MÓDULO 1. Las herramientas del científico de datos.

Fundamentos de Python.

Librerías para ciencia de datos: Numpy, Pandas, etc.

Procesamiento de datos y visualización con Python.

Fundamentos de R.

Paquetes de R.

Procesamiento de datos y visualización con R.

MÓDULO 2. Impacto y valor del big data.

Introducción al mundo big data.

Inteligencia de negocio vs. big data.

Tecnologías big data.

Impacto sobre la organización.

Valor del dato y aplicaciones por sectores.

MÓDULO 3. Inteligencia artificial para la empresa.

Introducción a la inteligencia artificial.

Técnicas y aplicaciones para la toma de decisiones.

Aprendizaje por refuerzo y aplicaciones.

Técnicas y aplicaciones del procesamiento del lenguaje natural (NLP).

Sistemas de recomendación y aplicaciones.

MÓDULO 4. Tecnologías y herramientas big data.

Hadoop y su ecosistema.

Spark. Fundamentos y aplicaciones.

Bases de datos NoSQL.

Plataforma Cloud.

MÓDULO 5. El Big Data en la empresa.

Estándares de gestión de proyectos.

Gestión ágil de proyectos.

Aspectos regulatorios y éticos.

Gobierno del dato.

MÓDULO 6. Aplicaciones por sectores. Masterclasses, estudio de casos y talleres prácticos.

E-commerce y marketing.

Banca y finanzas.

People analytics.

Telecomunicaciones.

Ciencia y salud.

Industria 4.0, internet de las cosas (IoT), smart cities.

MÓDULO 7. Cloud,MLops, productivización de modelos. Introducción a process mining.

Process mining.

Cloud.

Productividad de modelos.

MLOps.

MÓDULO 8. Series temporales y modelos prescritivos: Optimización. Modelos de grafos.

Optimización.

Teoría de grafos.

Series temporales.

MÓDULO 9. Deep learning aplicada: NLP y visión artificial.

Machine Learning aplicado al procesamiento del lenguaje natural (NLP)

Modelos avanzados de NLP. Enfoques con Deep Learning.

Introducción a la visión artificial.

Aplicación del Deep learning a la visión artificial.