El Máster de Data Science Presencial UCM está enfocado a todo profesional ligado al fenóneno del Big Data. Este, ha supuesto una gran evolución en el negocio de las empresas a la hora de gestionar, analizar y controlar el alto volumen del dato para la toma de decisiones, la predicción de comportamientos y la reducción de todo tipo de problema.

El objetivo principal será dotar al alumno de las competencias básicas, metodologías y habilidades, así como la buena utilización de cada una de las herramientas, renovadas año a año teniendo presente la evolución del sector.

Los objetivos del Máster de Data Science y Big Data son:

• Analizar grandes bases de datos, interpretarlas y tomar decisiones
• Convertir Datos en información relevante
• Generar Dashboards interactivos y profesionales
• Usar lenguajes de programación para controlar ingentes cantidades de datos
• Aplicar técnicas de Machine Learning a los Datos
• Gestionar Bases de Datos estructuradas y No Estructuradas

Preinscripción

Preinscríbete en el Máster cumplimentado el siguiente formulario: Preinscripción  

Contacto

Para cualquier duda accede al contacto en el siguiente enlace: Contacto

Perfil del solicitante:

El Máster de Data Science presencial UCM está creado para todas aquellas personas con intención de formarse en el área del Big Data, la visualización de datos y la programación, entre otros muchos temas, sin tener en cuenta un background técnico.

El equipo de expertos enseñará a cada alumno a triunfar y liderar el mercado del macrodato, de básico a avanzado. Pasará a ser un profesional demandado con esfuerzo, actitud y ganas, esto solo será el comienzo.

Programa del Máster Data Science Presencial UCM:

Módulo 1: Bases de datos relacionales

-    La base de datos: ¿Qué es y cómo se gestiona?
-    Introducción a la herramienta básica del Big Data
-    Aprendizaje del lenguaje de consulta estructurado (SQL)
-    Aprendizaje de herramientas como Server Management Studio

Módulo 2: Lenguajes de programación

-    Análisis estadístico y predictivo
-    Fundamentos en las bases de la programación usada por la Ciencia de Datos
-    Programación en ‘R’
-    Phyton

Módulo 3: Bases de datos NoSQL

-    Utilización y modelación de bases de datos NoSQL
-    Modelos NoSQL, para qué sirven y cuándo utilizarlos
-    Instalación y operativa de modelos Mongo DB
-    El Find y sus funciones
-    Proyección de campos en resultados
-    Operaciones CRUD

Módulo IV: Business Intelligence con Tableau

-    Preparación analítica del alumno
-    Analítica avanzada
-    Visualización de datos




Módulo V: Fundamentos de estadística

-    Introducción a la estadística descriptiva
-    Introducción a la inferencia

Módulo VI: Tecnologías del Big Data

-    Internet de las cosas (IoT)
-    Modelos de conectividad con fuentes de datos mediante brokers de mensajes y hubs
-    Introducción a Spark: patrones de programación
-    Introducción a Hadoo: gestión de grandes volúmenes de datos
-    Introducción a la visualización de datos

Módulo VIII: Hadoop y Spark

-    Visión panorámica de HDFS, su arquitectura y utilización a través de la línea de comandos.

Módulo VIII: Minería de Datos y Modelización predictiva

-    Conocimiento de herramientas de data mining como los análisis clúster o los algoritmos de regresión lineal y logística.

Módulo IX: Machine Learning

-    Introducción a técnicas de aprendizaje automático: árboles de decisión, bosques aleatorios, algoritmo KNN, redes neuronales y deep learning

Módulo X: Deep Learning

-    Redes neuronales
-    Redes Convolucionales
-    Redes Recurrentes
-    Atocencoders
Módulo XI: Text Mining

-    Procesamiento de textos como análisis de información no estructurada o semiestructurada.
-    Extracción de datos con la herramienta lenguaje R
-    Análisis de sentimiento
-    Modelos temáticos
-    Minería de opinión

Módulo XII: Redes Sociales y Big Data

-    Software de medición de grandes redes: Pajek

Módulo XIII: Scala

-    Lenguaje de programación orientando a objetos con características de lenguaje funcional: Scala

Módulo XIV: Visualización avanzada y herramientas de visualización

-    Diseño de mapas con R
-    Representación interactiva con Shiny
-    Gramática de gráficos con Ggplot2
-    Introducción a D3
-    Tableau

Módulo XV: Open Data

-    Iniciación a la apertura de datos: Información redistribuida y reutilizada


Módulo Final: Trabajo Fin de Máster

Los alumnos diseñan una estrategia de inteligencia de datos para una organización utilizando las técnicas, herramientas y softwares aprendidos durante el Máster.

María Concepción Gómez
Directora del Máster de Data Science y Big Data | Vicerrectora de Empleabilidad y Emprendimiento UCM

José Carlos Soto Gómez
Co-Director Máster Data Science y Big Data | CEO Ntic Master y Aplimovil


María Isabel Riomoro Callejo
Docente UCM | Coordinadora del Campus Virtual (Facultad de Estudios Estadísticos)

Carlos Ortega
Senior Data Scientist at Teradata

Pedro Concejero
Data Scientist y especialista en investigación conductual en Telefónica

José Ángel Carballo
NLP and ML Engineer en Telefónica

Charles Flores Espinoza
Big Data Engineer en Stratio Big Data
Manuel Álvarez Sáez
Profesional en áreas de Gestión Comercial-ERP-CRM, Redes Sociales y Comercio Electrónico en empresas como Oracle y Meta4

Lorenzo Escot Mangas
Profesor Titular de la UCM | Codirector del Grupo de Investigación “Análisis Económico de la Diversidad y Políticas de Igualdad de la UCM”

Álvaro Bravo Acosta
Ingeniero Técnico Informático en Sistemas, experto en Tecnologías Big Data, BI y Analítica. Ha trabajado en consultoras como Minsait, Sopra, Steria y Everis

Fernando Velasco
Investigador de técnicas y algoritmos de Inteligencia Artificial

Santiago Mota Herce
Corporate Advisor | Consultor Freelance en Business Intelligence, Machine Learning y Estrategia.

Pablo J. Villacorta
Científico de datos en Stratio

Guillermo Villarino
Doctorado en Data Science por la UCM

Javier Domínguez
Cryptographer & Software Engineer

Adolfo Hernández
Profesor Titular Área de Estadística e Investigación Operativa UCM

Ismael Yuste
Strategic Cloud Engineer en Google Working with Strategic Customer in EMEA

Javier Castro Cantalejo
Docente en la UCM

Pedro Pablo Malagón Amor
Sales Engineer Google Cloud

Luis Gascó Sánchez
Data Scientist

Alberto Ezpondaburu
NPL Specialist

Obtén más información de los profesores del Máster de Data Science