¿Qué quieres aprender?

Master Oficial Universitario en Data Science + 60 Créditos ECTS

Master Oficial Universitario en Data Science + 60 Créditos ECTS

ENALDE BUSINESS SCHOOL

Máster online

Descuento Lectiva
4.720 € 3.495

Duración : 12 Meses

¿Quieres hablar con un asesor sobre este curso?

Objetivos

Aprender a explotar los datos y visualizar resultados mediante técnicas de Data Science y programación estadística. Conocer los principales algoritmos de análisis estadístico utilizados en entorno de Big Data. Adquirir los conocimientos necesarios para el manejo de Bases de datos. Aprender a aplicar técnicas de Data Mining en Weka. Descubrir la creación de Dashboard.

A quién va dirigido

Este Master Oficial Universitario en Data Science puede ir dirigido a cualquier persona interesada en el mundo de la ciencia de datos y su aplicación a toda la tecnología que engloba el Big Data, haciendo hincapié en la especialización en el análisis y explotación de los datos. Además, sirve para cualquier profesional interesado/a en continuar formándose en este sector.

Requisitos

No se requieren

Temario completo de este curso

Módulo 1. Agile project management

  • Unidad didáctica 1. Introducción a las metodologías ágiles
  • Unidad didáctica 2. Agile project thinking
  • Unidad didáctica 3. La planificación ágil: agile leadership y creatividad
  • Unidad didáctica 4. Metodología extreme programming (xp)
  • Unidad didáctica 5. Metodología scrum
  • Unidad didáctica 6. Desarrollo del método kanban
  • Unidad didáctica 7. Lean thinking
  • Unidad didáctica 8. Otras metodologías ágiles y técnicas ágiles

Módulo 2. Big data introduction

  • Unidad didáctica 1. Introducción al big data
  • Unidad didáctica 2. Fuentes de datos
  • Unidad didáctica 3. Open data
  • Unidad didáctica 4. Fases de un proyecto de big data
  • Unidad didáctica 5. Business intelligence y la sociedad de la información
  • Unidad didáctica 6. Principales productos de business intelligence
  • Unidad didáctica 7. Big data y marketing
  • Unidad didáctica 8.del big data al linked open data
  • Unidad didáctica 9. Internet de las cosas

Módulo 3. Data science: almacenamiento, análisis y procesamiento de datos

  • Unidad didáctica 1.introducción a la ciencia de datos
  • Unidad didáctica 2. Bases de datos relacionales
  • Unidad didáctica 3. Bases de datos nosql y el almacenamiento escalable
  • Unidad didáctica 4. Introducción a un sistema de bases de datos nosql: mongodb
  • Unidad didáctica 5. Weka y data mining
  • Unidad didáctica 6. Pentaho
  • Unidad didáctica 7. R como herramienta para big data
  • Unidad didáctica 8. Pre-procesamiento & procesamiento de datos
  • Unidad didáctica 9. Análisis de los datos

Módulo 4. Inteligencia artificial (ia), machine learning (ml) y deep learning (dl)

  • Unidad didáctica 1. Introducción a la inteligencia artificial
  • Unidad didáctica 2. Tipos de inteligencia artificial
  • Unidad didáctica 3. Algoritmos aplicados a la inteligencia artificial
  • Unidad didáctica 4. Relación entre inteligencia artificial y big data
  • Unidad didáctica 5. Sistemas expertos
  • Unidad didáctica 6. Futuro de la inteligencia artificial
  • Unidad didáctica 7. Introducción al machine learning
  • Unidad didáctica 8. Extracción de estructura de los datos: clustering
  • Unidad didáctica 9. Sistemas de recomendación
  • Unidad didáctica 10. Clasificación
  • Unidad didáctica 11. Redes neuronales y deep learning
  • Unidad didáctica 12. Sistemas de elección
  • Unidad didáctica 13. Deep learning con python, keras y tensorflow
  • Unidad didáctica 14. Sistemas neuronales
  • Unidad didáctica 15. Redes de una sola capa
  • Unidad didáctica 16. Redes multicapa
  • Unidad didáctica 17. Estrategias de aprendizaje

Módulo 5. Análisis de datos con python

  • Unidad didáctica 1. Introducción al análisis de datos
  • Unidad didáctica 2. Librerías para el análisis de datos: numpy, pandas y matplotlib
  • Unidad didáctica 3. Filtrado y extracción de datos
  • Unidad didáctica 4. Pivot tables
  • Unidad didáctica 5. Groupby y funciones de agregación
  • Unidad didáctica 6. Fusión de dataframes
  • Unidad didáctica 7. Visualización de datos con matplotlib y con seaborn
  • Unidad didáctica 8. Introducción al machine learning
  • Unidad didáctica 9. Regresión lineal y regresión logística
  • Unidad didáctica 10. Árbol de decisiones
  • Unidad didáctica 11. Naive bayes
  • Unidad didáctica 12. Support vector machines (svm)
  • Unidad didáctica 13. Knn
  • Unidad didáctica 14. Principal component analysis (pca)
  • Unidad didáctica 15. Random forest

Módulo 6. Herramientas de visualización de datos

  • Unidad didáctica 1. Introducción a la visualización de datos
  • Unidad didáctica 2. Tableau
  • Unidad didáctica 3. D3 (data driven documents)
  • Unidad didáctica 4. Google data
  • Unidad didáctica 5. Qlikview
  • Unidad didáctica 6. Powerbi
  • Unidad didáctica 7. Carto

Módulo 7. Visualización de datos en r con ggplot2

  • Unidad didáctica 1. Ggplot2 como librería para visualización de datos en r
  • Unidad didáctica 2. Ejes
  • Unidad didáctica 3. Títulos
  • Unidad didáctica 4. Leyendas
  • Unidad didáctica 5. Fondos y líneas de cuadrícula
  • Unidad didáctica 6. Márgenes
  • Unidad didáctica 7. Gráficos de paneles múltiples
  • Unidad didáctica 8. Colores
  • Unidad didáctica 9. Temas
  • Unidad didáctica 10. Líneas
  • Unidad didáctica 11. Texto
  • Unidad didáctica 12. Coordenadas
  • Unidad didáctica 13. Tipos de gráficos
  • Unidad didáctica 14. Cintas
  • Unidad didáctica 15. Suavizados
  • Unidad didáctica 16. Gráficos interactivos

Módulo 8. Analítica web

  • Unidad didáctica 1. Introducción a la analítica web
  • Unidad didáctica 2. Google analytics 4
  • Unidad didáctica 3. Google tag manager
  • Unidad didáctica 4. Modelos de atribución
  • Unidad didáctica 5. Creación de dashborad con google data studio
  • Unidad didáctica 6. Analítica web orientada al seo
  • Unidad didáctica 7. Analítica web orientada al sem
  • Unidad didáctica 8. Analítica web orientada a las redes sociales
  • Unidad didáctica 9. Técnicas y estrategias
  • Unidad didáctica 10. Otras herramientas para analítica web
  • Unidad didáctica 11. Cookies y tecnologías de seguimiento

Módulo 9. Proyecto fin de máster

Ver más