DATA SCIENCE Y BIG DATA (ONLINE) (I EDICIÓN)
Master
A Distancia
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Descripción
-
Tipología
Master
-
Metodología
A distancia
-
Duración
Flexible
-
Inicio
Fechas a elegir
-
Campus online
Sí
-
Servicio de consultas
Sí
-
Clases virtuales
Sí
Competencias
CG01. Capacidad para aplicar los conocimientos adquiridos y para resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar estos conocimientos.
CG02. Capacidad de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
CG03. Capacidad de comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
CG04. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
CG05. Los estudiantes serán capaces de realizar un análisis crítico, evaluación y síntesis de ideas nuevas y complejas.
CG06. Los estudiantes deben ser capaces de comunicarse con sus colegas, con la comunidad con la que comparte intereses profesionales en su conjunto y con la sociedad en general acerca de sus áreas de conocimiento.
CG07. Los estudiantes serán capaces de fomentar, en contextos académicos y profesionales, el avance tecnológico, social o cultural dentro de una sociedad basada en el conocimiento.
CG08. Los estudiantes serán capaces de analizar textos del área en otras lenguas relevantes en el ámbito científico.
CG09. Los estudiantes serán capaces de evaluar la calidad de nuevos métodos de creación y gestión de conocimiento.
CG10. Capacidad para formular opiniones globales y razonadas sobre proyectos de ámbito creativo-tecnológico.
Instalaciones y fechas
Ubicación
Inicio
Inicio
A tener en cuenta
* Habilitar al alumno en las competencias necesarias para el tratamiento computacional y estadístico de datos, utilizando técnicas computacionales y de Inteligencia Artificial.
* Formar a titulados en el análisis científico de datos
* Implantar unos estudios de postgrado que capaciten al egresado como científico de datos dentro de la empresa.
* Facilitar una formación aplicada en Data Science a titulados superiores.
* Capacitar a titulados en el manejo científico de soluciones para Big Data.
* Proveer al empresariado e instituciones de la región de especialistas cualificados en la explotación de datos y extracción de conocimiento de los mismos
* Actualizar las competencias y conocimientos de profesionales en Estadística o Computación que trabajan en el sector público o privado.
Titulados en Matemáticas, Estadística, Computación, Ingenieros, Física, Económicas y Empresariales, así como profesionales ligados a puestos TIC o a la gestión y explotación de datos en empresas y administraciones públicas (en posesión de la titulación universitaria requerida para el acceso a los estudios de posgrado de acuerdo a la normativa de Enseñanzas Propias).
Opiniones
Materias
- E-business
- Gestión del conocimiento
- Modelos de negocio
- Protección de datos
- Presentación
- OLAP
- Segmentación
- Control de gestión
- Redes neuronales
- Análisis de datos
- Análisis estadístico
- Bases de datos relacionales
- Computación
- Social Media
- Big Data
Temario
- Número de créditos: 9,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 11/10/2020 - 24/06/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Experimentación e Investigación. Reproducibilidad y documentación
- Proyectos básicos de aplicación de técnicas de Ciencia del Dato y Big Data
- Etapas de un proyecto Prospectiva Tecnológica
- Cuestiones éticas y legales asociadas a cada etapa de un proyecto Legislación de protección de datos que afectan al proyecto en Data Science
- Técnicas de anonimización. Aplicaciones a datos médicos
- Calidad del dato
- Open Data, Linked Data, Semantic Linked Data, etc. Aprendizaje relacional
- Ciencia del Dato y empresa
- Problemas empresariales y soluciones basadas en Data Science Modelos de negocio basados en datos
- Casos de estudio
- Número de créditos: 4,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 11/10/2020 - 25/11/2020
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Fundamentos de Python
- Tipos de datos: números, cadenas, tuplas, listas, diccionarios, conjuntos Definiciones por comprensión, estructuras de control, etc.
- Definición de funciones
- Gestión de errores
- Arquitecturas y paradigmas para los datos (Introducción)
- Tipos de datos: Estructurados y desestructurados
- Obtención de datos
- Almacenamiento y consulta (BDR)
- Biblioteca estándar Python y Otras bibliotecas
- Número de créditos: 4,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 11/10/2020 - 25/11/2020
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Fundamentos de Estadística
- Probabilidad e inferencia estadística
- Análisis Exploratorio de Datos
- Modelo de Regresión Lineal Múltiple Entorno de programación estadística R
- Tipos de objetos.
- Elementos de Programación
- Gestión de datos
- Análisis exploratorio de datos: visualización
- Número de créditos: 6,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 26/11/2020 - 13/01/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Concepto básicos en Aprendizaje estadístico * Modelo lineal generalizado.
- Modelos de Regresión no lineales
- Modelos de Regresión no paramétricos
- Regresión y clasificación mediante KNN
- Número de créditos: 4,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 13/11/2020 - 11/12/2020
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Introducción a los datos (estructurados y desestructurados)
- Introducción y repaso sobre obtención de datos (APIs, RDF, logs, transacciones, textos, etc.)
- Tratamiento y limpieza de datos: Expresiones regulares, Herramientas ETL
- Almacenamiento: BD relacionales versus BD NoSQL.
- Bases de datos NoSQL
- Procesamiento en paralelo y escalabilidad
- Introducción a los ecosistemas Big Data
- Número de créditos: 5,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 24/03/2021 - 05/05/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Introducción a los ecosistemas Big Data
- Almacenamiento y procesamiento distribuido * El ecosistema Hadoop
- Spark
- Integración con R y Python.
- Número de créditos: 5,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 14/01/2021 - 17/02/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Técnicas de Reducción de la dimensionalidad
- Análisis de Conglomerados
- Técnicas de clasificación probabilística
- Support Vector Machines (SVM)
- Árboles de clasificación y regresión
- Número de créditos: 5,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 18/02/2021 - 19/03/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Redes neuronales
- Sistemas de ranking
- Técnicas de combinación de modelos.
- Herramientas estadísticas para la Bioinformática
- Selección de atributos
- Número de créditos: 4,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 07/05/2021 - 10/06/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Métodos de soluciones individuales
- Métodos basados en poblaciones
- Redes convolucionales
- Redes recurrentes
- Número de créditos: 3,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 15/01/2021 - 29/01/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Inteligencia Colectiva y flujos de datos
- Web Social
- Social Media
- Metodologías ''crowd''
- Redes: Conceptos, topología y comportamiento extremal
- Propagación
- Resiliencia en redes
- Computación bajo reputación y confianza
- Análisis de la semántica emergente: Análisis de opinión y sentimientos
- Sistemas de recomendación (Item based, User Based)
- Aplicaciones
- Número de créditos: 3,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 15/04/2021 - 12/05/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Técnicas básicas
- Modelos ARIMA
- Modelos de series temporales no lineales: ARCH-GARCH * Análisis espectral
- Georeferenciación estadística
- Técnicas de predicción espacial
- Número de créditos: 3,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 25/03/2021 - 14/04/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Introducción a la inteligencia de negocio
- Aplicaciones
- Data Smart y Data warehouse
- Bases de datos OLAP, OLTP
- Plataformas de inteligencia de negocio
- Herramientas de minería de datos integradas en las plataformas Uso de herramientas de BI
- Diseño de cuadro de mandos
- Número de créditos: 4,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 03/02/2021 - 17/03/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
Módulo I: Fundamentos del Procesamiento del Lenguaje Natural
- Introducción: de la Lingüística Computacional a la Ingeniería del Lenguaje Natural Niveles y técnicas para el estudio y tratamiento automático de los lenguajes naturales
- Nociones y técnicas básicas: Expresiones regulares, Autómatas y Gramáticas Recursos lingüísticos
- Reconocimiento automático de la voz: Redes neuronales y otras tecnologías aplicadas al nivel acústico. Análisis del entrenamiento, adaptación y evaluación.
- Análisis léxico-morfológico: corpus lingüísticos y técnicas relacionadas con la ciencia del dato. Corrección ortográfica, lematización, tokenización.
- Análisis gramatical: sintaxis y semántica. Modelos basados en conocimiento y modelos estadísticos.
- Gestión del diálogo: Autómatas. Sistemas basados en agentes. El enfoque basado en el estado de información. Las técnicas POMDP (procesos de decisión de Markov parcialmente observables) como soporte al aprendizaje automático en gestión del diálogo.
- Traducción automática: Técnicas y enfoques. Paradigmas basados en reglas, basados en corpus y enfoques híbridos.
- Aplicaciones comerciales e industriales: Speech Analytics, Content Analytics, Text Mining, Information Retrieval and Extraction, Question Answering, Sentiment Analysis, Entity Names Recognition, etc.
- NLTK: Librería Python para lenguaje natural
- Manipulación de corpus
- Normalización de textos: segmentación, tokenización, lematización. Tagging
- Clasificación de textos
- Parsing
- Análisis semántico: gramáticas de estructuras de rasgos Representación del conocimiento
- StanfordCore NLP
- Sistema de reconocimiento de entidades
- Tagging
- Classifier
- Information Extraction
- Estudio de aplicaciones comerciales e industriales
- Ejemplos como Watson Analytics y otras plataformas que integran Big Data y sistemas basados en lenguaje natural en distintas áreas
- Número de créditos: 2,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 18/02/2021 - 03/03/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Herramientas, librerías y metodologías para la visualización de datos
- Número de créditos: 2,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 20/01/2021 - 10/02/2021
- Horario: Estudios a distancia, Módulo/Asignatura sin horario
- Arquitectura de la visualización de la Información Estructura visual: diseño e implementación Infografías y economía visual
- Presentación de informes y Reports
- Número de créditos: 6,00 ECTS
- Modalidad de impartición: A distancia
- Fechas de inicio-fin: 01/03/2021 - 24/06/2021
Desarrollo del Trabajo fin de Máster, orientado a la aplicación de los conocimientos y competencias adquiridas en los restantes módulos. Los tutores serán tanto académicos como empresariales
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
DATA SCIENCE Y BIG DATA (ONLINE) (I EDICIÓN)