Magister en Data Science

Inscribirme Solicitar información
Single course header Image
hour icon

1500 horas

Modality icon

Modalidad Online

PLAN DE ESTUDIOS
TEMARIO
TITULACIÓN
BECAS

Resumen

La ciencia de datos se ha convertido en tendencia en las empresas ya que, saber extraer información, analizarla y poder tomar decisiones basadas en datos es diferencial y clave para obtener éxito en cualquier área. Gracias a este Magister en Data Science aprenderás a extraer información masiva gracias a las técnicas y herramientas que ofrece el Big Data, procesarlas y almacenarlas en bases de datos tanto relacionales con MySQL como no relacionales con MongoDB, analizarlas mediante diferentes algoritmos y mecanismos gracias a los lenguajes Python y R y creando visualizaciones profesionales con las librerías que estos ofrecen. Además, utilizarás Google Analytics para analizar datos web y verás la aplicación del Data Science en el Machine Learning y la visión artificial.

Objetivos

- Manejar datos masivos gracias al Big Data y utilizar herramientas y técnicas de Business Intelligence. - Conocer para qué sirve el Data Science y qué técnicas, herramientas y lenguajes utiliza para el análisis de datos. - Gestionar bases de datos relacionales con MySQL y no relacionales con MongoDB. - Aprender a programar en Python y utilizar sus librerías y funciones propias del análisis de datos. - Crear visualizaciones de datos profesionales en R gracias a la librería ggplot2. - Utilizar Google Analytics para analizar, gestionar y visualizar información de un sitio web. - Ver la aplicación del Machine Learning, la creación de chatbots y la visión artificial en la ciencia de datos.

Salidas profesionales

El Data Science es un área profesional con una gran demanda de expertos en la actualidad ya que todas las empresas buscan diferenciarse del resto de competidores gracias a un gran análisis información y una correcta toma de decisiones. Por tanto, gracias a este Magister en Data Science optarás a puesto como Data Analyst, Data Scientist, Visual Analyst o Big Data Engineer.

Para que te prepara

Con este Magister en Data Science explotarás las técnicas y herramientas Big Data, gestionarás bases de datos tanto relacionales con MySQL como no relacionales con MongoDB, analizarás información con los lenguajes Python y R y crearás visualizaciones profesionales con las librerías que estos ofrecen. Además, utilizarás Google Analytics para analizar datos web y verás la aplicación del Machine Learning y la visión artificial.

A quién va dirigido

El Magister en Data Science está orientado a perfiles técnicos informáticos, estadísticos, administrativos o incluso business que busquen el aprendizaje y aplicación de las principales técnicas de análisis de información, gestión de bases de datos, creación de visualizaciones para la toma de decisiones y aplicación de nuevas tecnologías como el Machine Learning en sus empresas.

Temario

  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información: historia del big data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open Data
  6. Información pública
  7. IoT (Internet of Things - Internet de las cosas)

  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas Operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence

  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto

  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)

  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de Textos y Web Mining
  6. Data mining y marketing

  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de Datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP

  1. Visión General: ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube

  1. Tipos de herramientas para BI
  2. Productos comerciales para BI
  3. Productos Open Source para BI
  4. Beneficios de las herramientas de BI

  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Compunting
  4. Aspectos legales en Protección de Datos

  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL Una base de datos relacional

  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL Teorema de CAP
  4. Sistemas de Bases de datos NoSQL

  1. ¿Qué es MongoDB?
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB

  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos

  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python Dream Team del Big Data

  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis

  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

                                1. Introducción a Gplot
                                2. El paquete ggplot2

                                1. Cambiar títulos de eje
                                2. Aumentar el espacio entre ejes y títulos de ejes
                                3. Cambiar la estética de los títulos de Axis
                                4. Cambiar la estética del texto del eje
                                5. Texto del eje de rotación
                                6. Eliminar texto de eje y marcas
                                7. Eliminar títulos de eje
                                8. Límite del rango del eje
                                9. Forzar el trazado para que comience en el origen
                                10. Ejes con la misma escala
                                11. Usar una función para modificar etiquetas

                                1. Añade un título
                                2. Ajustar la posición de los títulos
                                3. Use una fuente no tradicional en su título
                                4. Cambiar espaciado en texto de varias líneas

                                1. Trabajando con leyendas
                                2. Apaga la leyenda
                                3. Eliminar títulos de leyenda
                                4. Cambiar la posición de la leyenda
                                5. Cambiar la dirección de la leyenda
                                6. Cambiar el estilo del título de la leyenda
                                7. Cambiar título de leyenda
                                8. Cambiar el orden de las claves de leyenda
                                9. Cambiar etiquetas de leyenda
                                10. Cambiar cuadros de fondo en la leyenda
                                11. Cambiar el tamaño de los símbolos de leyenda
                                12. Dejar una capa fuera de la leyenda
                                13. Adición manual de elementos de leyenda
                                14. Usar otros estilos de leyenda

                                1. Cambiar el color de fondo del panel
                                2. Cambiar líneas de cuadrícula
                                3. Cambiar el espaciado de las líneas de cuadrícula
                                4. Cambiar el color de fondo de la trama

                                1. Trabajar con márgenes

                                1. Trabajar con gráficos de paneles múltiples
                                2. Crear múltiplos pequeños basados en una variable
                                3. Permitir que los ejes deambulen libremente
                                4. Uso facet_wrapcon dos variables
                                5. Modificar el estilo de los textos de la tira
                                6. Crear un panel de diferentes parcelas

                                1. Trabajar con colores
                                2. Especificar colores individuales
                                3. Asignar colores a las variables
                                4. Variables Cualitativas
                                5. Seleccionar manualmente colores cualitativos
                                6. Utilice paletas de colores cualitativas integradas
                                7. Use paletas de colores cualitativos de paquetes de extensión
                                8. Variables Cuantitativas
                                9. La paleta de colores Viridis
                                10. Usar paletas de colores cuantitativas de paquetes de extensión
                                11. Modificar paletas de colores después

                                1. Cambiar el estilo de trazado general
                                2. Cambiar la fuente de todos los elementos de texto
                                3. Cambiar el tamaño de todos los elementos de texto
                                4. Cambiar el tamaño de todos los elementos de línea y rectángulo
                                5. Crea tu propio tema
                                6. Actualizar el tema actual

                                1. Agregar líneas horizontales o verticales a un gráfico
                                2. Agregar una línea dentro de un gráfico
                                3. Agregar líneas curvas y flechas a un gráfico

                                1. Agregue etiquetas
                                2. Agregar anotaciones de texto
                                3. Use Markdown y HTML Rendering para anotaciones

                                1. Voltear una parcela
                                2. arreglar un eje
                                3. Invertir un eje
                                4. Transformar un eje
                                5. Circularizar una parcela

                                1. Alternativas a un diagrama de caja
                                2. Crear una representación de alfombra en un gráfico
                                3. Crear una matriz de correlación
                                4. Crear un gráfico de contorno
                                5. Crear un mapa de calor
                                6. Crear un diagrama de cresta

                                1. Trabajar con cintas (AUC, CI, etc.)

                                1. Predeterminado: agregar un suavizado LOESS o GAM

                                1. Trabajar con gráficos interactivos

                                1. ¿Qué es la analítica web?
                                2. Establecimiento de objetivos y KPIs
                                3. Métricas principales y avanzadas
                                4. Objetivos y ventajas de medir
                                5. Plan de medición

                                1. Introducción a Google Analytics 4
                                2. Interfaz
                                3. Métricas y dimensiones
                                4. Informes básicos
                                5. Filtros
                                6. Segmentos
                                7. Eventos
                                8. Informes personalizados
                                9. Comportamiento de los usuarios e interpretación de datos

                                1. Introducción a GTM
                                2. Implementación con GTM
                                3. Medición con GTM
                                4. Uso de Debug/Preview Mode

                                1. La atribución
                                2. Multicanalidad
                                3. Customer Journey
                                4. Principales modelos de atribución
                                5. Modelos de atribución personalizados

                                1. Visualización de datos
                                2. Tipologías de gráficos
                                3. Fuentes de datos
                                4. Creación de informes

                                1. Introducción al SEO
                                2. Historia de los motores de búsqueda
                                3. Componentes de un motor de búsqueda
                                4. Organización de resultados en un motor de búsqueda
                                5. La importancia del contenido
                                6. El concepto de autoridad en Internet
                                7. Campaña SEO

                                1. Introducción al SEM
                                2. Principales conceptos en SEM
                                3. Sistema de pujas y Calidad del anuncio
                                4. Primer contacto con Google Ads
                                5. Creación de anuncios con calidad
                                6. Indicadores clave de rendimiento en SEM

                                1. Análisis del tráfico en redes sociales
                                2. Fijar objetivos en redes sociales
                                3. Facebook
                                4. Twitter
                                5. Youtube
                                6. LinkedIn
                                7. Tik tok
                                8. Instagram

                                1. Usabilidad
                                2. Mapas de calor
                                3. Grabaciones de sesiones de usuario
                                4. Ordenación de tarjetas
                                5. Test A/B
                                6. Test multivariante
                                7. KPI, indicadores clave de rendimiento
                                8. Cambios a realizar para optimizar una página web

                                1. Hotjar
                                2. Microsoft Power BI
                                3. Google Search Console
                                4. Matomo
                                5. Awstats
                                6. Chartbeat
                                7. Adobe Analytics

                                1. ¿Qué son las cookies?
                                2. Tipos de cookies
                                3. GDPR
                                4. Herramientas para manejar el consentimiento de cookies

                                1. Introducción
                                2. Clasificación de algoritmos de aprendizaje automático
                                3. Ejemplos de aprendizaje automático
                                4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
                                5. Tipos de algoritmos de aprendizaje automático
                                6. El futuro del aprendizaje automático

                                1. Introducción
                                2. Algoritmos

                                1. Introducción
                                2. Filtrado colaborativo
                                3. Clusterización
                                4. Sistemas de recomendación híbridos

                                1. Clasificadores
                                2. Algoritmos

                                1. Componentes
                                2. Aprendizaje

                                1. Introducción
                                2. El proceso de paso de DSS a IDSS
                                3. Casos de aplicación

                                1. Aprendizaje profundo
                                2. Entorno de Deep Learning con Python
                                3. Aprendizaje automático y profundo

                                1. Redes neuronales
                                2. Redes profundas y redes poco profundas

                                1. Perceptrón de una capa y multicapa
                                2. Ejemplo de perceptrón

                                1. Tipos de redes profundas
                                2. Trabajar con TensorFlow y Python

                                1. Entrada y salida de datos
                                2. Entrenar una red neuronal
                                3. Gráficos computacionales
                                4. Implementación de una red profunda
                                5. El algoritmo de propagación directa
                                6. Redes neuronales profundas multicapa

                                1. ¿Qué es PLN?
                                2. ¿Qué incluye el PLN?
                                3. Ejemplos de uso de PLN
                                4. Futuro del PLN

                                1. PLN en Python con la librería NLTK
                                2. Otras herramientas para PLN

                                1. Principios del análisis sintáctico
                                2. Gramática libre de contexto
                                3. Analizadores sintácticos (Parsers)

                                1. Aspectos introductorios del análisis semántico
                                2. Lenguaje semántico para PLN
                                3. Análisis pragmático

                                1. Aspectos introductorios
                                2. Pasos en la extracción de información
                                3. Ejemplo PLN
                                4. Ejemplo PLN con entrada de texto en inglés

                                1. Aspectos introductorios
                                2. ¿Qué es un chatbot?
                                3. ¿Cómo funciona un chatbot?
                                4. VoiceBots
                                5. Desafios para los Chatbots

                                1. Chatbots y el papel de la Inteligencia Artificial (IA)
                                2. Usos y beneficios de los chatbots
                                3. Diferencia entre bots, chatbots e IA

                                1. Áreas de aplicación de Chatbots
                                2. Desarrollo de un chatbot con ChatterBot y Python
                                3. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

                                1. Descripción general OpenCV
                                2. Instalación OpenCV para Python en Windows
                                3. Instalación OpenCV para Python en Linux
                                4. Anaconda y OpenCV

                                1. Manejo de archivos
                                2. Leer una imagen con OpenCV
                                3. Mostrar imagen con OpenCV
                                4. Guardar una imagen con OpenCV
                                5. Operaciones aritméticas en imágenes usando OpenCV
                                6. Funciones de dibujo

                                1. Redimensión de imágenes
                                2. Erosión de imágenes
                                3. Desenfoque de imágenes
                                4. Bordeado de imágenes
                                5. Escala de grises en imágenes
                                6. Escalado, rotación, desplazamiento y detección de bordes
                                7. Erosión y dilatación de imágenes
                                8. Umbrales simples
                                9. Umbrales adaptativos
                                10. Umbral de Otsu
                                11. Contornos de imágenes
                                12. Incrustación de imágenes
                                13. Intensidad en imágenes
                                14. Registro de imágenes
                                15. Extracción de primer plano
                                16. Operaciones morfológicas en imágenes
                                17. Pirámide de imágen

                                1. Analizar imágenes usando histogramas
                                2. Ecualización de histogramas
                                3. Template matching
                                4. Detección de campos en documentos usando Template matching

                                1. Espacios de color en OpenCV
                                2. Cambio de espacio de color
                                3. Filtrado de color
                                4. Denoising de imágenes en color
                                5. Visualizar una imagen en diferentes espacios de color

                                1. Detección de líneas
                                2. Detección de círculos
                                3. Detectar esquinas (Método Shi-Tomasi)
                                4. Detectar esquinas (método Harris)
                                5. Encontrar círculos y elipses
                                6. Detección de caras y sonrisas

                                1. Vecino más cercano (K-Nearest Neighbour)
                                2. Agrupamiento de K-medias (K-Means Clustering)

                                TITULACIÓN expedida por EUROINNOVA INTERNATIONAL ONLINE EDUCATION, miembro de la AEEN (Asociación Española de Escuelas de Negocios) y reconocido con la excelencia académica en educación online por QS World University Rankings.

                                Becas

                                FINANCIACIÓN 100% SIN INTERESES 15% BECA EMPRENDE 20% BECA DESEMPLEO 15% BECA AMIGO

                                Solicita información

                                  [countries_dropdown]

                                  Información básica sobre Protección de Datos. Haz clic aquí

                                  Acepto el tratamiento de mis datos con la finalidad prevista en la información básica