Maestría en Ciencia de Datos (+ máster EPG-CIU)

Gestión de datos y bases de datos con SQL

Conceptos básicos y técnicas utilizadas para organizar, limpiar y administrar datos dentro y entre conjuntos de datos dispares.
Diseño de bases de datos y el uso de bases de datos en aplicaciones de ciencia de datos con énfasis en SQL.
Temas adicionales: control de versiones y Git.

Limpieza y manipulación de datos

Principales técnicas de manipulación y limpieza de datos utilizando la popular biblioteca de ciencia de datos llamada Pandas, que es parte principal del lenguaje Python.
Estructuras de datos básicas para el análisis de datos.
Uso de funciones como agrupar y fusionar estructuras de datos.

Analítica y minería de datos

Análisis de patrones frecuentes.
Clasificación, agrupación y análisis de valores atípicos. haciendo uso del lenguaje R.
Los métodos en la minería de datos.
Aspectos computacionales de la implementación de algoritmos eficientes para manejar conjuntos de datos a gran escala.
Técnicas de minería de datos.
Aprendizaje automático y procesamiento de señales.

Introducción a la visualización de datos

Mejores prácticas en visualización de datos.
Tendencias clave en la industria y cómo convertirse en grandes narradores con datos.
Representaciones visuales de datos a través de sistemas interactivos.
Construcción de visualizaciones efectivas a partir de los datos.
Uso de los principales softwares de la industria: Power BI, Tableau y Google Data Studio.

Fundamentos de machine learning

¿Qué es el aprendizaje automático, por qué lo utilizamos y para qué es apropiado?
Uso del lenguaje R y las principales librerías de la especialidad.
Aprendizaje supervisado y no supervisado.
Principales algoritmos como k-nearest neighbors, support vector machines, decision trees y principal component análisis, entre otros.
Técnicas de regresión lineal y no lineal.

Fundamentos de big data analytics

Análisis y manejo de grandes conjuntos de datos estructurados y no estructurados usando medios no tradicionales.
Teoría y aplicación de las estrategias para manipulación de conjuntos de datos distribuidos de manera eficiente.
Uso de herramientas de analítica de datos en la nube para manipular de manera eficiente y realizar descubrimientos en conjuntos de datos de gran tamaño.

Técnicas avanzadas de machine learning

Métodos de optimización para ciencias de datos

Conceptos básicos de optimización.
Optimización lineal con métodos de solución como simplex y el análisis de sensibilidad con aplicaciones para transporte, optimización de red y asignación de tareas.
Optimización no lineal restringida y sin restricciones.
Métodos de solución que utilizan herramientas como MatLab o Excel.

Masterclass internacional

Maestría en
CIENCIA DE DATOS