Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
Conocer las técnicas más actuales del procesamiento paralelo en entornos Big Data Adquirir los conocimientos necesarios de programación sobre Python, R y entornos de almacenamiento para poder operar con datos masivos Aprender los fundamentos del Machine Learning y los tipos de algoritmos más utilizados dentro del Aprendizaje Supervisado y No Supervisado, así como su aplicación en entornos reales Conocer los distintos tipos de redes neuronales y sus usos más habituales en entornos reales
A quién va dirigido
Ingenieros que tengan por objetivo una actualización de sus conocimientos y el desarrollo de nuevas competencias dentro de la Inteligencia Artificial Profesionales vinculados fuertemente con la tecnología que tengan por objetivo la especialización en Big Data y Machine Learning Programadores que tengan por objetivo ampliar sus conocimientos y capacidades en el mundo de la ciencia de datos para su desarrollo profesional Analistas de datos con experiencia que quieran dar el salto a los aspectos más profundos de la tecnología Estadísticos y Matemáticos que quieran desarrollar su carrera en el mundo del Científico de Datos para Marketing
Requisitos
Para cursar uno de nuestros programas deberás poseer una titulación universitaria o experiencia equivalente demostrable.
Temario completo de este curso
En el momento de formalizar tú matrícula accederás al módulo previo de preparación donde entrenaremos tu capacidad de "aprender a aprender" en nuestra plataforma, junto con las habilidades clave para el profesional digital, fundamentales durante el transcurso del programa.
Módulo 1. Introducción a los lenguajes de programación
Módulo 2. Fundamentos de IA y Machine Learning
Módulo 3. Matemáticas y estadística en el tratamiento de datos
Módulo 4. Aprendizaje supervisado I
Módulo 5. Sistemas y servicios de Almacenamiento
Módulo 6. Aprendizaje supervisado II
Módulo 7. Entornos Datawarehouse
Módulo 8. Aprendizaje NO Supervisado
Módulo 9. Arquitecturas distribuidas Big Data
Módulo 10. Redes neuronales y Deep Learning
Módulo 11. Procesamiento de datos a gran escala I: Hadoop
Módulo 12. Redes Neuronales Convolucionales (CNNs)
Módulo 13. Procesamiento de datos a gran escala I: Spark
Módulo 14. Sistemas de recomendación
Módulo 15. Otras acciones de procesamiento de datos
Módulo 16. Procesamiento del Lenguaje Natural
Módulo 17. Global Project