Bootcamp Data Science

Descripción El perfil del Data Scientists es uno de los más buscados por las empresas a día de hoy. El mercado requiere, cada vez más, profesionales que sepan manejar, analizar e interpretar grandes cantidades de datos para servir a los objetivos de negocio y, aunque la tendencia actual sea la búsqueda de personas con estudios en estadística o bien puramente técnicos, las empresas necesitan perfiles especializados que combinen la analítica y la estrategia con la parte técnica. Es por ello que la formación en esta disciplina es un valor diferencial para acceder a estos puestos.ObjetivosSerás capaz de convertir datos en productos y servicios.Estarás preparado para optar a puestos de Data Scientist, BI y Business Analytics entre otros.Aprenderás a escribir tu propio código para analizar ingentes cantidades de datos.Sabrás desarrollar dashboards interactivos profesionales para presentar la información. Perfil del alumno El Máster de Data Science va dirigido a cualquier persona que quiera convertirse en un data scientist, aunque por su alto contenido técnico, serán necesario que sepas programar en Python, que tengas una base en estadística y nociones de lenguaje R. Si preparas tu nivel de estadistica y programación en nuestros cursos introductorios en streaming has de aprobar los mismos para poder acceder al Máster. Requisitos técnicos Para poder seguir el curso y realizar los ejercicios prácticos es necesario disponer de un ordenador en el que el alumno cuente con todos los permisos de administración que le permitan instalar los programas que se utilizarán durante las clases.Salidas profesionales: conviértete en Data ScientistData ScientistBusiness IntelligenceBusiness AnalystData Business ConsultantData EngineerData Specialist Plan de estudios Módulo 1. Entrorno de trabajo Data ScienceBienvenida, Planificación.Entorno de trabajo: Instalación de Anaconda o Máquina Virtual o Cloud Platform. Dockers.Repositorio de código Github. Módulo 2. Ingeniería de DatosTratamiento de Datos en R para Data Science.Tratamiento de Datos en Python Data Science.Data Wrangling. Módulo 3. Bases de Datos SQL y NoSLQLBases de Datos relacionales.Consultas SQL.Bases de Datos no relacionales. Módulo 4. Visualización de DatosTeoría de la Visualización.Visualización de descubrimiento.Visualización con herramientas comerciales. Módulo 5. Estadística AvanzadaAprendizaje Supervisado Regresión.Aprendizaje Supervisado Clasificación.Aprendizaje No Supervisado Clustering.Aprendizaje No Supervisado Reducción de Dimensionalidad. Módulo 6. Taller Analítico Estadística BayesianaIntroducción a la Estadística Bayesiana.Algoritmos de Computación Probabilística. Módulo 7. Machine LearningAprendizaje Supervisado Regresión.Aprendizaje Supervisado Clasificación.Aprendizaje No Supervisado Clustering.Aprendizaje No Supervisado Reducción de Dimensionalidad. Módulo 8. Taller Analítico Series TemporalesDescomposición de una Serie Temporal.ARIMA y otros modelos. CHALLENGE: Data Science Competition I, Kaggle Módulo 9. Temas Avanzados de ModeladoProblemas comunes.Optimización de algoritmos: Tuneado de Hiperparámetros y técnicas de regularización.Ensamblado de Modelos. Módulo 10. Data Science con SparkSistema distribuido Spark.PySpark.Spark ML y Spark MLlib.Spark Avanzado. Módulo 11. Técnicas Avanzadas de Inteligencia ArtificialRedes neuronales.Deep Learning.Procesamiento de imágenes.Procesamiento del Lenguaje Natural. Módulo 12. Inteligencia de NegocioBusiness Intelligence.Conocimiento de Negocio con Power BI. CHALLENGE: Data Science Competition II, Kaggle TRABAJO DE FIN DE MÁSTER. TFMSemana 1: Presentación del TFM – Metodología de modeladoSemana 2: Planteamiento de casos de uso. Identificación del caso de negocio, identificación del dataset, plan de proyecto.Semana 3: Análisis exploratorio de datos.Semana 4: Tratamiento de información.Semana 5: Modelado.Semana 6: Interpretación de modelos y puesta en valor.Semana 7: Evaluación, deployment y seguimiento.Semana 8: Operactivización de modelos.Semana 9: Preparación de documentación y resultados (Word, PDF, PPT)Semana 10: Presentación de proyectos (vídeo grabado)