- INICIO
-
PROGRAMAS
Perfil de negocios
- Máster en Blockchain Management y Web3
- Máster en DeFi, Fintech y Blockchain
- Máster en Inteligencia Artificial Generativa
- Máster en Marketing Digital y Tecnologías Aplicadas
Perfil técnico
- Máster en Ingeniería y Desarrollo Blockchain
- Doble Titulación en Management e Ingeniería y Desarrollo Blockchain
- Máster en Front End Engineering
- Máster en Data Science e Inteligencia Artificial
Perfil jurídico
- DOCENTES
- ALUMNOS
- CONTACTO
- INICIO
-
PROGRAMAS
Perfil de negocios
- Máster en Blockchain Management y Web3
- Máster en DeFi, Fintech y Blockchain
- Máster en Inteligencia Artificial Generativa
- Máster en Marketing Digital y Tecnologías Aplicadas
Perfil técnico
- Máster en Ingeniería y Desarrollo Blockchain
- Doble Titulación en Management e Ingeniería y Desarrollo Blockchain
- Máster en Front End Engineering
- Máster en Data Science e Inteligencia Artificial
Perfil jurídico
- DOCENTES
- ALUMNOS
- CONTACTO
-
PROGRAMAS
Perfil de negocios
Perfil técnico
- DOCENTES
Máster en Data Science e Inteligencia Artificial
Máster en Data Science
Duración:
1 año académico
Idioma:
Español
Modalidades:
Live Streaming y Online Flexible
Duración: 1 año académico
Idioma: Español
Modalidades: Live Streaming y Online Flexible
Objetivos
El objetivo de este máster es que los estudiantes consigan un alto nivel de conocimientos y acumulen suficiente experiencia práctica en la ciencia de datos y en la Inteligencia Artificial que les permita dedicarse profesionalmente a este campo.
¿A quién va dirigido este máster?
A todas esas personas interesadas en iniciar una carrera profesional en el campo del Data Science y la Inteligencia Artificial.
Las personas que no tengan conocimientos previos en programación en Python y en R podrán hacer un Prework que les garantizará el nivel requerido para cursar el máster.
Ayudas económicas
Bonifique a través de FUNDAE (debe ser coordinado desde su empresa) o solicite información sobre nuestro programa de becas para cursos de Data Science.
Avalado por instituciones de prestigio
El Máster en Data Science más completo
Este programa cuenta con un índice de contenidos único en su especialidad
Docentes reconocidos en el sector
IEBIS ha reunido un equipo docente de expertos que provienen de grandes tecnológicas
Los graduados de IEBIS son la mejor voz
Nuestra Calificación de 4.9/5 en Google refleja las valoraciones de quienes fueron nuestros estudiantes. Esta alta puntuación es testimonio de las experiencias positivas que han compartido con nosotros
Las mejores empresas también se han formado con nosotros
Modalidades
Modalidad Live Streaming
Descripción: Alumno y profesor interactúan en directo a través de una plataforma de videoconferencia. Posteriormente, las grabaciones de las clases se publican en el campus virtual.
Tutor personal: Disponible durante todo el curso
Recursos complementarios: Lecturas, presentaciones, libros, manuales, cuestionarios, ejercicios, foros de dudas, repositorio documental, etc.
Interacción con otros alumnos: Durante las clases, en la preparación de los casos prácticos (opcional), en la elaboración del proyecto final (opcional) y por chat grupal/individual en la intranet.
Fecha de inicio y fin: 25 de Marzo de 2024 – 21 de Diciembre de 2024
Horarios disponibles: Lunes, Martes y Jueves de 19:00 a 21:00h (zona horaria UCT+1, Madrid)
Descripción: Alumno y profesor interactúan en directo a través de una plataforma de videoconferencia. Posteriormente, las grabaciones de las clases se publican en el campus virtual.
Tutor personal: Disponible durante todo el curso
Recursos complementarios: Lecturas, presentaciones, libros, manuales, cuestionarios, ejercicios, foros de dudas, repositorio documental, etc.
Interacción con otros alumnos: Durante las clases, en la preparación de los casos prácticos (opcional), en la elaboración del proyecto final (opcional) y por chat grupal/individual en la intranet.
Fecha de inicio y fin: 25 de Marzo de 2024 – 21 de Diciembre de 2024
Horarios disponibles: Lunes, Martes y Jueves de 19:00 a 21:00h (zona horaria UCT+1, Madrid)
Modalidad Online Flexible
Información: Los alumnos tienen acceso a un campus virtual con las grabaciones de las clases y los recursos complementarios. Interactúan con los profesores en tutorías periódicas (videoconferencia) o por email.
Tutor personal: Disponible durante todo el curso
Recursos complementarios: Lecturas, presentaciones, libros, manuales, cuestionarios, ejercicios, foros de dudas, repositorio documental, etc.
Interacción con otros alumnos: Durante las tutorías, en la preparación de los casos prácticos (opcional), en la elaboración del proyecto final (opcional) y por chat grupal/individual en la intranet.
Fecha de inicio: Inicio flexible
Duración: 9 meses
Dedicación: De 8 a 10 horas semanales (Flexible)
Información: Los alumnos tienen acceso a un campus virtual con las grabaciones de las clases y los recursos complementarios. Interactúan con los profesores en tutorías periódicas (videoconferencia) o por email.
Tutor personal: Disponible durante todo el curso
Recursos complementarios: Lecturas, presentaciones, libros, manuales, cuestionarios, ejercicios, foros de dudas, repositorio documental, etc.
Interacción con otros alumnos: Durante las tutorías, en la preparación de los casos prácticos (opcional), en la elaboración del proyecto final (opcional) y por chat grupal/individual en la intranet.
Fecha de inicio: Inicio flexible
Duración: 9 meses
Dedicación: De 8 a 10 horas semanales (Flexible)
Contenido del Máster en Data Science e Inteligencia Artificial
PREWORK. PROGRAMACIÓN Y COMPUTACIÓN PARA LA CIENCIA DE DATOS
Tema 1 - Programación Python
- Instalación
- Herramientas básicas
- Jupyter Notebook
- Tipos de datos
- Estructuras condicionales
- Estructuras iterativas
- Funciones
- Estructuras de datos
- Programación vectorial con Numpy
- Manipulación de datos con Pandas
- Graficación básica con Matplotlib
|
|
|
Tema 2 - Programación en R
- Instalación
- Herramientas básicas
- R Studio
- Tipos de datos
- Estructuras condicionales
- Estructuras iterativas
- Funciones
- Estructuras de datos
- Uso de apply, lapply y sapply
- Dataframes
- El universo Tidyverse
- Manipulación de datos con dplyr
- Graficación básica con ggplot2
|
|
|
MÓDULO II. MATEMÁTICAS Y ESTADÍSTICA PARA LA CIENCIA DE DATOS
Tema 3 - Fundamentos estadísticos
- Estadística descriptiva
- Probabilidad
- Variables aleatorias
- Covarianza y correlación
- Muestra y población
- Distribuciones normales
- Distribuciones de Poisson
- Otro tipo de distribuciones
|
|
|
Tema 4 - Estadística aplicada a la ciencia de datos
- Principales tests estadísticos
- significancia estadística
- P-value
- Interpretación de las principales métricas
- Principal Component Analysis (PCA)
- Estadística inferencial
- Regresiones lineales
- Regresiones logísticas
|
|
|
MÓDULO III. BIG DATA
Tema 5 - Fundamentos del Big Data
- La necesidad del Big Data
- Introducción al Big Data
- Qué no es el Big Data
- Desafíos del Big Data
- Fuentes de datos
- Tipos de datos
- Volumen, Velocidad y Variedad
- Tecnologías de Almacenamiento
|
|
|
Tema 6 - Arquitecturas
- Sistemas de almacenamiento distribuidos
- Sistemas de almacenamiento en la nube
- Bases de Datos NoSQL
- Apache Hadoop
- Cloudera
- Apache YARN
- MapReduce
- Orquestación de procesos
|
|
|
Tema 7 - Principales herramientas
- Hadoop Ecosystem
- Apache Hive
- Apache Spark
- PySpark
- Apache Airflow
- Apache Kafka
|
|
|
MÓDULO IV. OBTENCIÓN, PREPARACIÓN Y ALMACENAMIENTO DEL DATO
Tema 8 - Naturaleza de los datos
- Principales tipos atómicos
- Datos cualitativos y cuantitativos
- Datos continuos y discretos
- Datos estructurados y no estructurados
- Datos temporales
|
|
|
Tema 9 - Técnicas de recogidas de datos
- Orígenes de los datos
- Redes sociales
- Web Scraping
- Datos en tiempo real
- Tendencias en la obtención de datos
|
|
|
Tema 10 - Preprocesamiento y Data Quality
- Calidad del dato
- Análisis exploratorio de datos
- Detección y tratamiento de outliers
- Tratamiento de valores perdidos
- Tratamiento de problemas desbalanceados
- Transformación de variables
- Normalización de variables numéricas
|
|
|
MÓDULO V. ANALÍTICA AVANZADA E INTELIGENCIA ARTIFICIAL
Tema 11 - Analítica avanzada de datos
- Introducción a la Analítica Avanzada
- Extracción del conocimiento
- Procesos de analítica avanzada de datos
- Principales aplicaciones
|
|
|
Tema 12 - Minería de datos
- Problemas supervisados
- Problemas no supervisados
- Problemas semi supervisados
- Inferencia vs predicción
- Overfitting vs Underfitting
- Bias vs Variance
- Validación de modelos
|
|
|
Tema 13 - Machine Learning
- Introducción al machine learning
- Técnicas de clasificación
- Técnicas de regresión
- Técnicas de clustering
- Algoritmos avanzados
- Estado del arte
|
|
|
Tema 14 - Deep Learning
- Intuición detrás del Deep Learning
- Redes Neuronales Simples
- Redes Neuronales Recurrentes
- Redes Neuronales Convolucionales
- Transformers
- Redes Neuronales Generativas Adversarias
|
|
|
MÓDULO VI. NARRACIÓN BASADA EN EL DATO: VISUALIZACIÓN AVANZADA & STORYTELLING
Tema 15 - Visualización avanzada de datos
- Gráficos avanzados
- Visualización multivariable
- Visualización de texto
- Visualización de series temporales
- Diseño y estética
- Consejos para realizar mejores gráficos
|
|
|
Tema 16 - Business Intelligence y cuadros de mando
- Introducción al Business Intelligence
- Cálculo de métricas clave
- Cuadros de mando
- Funciones y beneficios
- KPI
- Componentes avanzados
- Tableau
- Power BI
|
|
|
Tema 17 - Storytelling
- Definición
- La importancia del Storytelling
- Estructura narrativa
- Informes
- Consejos
- Selección de datos significativos
- Identificación de audiencia
- Elaboración de un Storytelling efectivo
|
|
|
MÓDULO VII. REGULACIONES Y ÉTICA
Tema 18 - La legislación en la ciencia de datos
- Privacidad
- Protección de datos y LOPD
- Tratamiento de datos
- Conservación y borrado de datos
- Ejercicio de derechos
|
|
|
Tema 19 - Ética en la Inteligencia Artificial
- Explicabilidad de la Inteligencia Arficial
- Bias y Fairness
- Ética de los Datos
- Exploración de escenarios negativos
- Gobernanza y cumplimiento
- Sostenibilidad
|
|
|
MÓDULO VIII. PLANIFICACIÓN Y DIRECCIÓN DE PROYECTOS DE CIENCIA DE DATOS E IA
Tema 20 - Aplicaciones del Data Science y la IA
- Situación actual y nivel de adopción
- Evolución del sector
- Aplicaciones en los diferentes sectores
- El futuro de la industria
|
|
|
Tema 21 - Planificación de proyectos de Inteligencia Artificial
- Diseño de soluciones
- Selección y gestión de recursos
- Presupuestos
- Planificación
- Ejecución
- Control y seguimiento
- Cierre de proyecto
- Experiencias reales
|
|
|
Tema 22 - Metodologías Ágiles
- Introducción a las metodologías Ágiles
- Ventajas y limitaciones
- Kanban
- Scrum
- Adopción de las metodologías Ágiles
|
|
|
CONOCE A NUESTROS DOCENTES QUE IMPARTEN EL MÁSTER
Docentes del máster
Mucho más que formación
FORMACIÓN DE POR VIDA
Se espera que las tecnologías digitales evolucionen muy rápido. Por este motivo, los alumnos de la escuela tendrán acceso a actualizaciones y novedades de manera indefinida (este servicio solo es compatible con los másteres en blockchain).
NETWORKING CONTINUO
Nuestro canal privado conecta directamente a todos los antiguos alumnos, docentes, empresas y especialistas para que puedan comunicarse fácilmente. También se organizan eventos virtuales y presenciales para la comunidad.
BOLSA DE TRABAJO Y PRÁCTICAS
Numerosos acuerdos nos permiten ofrecer nuevas oportunidades laborales y la posibilidad de realizar prácticas laborales durante el curso o una vez finalizado.
ACELERADORA
La escuela ayuda a los alumnos a convertir sus proyectos de final de máster en Startups. Proporcionando mentores, acceso a inversores y desarrolladores para el producto mínimo viable.
Para perfiles de negocio
BSM GLOBELERS SL, B67370601© 2023 IEBIS Business Techschool