Máster Data Science Online

¿Por qué estudiar un master en data science online?

Un programa de 600 horas dirigido a profesionales que buscan especializarse en la ciencia de datos, controlar las principales técnicas de Inteligencia Artificial y saber cómo aplicarlas en diferentes industrias. Aprende de los mejores profesionales en remoto y a tu ritmo. Perfectamente compatible con estudios y trabajo.

Detalles del master en data science online

Doble titulación universitaria

Máster Data Science por la Universidad de Villanueva y por IMMUNE Technology Institute.  

Modalidad Online

100% online desde donde quieras

Duración

1 Año - 600 Horas

Próxima Convocatoria

Octubre 2022

Horarios

Talleres y tutorías
(15 horas semanales)

Descuentos de hasta el 50%

Matriculándote antes del 31 de mayo, plazas limitadas

>

¿A quién está dirigido el master online en data science?

Recién graduados que quieran prepararse para el entorno actual

Estudiantes y graduados de carreras de ciencias, matemáticas, ingeniería o economía que quieran ampliar sus competencias para desarrollar una carrera como analistas o científicos de datos.

Profesionales que quieren impulsar su carrera

Personas de diferentes sectores con o sin experiencia que quieran introducirse en el mundo de data science, analítica avanzada para reorientar o mejorar su carrera.

Titulados en ingeniería, matemáticas, estadística u otras ciencias

Profesionales con o sin experiencia que quieran desarrollar sus habilidades y conocimientos como data scientists.

Perfiles orientados a negocio que quieran desarrollar su carrera

Personas con conocimiento de negocio (finanzas, marketing, economía, entre otros) que deseen dominar el análisis de datos para alzanzar una visión más analítica de negocio para la toma de decisiones.

Requisitos previos para estudiar el master en ciencia de datos online

  • No son necesarios conocimientos previos


  • Este máster está dirigido a estudiantes y profesionales que busquen adquirir competencias en análisis de datos y desarrollar su carrera como data analyst, data scientist o data engineer.
    Immune Institute


    Comienza tu carrera de éxito en Data Science online

    Case to be Solved

    El conocimiento se adquiere de forma natural mediante una metodología de aprendizaje 100% práctica que aplica los conocimientos teóricos clave. Evolucionamos del tradicional "case study" al "case to be solved" donde los alumnos aprenden resolviendo casos que aportan las empresas.

    Humanidades & Soft Skills

    Te proporcionamos las herramientas clave para el desarrollo de habilidades y competencias esenciales en el mercado laboral. Irás más allá con píldoras de ciencias humanas aplicadas a este campo de conocimiento y el desarrollo de soft skills para ser un profesional con inquietudes.

    Apoyo continuo

    Desde el inicio tendrás un tutor personal que te acompañará durante todo el programa. Te orientará y guiará con el fin de que aproveches al máximo el máster. Además tendrás a tu disposición toda la información que necesitas a través de foros, chats y por teléfono con el tutor.

    Sesiones en directo

    Contarás con el apoyo constante de profesores expertos con sesiones semanales en directo para apoyarte durante el programa, resolver dudas, expandir conocimientos y ayudarte a que logres tus objetivos.

    Flexibilidad

    Todo el contenido del máster estará a tu disposición para que puedas trabajarlo en el horario que mejor te convenga y consultarlo siempre que quieras. Tendrás acceso a distintos recursos de aprendizaje para completar tu formación como píldoras de video, lecturas, resúmenes con las ideas clave, masterclasses y tests de autoevaluación.

    ¿QUÉ SE ESTUDIA EN EL MASTER EN DATA SCIENCE ONLINE?

    Con el Máster de Data Science Online aprenderás a utilizar las técnicas y herramientas para desarrollar proyectos de ciencia de datos y aplicarlos a diferentes sectores. Adquirirás los conceptos necesarios de Inteligencia Artificial, manipulación y procesamiento de datos avanzado, visualización de datos, algoritmos de machine learning, deep learning y redes neuronales para su aplicación en entornos reales.

     

    Salidas profesionales y certificaciones

    Podrás trabajar como: Data Scientist, Data Analyst, Data Engineer, Experto en visualización de datos, Experto en arquitecturas y soluciones de almacenamiento y procesamiento de datos, Experto en machine learning, Experto en inteligencia de negocio, Chief Data Officer (CDO), Business analytics Manager o Business intelligence Manager.

     

    Tendrás el nivel suficiente como para presentarte a las siguientes certificaciones: BIGML, AWS Certified Data Analytics, Google Data Analytics Certificate, IBM Data Analyst Professional o Associate Certified Analytics Professional.

    1. Introducción a las tecnologías de la información

    Definición del marco de trabajo científico y tecnológico actual, así como la relación de la ciencia de datos con el resto de las tecnologías para ser consciente del impacto de la misma en la sociedad.

    • Repaso histórico
    • Conceptos básicos de la inteligencia artificial
    • Preparación del entorno de trabajo

    2. Fundamentos de programación con R y Python

    Conceptos clave de programación necesarios para abordar el tratamiento y aprovechamiento de los datos mediante código. Uso de los lenguajes de programación Python y R para su implementación.

    • Introducción a la programación
    • Programación en R
    • Programación en Python

    3. Programación en Python y R

    Presentación de los distintos tipos de datos que se pueden utilizar en el ecosistema digital y las formas de tratarlos para almacenarlos o utilizarlos para su uso en analítica.

    • Limpieza y manipulación de datos

    4. Modelos de datos y base de datos

    Conocimientos y fundamentos sobre los tipos de datos que se utilizan en el ecosistema digital, las fuentes de donde proceden y las formas de tratarlos para almacenarlos o utilizarlos para su uso en analítica.

    • Conceptos generales de bases de datos
    • El modelo de base de datos relacional
    • El modelo de base de datos no relacional
    • Casos de uso

    5. Análisis exploratorio de datos y visualización

    Aprenderás a explorar y analizar los datos desde el punto de vista matemático; así como a realizar informes y distintos tipos de visualizaciones que permiten comunicar el valor de los datos de la forma más adecuada

    • Análisis exploratorio de datos
    • Visualización básica
    • Visualización avanzada de datos

    6.Machine Learning

    A la largo de este módulo se presentan los distintos tipos de problemas que se pueden resolver a través de múltiples algoritmos de aprendizaje máquina, todo ello soportado por el conocimiento que se puede extraer de los datos con las herramientas adquiridas hasta ahora.

    • Introducción al machine learning
    • Extracción y selección de características
    • Algoritmos no supervisados
    • Algoritmos supervisados
    • Muestreo y submuestro

    • Técnicas de validación
    • Ensemble
    • Series temporales
    • Redes neuronales y deep learning
    • NLP

    7. Aplicación de Data Science al Negocio

    Aplicaciones y casos de uso del Data Science en diferentes sectores. Fundamentos de metodología de trabajo en proyecto como preparación del Capstone Project. Además, se introducen conceptos de Big Data para ver la forma de aplicar lo visto durante el curso en un entorno de estas características.

    • Ejemplos y casos de uso en distintos sectores
    • Metodologías de trabajo Agile y de desarrollo de software
    • Introducción a los entornos de trabajo Big Data

    8. Capstone Project

    Aplica todos tus conocimientos adquiridos a lo largo del Máster en tu Proyecto Capstone. Realizarás un proyecto completo de ciencia de datos con conjuntos de datos de empresas reales y presentarás sus resultados a un panel de expertos.

    • Definición de idea con el tutor asignado
    • Selección de objetivos del trabajo
    • Plantear metodología y herramientas
    • Presentación ante tribunal de expertos y compañeros

    Dirección Académica

    Admisiones

    En el proceso de admisión evaluamos el perfil de cada candidato, sus competencias y el potencial desarrollo profesional. El proceso de admisión consta de los pasos detallados a continuación.

    Por favor, utiliza el mismo correo electrónico a lo largo de todo el proceso.

    1. Enviar la solicitud de admisión

    2. Realizar una entrevista personal

    3. Formalización de la matrícula

    ¡Solicita más información sobre el programa!