Máster Executive en Data Science para Profesionales

El Máster Executive en Data Science para Profesionales de MBIT School es un programa dirigido a analistas de negocio provenientes de diferentes áreas (Marketing, Finanzas, Control de Gestión, RRHH, Fraude, etc..) de las técnicas y herramientas necesarias para beneficiarse de prácticas de data science en sus procesos de análisis. El curso permite conocer técnicas avanzadas de análisis de datos, estadística aplicada, su implementación en diferentes tecnologías (SAS y R), así como una introducción a big data y su implicación en el análisis de datos. El Máster Executive para Profesionales está dirigido a profesionales de cualquier sector que sin conocimientos tecnológicos quieren orientar su carrera hacia el análisis de información utilizando tecnologías y algoritmos de Big Data. Durante el programa formativo los alumnos aprenderán tanto la base de análisis como los lenguajes y soluciones tecnológicas para implementarlos.

MÓDULO 1. INTRODUCCIÓN • Introducción a la Ciencia de Datos. • Gestión y desarrollo de un proyecto basado en datos. • Primeros pasos con R. • Primeros pasos con Python. MÓDULO 2. ESTADÍSTICA DESCRIPTIVA, INFERENCIAL Y ANÁLISIS MUL TIVARIANTE ?• Estadística Descriptiva. Gráficas. Prácticas con R. • Inferencia estadística. Estimación con Python. • Inferencia estadística. Contraste de hipótesis con R. • Preprocesado de datos con R y Python. • Preprocesado de datos con Python. • Análisis factorial/PCA. • Modelos lineales para regresión/clasificación. • Regresión no lineal (kernel/polinómica). • Series Temporales. MÓDULO 3. APRENDIZAJE MÁQUINA  ?• Aprendizaje Supervisado con R y Python. • Aprendizaje no Supervisado con R y Python. MÓDULO 4. MINERÍA DE DATOS VISUAL • Visualización avanzada con Python (Dash/Bokeh). • Presentaciones efectivas. • Masterclass Casos de negocio. • Visualización avanzada con R (ggplot/Shiny). MÓDULO 5. PARADIGMA BIG DATA  ??• Presentación del Paradigma Big Data. • Ecosistema Hadoop. HDFS. MapReduce. • Arquitectura de sistemas de información. • Herramientas cloud: AWS. • Introducción al SQL. • Bases de datos NoSQL. • Proceso ETL. • Taller ETL. MÓDULO 6. APRENDIZAJE MÁQUINA AVANZADO  ??• Procesado del lenguaje natural con Python. • Spark. Uso en R y Python. • Spark. MLlib Aprendizaje Automático. • Spark GraphX. Ejemplos de uso. • Introducción al deep learning (DL). • Ejemplos de DL con Tensorflow/Keras. • BI DL. Aprendizaje profundo en Spark. • Aprendizaje reforzado: clásico y profundo. Ejemplos. • (GAN) Redes adversariales generativas. Ejemplos. MÓDULO 7. TALLERES ??• Web scraping. Caso práctico. • Taller Fintech. • Taller Analítica en Recursos Humanos. • Taller Redes Sociales. • Taller Ciberseguridad. ? MÓDULO 8. TFM y DATATONES