
Redes convolucionales (CNN)
Redes recurrentes (RNN)
Autoencoders
Reglas prácticas y gestión de proyectos de Deep Learning

Working tools
Programación con Python
Pandas
Numpy
Scikit-learn
QGIS
Pyflux
Nltk
Jupyter
Desarrollo de modelos de deep learning con TensorFlow, Keras y PyTorch

6. BIG DATA ANALYTICS

Big Data y principios de arquitecturas de computación distribuidas y altamente escalables
Introducción Spark y uso de PySpark
Dataframes y Data pipelines en Spark
Creación de modelos de Machine Learning en Spark
Proceso de información en tiempo real en Spark
Haciendo Ciencia de datos en entornos cloud

Working tools
Tratamiento, almacenamiento y modelización de información con Hadoop, Hive, Spark, Jupyter, Azure, Google Cloud, Amazon Cloud

7. COMUNICAR CON LOS DATOS

Storytelling con datos
Principios de la comunicación con datos
Taller de comunicación con datos

Herramientas de visualización: Tableau
Integración de fuentes de datos y visualización básica
Análisis, agregación y customización de información
Incorporación de información geográfica
Creación de dashboards y acciones

Working tools
Visualización de datos con Matplotlib, Seaborn, Tableau, Leaflet

Claustro de profesores

Amplio claustro de profesores, profesionales de referencia y en activo en el sector digital.

Pelayo Arbués

Senior Data Scientist en idealista/data

Raúl Arrabales

Doctor en Ciencias de la Computación e Inteligencia Artificial. Socio y Cofundador de Serendipiia

Carlos Ortega

GEO Consultant Principal Sr. Data Scientist - EMEA (Data Science Practice) en Teradata

Álex Urcola

Senior Data Analytics Consultant en Google

Alejandro Llorente

Ph.D. y Co-Fundador de PiperLab

Rubén Gallardo

Chief Data Officer (CDO) en Savia

Guillermo Cerezo

Head of Data Engineering en Savia

Álex Castillo

Head of Data Analytics & Architecture en Savia

Requisitos

Dada la naturaleza técnica del programa es recomendable que los alumnos provengan de carreras de ciencias informática, ingenierías, estadística, física o matemáticas y con conocimientos al menos básicos de programación, aunque no es requisito indispensable.
Ordenador portátil con Windows o Linux con un mínimo de 200GB de disco duro, 8 GB de memoria RAM y procesador Intel i5, i7 (o equivalente).

Admisión

1 SOLICITA INFORMACIÓN

A través del formulario.

ENTREVISTA2

Te llamaremos para concertar una entrevista personal.

EVALUACIÓN3

Evaluaremos tu perfil como posible alumno

 

4ADMISIÓN

Te comunicaremos si has sido admitido con la mayor brevedad.

Precio y financiación

9.900
precio del curso

Contamos con opciones de financiación y ayudas a medida, dependiendo de las necesidades de nuestros alumnos.

descuentos

AYUDAS

Infórmate sobre las condiciones.

financiacion

FINANCIACIÓN

Crédito de estudios de Banco Sabadell para alumnos de The Valley con préstamo a bajo interés.

becas

BOLSA DE EMPLEO

Con ofertas de empresas colaboradoras que buscan perfiles digitales entre nuestros alumnos

Llámanos al 900 907 212 o envíanos un correo a admisiones@thevalley.es