Descripción
El Máster en Ciencia de Datos & IA de Nuclio Digital School se ha diseñado para proporcionar a los alumnos una experiencia práctica y completa en todas las etapas del proceso de análisis de datos.
El curso abordará temas desde la adquisición e integración de datos hasta la productividad de modelos matemáticos basados en técnicas de Inteligencia Artificial y Machine Learning.
El programa proporcionará a los alumnos una gran variedad de competencias ajustadas a la realidad del mercado laboral que les permitirá mejorar su posición actual o buscar nuevas oportunidades laborales en el ámbito del Big Data y Analytics.
Salidas Profesionales del Máster en Data Science
Tras finalizar el curso de Data Science & AI, tendrás los conocimientos necesarios para optar a puestos como:
- Data Analyst
- Data Scientist
- Business Intelligence Analyst
- Machine Learning Engineer
- Data Engineer
- Data Translator
- BI Analyst
- Data Architect
- I+D Project Analyst
Plan de estudios
Data Pre-Work
Podrás realizar los pre-cursos a través de dos plataformas: Kaggle y FreeCodeCamp, enfocados a cursos de Data Science. De este modo, podrás repasar los conceptos clave de programación (Python + SQL) y estadística aplicada.
M1. Introducción a Data Science
Empieza a aprender Data Science.
- Arquitecturas y plataformas de datos
- Artificial Intelligence, Machine Learning y Deep Learning
- Estrategia y mercado de datos
M2. Herramientas para Data Science
- Python y sus libreríasy entornos (Numpy, Pandas, Anaconda, Scikit-learn.)
- SQL, su sintaxis y funcionalidades del lenguaje de queries
- Data Science collaboration (Git/Google Colab/Drive)
- NOSQL a través de MongoDB
M3. Data Analytics & Business Intelligence
- Limpieza de datos
- Transformación de datos
- Visualización de datos
- Construcción de dashboards
- Data storytelling
M4. Machine Learning
- Aprendizaje supervisado
- Clasificación
- Regresión
- Time Series
- Aprendizaje no supervisado
- Clustering y collaborative filtering
- Reinforcement learning
M5. Deep Learning
Construye aplicaciones de Deep Learning en los ámbitos de Computer Vision, Natural Language Processing y Reinforcement Learning.
- Comprende las redes neuronales
- Procesa información no estructurada (imagen, texto, vídeo y sonido)
- Construye agentes de Inteligencia Artificial
M6. Machine Learning Operations (MLOps)
- MLOps tools
- Model Serving (Flask y Cloud)
- Machine-Learning-as-a-Service
- Mercado de los datos