Experto en Data Science y Visualización de Datos
Curso
Online
¿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
Curso intensivo
-
Nivel
Nivel avanzado
-
Metodología
Online
-
Horas lectivas
375h
-
Duración
6 Meses
-
Campus online
Sí
-
Servicio de consultas
Sí
-
Tutor personal
Sí
Vivimos rodeados de datos y cada vez es mas complicado gestionar y obtener conclusiones con el gran volumen de información (“Big Data”) que existe en la actualidad.
Este máster pretende englobar tres cursos de TYC GIS los cuales abarcan tres pilares básicos si quieres ser científic@ de datos: “Machine Learning”, “Deep Learning” y “Visualización de Datos”.
A lo largo de esta formación se va a trabajar con datos geoespaciales (datos tanto vectorial como ráster) para analizarlos y visualizarlos con novedosas herramientas de gran relevancia y que aportarán al alumno suficientes capacidades para llevar a cabo proyectos relacionados con esta temática.
Al final del curso, los alumnos habrán adquirido los conocimientos necesarios para ser un Data Scientist con los que mostrar y analizar información geoespacial, de una manera accesible, coherente y profesional.
Información importante
Precio a usuarios Emagister: DESCUENTO DEL 10% para estudiantes y desempleados
Bonificable:
Curso bonificable para empresas
Si eres trabajador en activo, este curso te puede salir gratis a través de tu empresa.
A tener en cuenta
• Enseñar al alumno los conocimientos más actuales y novedosos en el campo del análisis de datos científicos (Data Science) asociados con los Sistemas de Información Geográfica (SIG).
• Dar a conocer los programas y extensiones que permitirán al usuario analizar, visualizar y sacar conclusiones de sus datos científicos.
• Realizar ejercicios prácticos que permitan al alumno la asimilación de conocimientos en este área de manera que pueda desarrollar proyectos en este sentido.
El curso está dirigido a todos aquellos estudiantes y profesionales que estén interesados en mejorar su perfil profesional en Data Science y la visualización de información.
Es necesario tener conocimientos básicos de estadística y de manejo de un SIG para asimilar lo mejor posible la formación aportada.
Es importante también contar con un ordenador equipado con Windows 10 y una GPU compatible con CUDA.
Certificado de participación emitido por TYC GIS Formación.
Se remitirá un correo con toda la información a cerca del curso y la documentación necesaria para realizar la inscripción.
Opiniones
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Este centro lleva 10 años en Emagister.
Materias
- Estadística
- Redes neuronales
- SIG
- Gráficos
- Satélite
- Teledetección
- Python
- Datos
- Bases de datos
- Bases de datos espaciales
- Clustering
- Dashboard
- Datos raster
- Machine learning
- DATOS VECTORIALES
- Tableau
- Deep learning
- Científico de datos
- Programación R
Profesores
Adrián Pascual Bernal
Profesor
Graduado en Ingeniería Electrónica y Automatización Industrial por la Universidad de Extremadura. Experiencia en el desarrollo de sistemas de visión artificial y machine learning, programación GIS con Python y prototipado electrónico.
Beatriz Ramos López
Formadora GIS
Licenciada en Biología por la Universidad de Sevilla. Máster en Sistemas de Información Geográfica (ESRI) y Máster en Tecnologías de Información Geográfica (TIG) por la Universidad de Alcalá. Experiencia en la realización de proyectos relacionados con WEB GIS, en el uso de programas de tipo OPEN SOURCE y en el desarrollo de visores cartográficos y su visualización en páginas web.
Temario
PARTE I: INTRODUCCIÓN AL LENGUAJE DE PROGRAMACIÓN R
Ud.1 - PROGRAMACIÓN CON R- ¿Qué es R?
- Instalación de software. Desarrollo proyecto en RStudio
- Vectores y Matrices.
- Listas
- DataFrames
- ¿Qué hacer con los Missing Values?
- Evaluación
- Funciones estadísticas
- Tipo de estadística por grupo de datos
- Relación entre variables
- Distribuciones de probabilidad
- Correlación multivariable
- Descripción de dataset
- Gráficos de nubes de puntos
- Matrices de gráficos
- Trabajando con variables cualitativas
- Evaluación
PARTE II: MACHINE LEARNING
Ud.3 - INTRODUCCIÓN A MACHINE LEARNING- Introducción a Machine Learning
- Tipos de algoritmos
- Diferencia entre aprendizaje supervisado y no supervisado
- Aprendizaje supervisado
- Aprendizaje no-supervisado
- Aplicaciones de Machine Learning
- Evaluación
- Errores en la estimación
- Regresión lineal simple
- Residual Sum of Squares (RSS)
- Análisis de los parámetros estimados
- Estimación de parámetros en R
- Precisión del ajuste del modelo
- Regresión Lineal Múltiple
- Gráficos
- Evaluación
- Regresión logística
- Clasificación K Nearest Neighbors (K-NN)
- Árboles de decisión
- Support Vector Machines (SVM)
- Evaluación
- K-means Clustering
- Hierarchical Clustering
- Evaluación
PARTE III: LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y MACHINE LEARNING
Ud.7 - ANÁLISIS DE DATOS VECTORIALES Y R- Capas vectoriales tipo punto
- Capas vectoriales tipo línea
- Capas vectoriales tipo polígono
- Uso del paquete “rgeos“
- Evaluación
- Lectura de un archivo ráster
- Visualización de datos ráster
- Acceso a los datos del archivo ráster
- Visualización avanzada con RasterVis
- Conversión ráster a vectorial
- Conversión de Spatial DataFrame a DataFrame
- Descripción ráster satélite Landsat
- Evaluación
- Introducción a Anaconda
- Fundamentos de Python
- Instalación de librerías y de un entorno para Deep Learning y SIG
- Numpy: Manejo y operaciones con arrays
- Gráficas con Matplotlib
- Pandas, manipulación de datos
- Evaluación
- Inteligencia artificial, Machine Learning frente a enfoque tradicional
- Tipos de sistemas de Machine Learning
- ¿Cómo aprenden los ordenadores?
- Aprendizaje supervisado con Scikit-Learn
- ¿Qué es Deep Learning?
- Deep Learning aplicado a imágenes aéreas
- Keras y Tensorflow
- Evaluación
- ¿Qué es una red neuronal artificial?
- Aprendizaje en redes neuronales artificiales
- Evaluación del modelo
- Generalización, sobreajuste, regularización
Práctica 1: Clasificación de tipos de suelo en imágenes de Sentinel 2.
Evaluación
- Ventajas de las redes neuronales convolucionales (CNN)
- Estructura y componentes
- Práctica 2: Clasificación de tipos de suelo en imágenes de Sentinel 2 con CNN
- Arquitecturas relevantes y aprendizaje por transferencia
- Aumento de datos y generadores de datos
Práctica 3: Clasificación de escenas en imágenes de Google Earth con CNN
Ud.5 - DETECCIÓN DE OBJETOS- Estrategias y arquitecturas para la detección de objetos
- Evaluación de modelos de detección
- RetinaNet
- Descripción e instalación de la implementación
Práctica 4: Detección de árboles con RetinaNet
Práctica 5: Detección de vehículos con RetinaNet
Evaluación
Ud.6 - SEGMENTACIÓN SEMÁNTICA- ¿Qué es la segmentación semántica?
Práctica 6: Implementación de un modelo para segmentar edificios en imágenes de satélite.
- Arquitecturas relevantes para la segmentación
- Evaluación de modelos de detección.
- U-Net
- Descripción e instalación de la implementación
Práctica 7: Segmentación de edificios en imágenes de satélite con U-Net.
Evaluación.
Ud.7 - MANIPULACIÓN DE DATOS SIG EN PYTHON- Manipulación de datos en formato ráster
- Manipulación de datos en formato vectorial
Práctica 8: Implementación de un sistema de Deep Learning con datos en formato SIG.
Evaluación.
BLOQUE III: CURSO VISUALIZACIÓN DE DATOS CON TABLEAUUd.1 - INTRODUCCIÓN VISUALIZACIÓN DATOS Y TABLEAU- Introducción a la visualización de datos. Definición y tipos
- ¿Qué es Tableau?
- Descripción de los diferentes productos
- Alta como usuario e instalación aplicaciones
- Partes que forman la interfaz.
- Las hojas y el Dashboard
- Barra de herramientas “Mostrarme”
- Administración de la ayuda y los recursos de Tableau.
Evaluación
- ¿Qué es una base de datos?
- Búsqueda de fuentes de datos
- Descarga de información
- ¿Cómo organizar tus datos para visualización?
- Buenas prácticas y calidad de datos
- Uniones.
- Relaciones entre datos, gestión de consultas y filtros
- Los metadatos.
Evaluación
Ud.3 - VISUALIZACIÓN- Buenas prácticas en el desarrollo de simbología y el diseño de la visualización.
- ¿Qué es un Dashboard? Tipos
- ¿Cómo realizar una visualización con tus datos en Tableau?
- Dashboard, historias y animaciones
- Realización de mapas
- Integración con Mapbox y servicios (WMS)
- Nociones para la realización de análisis de datos en Tableau
- Tipos de análisis.
- Realización de estadísticas en Tableau
- Realización de cálculos en Tableau
- Generación de gráficas
- Elaboración de diferentes tipos de gráficos.
- Obtención de información de valor desde tus datos
Evaluación
Ud.5 - ¿CÓMO CONTAR UNA HISTORIA GRÁFICA? DATA STORELLING- Flujo de trabajo para desarrollar una historia gráfica en Tableau
- Otras herramientas de visualización de datos
- ¿Qué es una infografía?
- Pasos para crear una infografía
- Maneras de obtener inspiración
- Ejemplos
Evaluación.
Ud.6 - PROYECTO TABLEAU- Publicación de la visualización
- ¿Cómo compartir tu proyecto desarrollado con Tableau?
- Pautas para crear un proyecto sobre visualización de datos
Evaluación
BLOQUE IV: DESARROLLO PROYECTO DEL CURSOEn esta unidad se establecerán las bases para el desarrollo del proyecto del curso.
Información adicional
Nuestros cursos cuentan con unos contenidos claros y prácticos que se recogen en un manual de gran calidad. Este manual incluye los ejercicios realizados a lo largo del curso permitiendo al alumno afianzar y recordar los conocimientos adquiridos en el futuro.
Los profesores, todos ellos profesionales, están disponibles a través de la plataforma de formación para resolver las dudas. Además este se conectará dos horas semanales para poder ayudar al alumno en tiempo real.
Nuestros cursos cuentan ya con descuento del 20% y disponemos de un descuento adicional del 10% para desempleados.
Además, para empresas, todos nuestros cursos son subvencionables a través de la fundación tripartita.
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.
Experto en Data Science y Visualización de Datos