Data Science Developer Tech Bootcamp

Data Science Developer Tech Bootcamp

IMMUNE Technology Institute

Postgrado presencial

Madrid


6.500 

Duración : 18 Semanas

El Bootcamp de Data Science Developer es un programa de 165 horas dirigido a profesionales de IT con conocimientos básicos de programación que quieren dominar las principales técnicas de Inteligencia Artificial y su aplicación en diferentes industrias.

Este programa comienza con la preparación de datos (análisis y limpieza) con Python y R. Luego, se estudiarán diferentes métodos para aprender cómo convertir los datos en información con etiquetas, agrupaciones, segmentaciones y patrones humanos históricos. Finalmente, el Deep Learning y los algoritmos se aplicarán para abordar redes de datos más complejas.

Desarrollado por IMMUNE Technology Institute, este curso intensivo en formato bootcamp aúna un claustro con profesionales especializados en Data Science de renombre en España. La metodología de estudio basado en casos brinda escenarios del mundo real con un enfoque muy práctico.

The Data Science Developer Bootcamp is a 165-hour on-site program aimed at IT professionals with basic coding knowledge that seek to learn the main Artificial Intelligence techniques and how to apply them into different industry cases.

This program starts with the preparation of data (analysis and cleaning) using Python and R. Then students will learn how to find meaningful information by navigating through different methodologies such as historic human labels, clusters, segmentations and patterns. Finally, deep learning will be applied to tackle more complex data followed by data visualization. The course will finish by analyzing the complete cycle of Artificial Intelligence (AI) and the wide range of the commercial applications it has.

Powered by the IMMUNE Institute, this bootcamp combines a faculty that includes top IT professionals with Study-Case methodology to provide real-world scenarios and a practical approach.

¿Quieres hablar con un asesor sobre este curso?

Sedes

Localización

Fecha inicio

Madrid
Septiembre 2020

Objetivos

In this course you will: • Learn how to analyze datasets with the different methodologies used mainly in Python and some basic knowledge in R. • Understand uses for AI (Artificial Intelligence) in different industries.

A quién va dirigido

Profesionales IT que quieran profundizar sus conocimientos o especializarse en ciencia de datos Graduados en Matemáticas, Estadística, Ingeniería Informática o similar IT Professionals that want to acquire a deep understanding of data science Graduates in Mathematics, Statistics, Computer Science or similar STUDENT PROFILE: IT professionals with developing experience that aim to: • Become the Data Science expert of your company. • Re-skill and change the focus of your IT gaining deeper knowledge of Data Science. • Solve a specific problem in your company COMPANY PROFILE: Tech companies and startups that want to master data science methods and applications to provide better services to their clients. Companies of any industry that want to empower their IT or Operations teams to better understand the company’s data and transform into meaningful information that will empower and give them an advantage over their competitors. Companies of any sector that are in the process of Digital Transformation and want to level up their team’s leadership and knowoledge.

Requisitos

Conocimientos básicos de programación Si no tienes experiencia previa se te dará acceso a un prework de 80h

Temario completo de este curso

1: INTRODUCCIÓN A LA IA. CONCEPTOS MATEMÁTICOS CLAVE PARA LA IA

Este módulo introduce los conceptos básicos en IA y los conceptos matemáticos en Álgebra y Estadística necesarios para comprender el resto de los temas del curso.

4: APRENDIZAJE AUTOMÁTICO NO SUPERVISADO

El objetivo es encontrar patrones y estructuras ocultos en los datos que no fueron etiquetados por los humanos. Un ejemplo común es la segmentación de clientes con atributos similares para campañas de marketing.


Case study: reducción de la dimensionalidad aplicada y su efecto en las técnicas de clasificación

2: MANIPULACIÓN Y ANÁLISIS DE DATOS (PYTHON/R)

En este módulo se cubrirán las bibliotecas clave en Python y los conceptos básicos en R: acceso a datos, preprocesamiento y análisis exploratorio para comprender el contenido de los datos.

5: APRENDIZAJE PROFUNDO Y REDES NEURONALES

Principios básicos de Deep Learning y algoritmos clave necesarios para comprender el concepto de una red neuronal.

La red Densamente Conectada, la Red Neuronal Convolucional (CNN) y la Red Neuronal Recurrente (RNN) se cubrirán en este módulo, al igual que las máquinas GAN y Boltzman.

Case Study: Audio analysis with TensorFlow

3: APRENDIZAJE AUTOMÁTICO SUPERVISADO. CLASIFICACIÓN Y REGRESIÓN

Este tipo de aprendizaje requiere intervención humana para la creación de etiquetas en los datos históricos. De esta manera, la máquina podrá predecir un resultado basado en estos datos.

6: VISUALIZACIÓN DE DATOS

Utilizando las bibliotecas Python y R junto con una visualización de grafo. Este módulo también cubrirá gráficos 3D utilizando Python.

7: CICLO DE VIDA DE LA IA Y HERRAMIENTAS COMERCIALES DE IA

Este módulo cubre el ciclo de vida desde el acceso a los datos, el preprocesamiento, el análisis y la capacitación hasta el despliegue en producción. Los desafíos como la imparcialidad, los temas clave de regulación y el futuro de la IA.

Final project

1: INTRODUCTION TO AI. KEY MATHEMATICAL CONCEPTS FOR AI

This module introduces the basic concepts in AI, and the basic mathematical concepts in Algebra and Statistics which are needed to understand the rest of the topics in the course.

2: DATA MANIPULATION AND ANALYSIS (PYTHON/R)

In this module will cover the key libraries in Python and the basics in R: data access, preprocessing and exploratory analysis to understand the content of the data.

3: SUPERVISED MACHINE LEARNING. CLASSIFICATION AND REGRESSION

This type of learning requires human intervention for the creation of labels in the historical data. In this way the machine will be able to predict a result based on this data.

4: UNSUPERVISED MACHINE LEARNING

The objective is to find patterns and structures hidden in the data that was not labeled by humans. A common example is the customer segmentation with similar attribute for marketing campaigns.

Case Study: Applied dimensionality reduction and its effect in the classification techniques.

5: DEEP LEARNING AND NEURAL NETWORKS

Basic principles of Deep Learning ans key algorithms required to understand the concept of a neural network.

The densely connected network, convolutional neural network (CNN) and recurrent neural network(RNN) will be covered in this module as well as GANs and Boltzman machines.

Case Study: Audio analysis with TensorFlow.

6: DATA VISUALIZATION

Data Visualization using Python and R libraries together with a grafo visualization. This module will also cover 3D graphics usin Python.


7: AI LIFECYCLE & AI COMMERCIAL TOOLS

This module covers the lifecycle from the access to data, preprocessing, analysis, training to the deployment in production. The challenges such as fairness, key regulation topics and the future of AI.

Final project.

Ver más