Máster Oficial Universitario en Data Science + 60 Créditos ECTS
Duración
1500 Horas
Modalidad
ONLINE
Descripción
La creciente cantidad de datos y el desarrollo del Internet de las Cosas hacen que estén cada vez más presentes los conceptos de Data Science y el análisis de datos en los entornos empresariales, donde el científico de datos tiene un papel muy relevante en la explotación de éstos. Con el Master Oficial Universitario en Data Science podrás ponerte a la vanguardia en el uso de las nuevas tecnologías y algoritmos de análisis que le permitirán desarrollar las habilidades necesarias para extraer y evaluar datos de forma eficaz, permitiéndote tomar decisiones estratégicas y optimizar costes.
Titulación
Doble Titulación: - Título Oficial de Master Oficial Universitario en Data Science expedida por la Universidad e-Campus acreditado con 60 ECTS Universitarios. Su superación dará derecho a la obtención del correspondiente Título Oficial de Máster, el cual puede habilitar para la realización de la Tesis Doctoral y obtención del título de Doctor/a. - Titulación de Master en Data Science con 1500 horas expedida por EUROINNOVA INTERNATIONAL ONLINE EDUCATION, miembro de la AEEN (Asociación Española de Escuelas de Negocios) y reconocido con la excelencia académica en educación online por QS World University Rankings
Metodología ESIBE
La metodología EDUCA LXP permite una experiencia mejorada de aprendizaje integrando la AI en los procesos de e-learning, a través de modelos predictivos altamente personalizados, derivados del estudio de necesidades detectadas en la interacción del alumnado con sus entornos virtuales.
EDUCA LXP es fruto de la Transferencia de Resultados de Investigación de varios proyectos multidisciplinares de I+D+i, con participación de distintas Universidades Internacionales que apuestan por la transferencia de conocimientos, desarrollo tecnológico e investigación.
1. Flexibilidad
Aprendizaje 100% online y flexible, que permite al alumnado estudiar donde, cuando y como quiera.
2. Accesibilidad
Cercanía y comprensión. Democratizando el acceso a la educación trabajando para que todas las personas tengan la oportunidad de seguir formándose.
3. Personalización
Itinerarios formativos individualizados y adaptados a las necesidades de cada estudiante.
4. Acompañamiento / Seguimiento docente
Orientación académica por parte de un equipo docente especialista en su área de conocimiento, que aboga por la calidad educativa adaptando los procesos a las necesidades del mercado laboral.
5. Innovación
Desarrollos tecnológicos en permanente evolución impulsados por la AI mediante Learning Experience Platform.
6. Excelencia educativa
Enfoque didáctico orientado al trabajo por competencias, que favorece un aprendizaje práctico y significativo, garantizando el desarrollo profesional.
MÓDULO 1. AGILE PROJECT MANAGEMENT
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LAS METODOLOGÍAS ÁGILES
UNIDAD DIDÁCTICA 2. AGILE PROJECT THINKING
UNIDAD DIDÁCTICA 3. LA PLANIFICACIÓN ÁGIL: AGILE LEADERSHIP Y CREATIVIDAD
UNIDAD DIDÁCTICA 4. METODOLOGÍA EXTREME PROGRAMMING (XP)
UNIDAD DIDÁCTICA 5. METODOLOGÍA SCRUM
UNIDAD DIDÁCTICA 6. DESARROLLO DEL MÉTODO KANBAN
UNIDAD DIDÁCTICA 7. LEAN THINKING
UNIDAD DIDÁCTICA 8. OTRAS METODOLOGÍAS ÁGILES Y TÉCNICAS ÁGILES
MÓDULO 2. BIG DATA INTRODUCTION
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
UNIDAD DIDÁCTICA 3. OPEN DATA
UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING
UNIDAD DIDÁCTICA 8.DEL BIG DATA AL LINKED OPEN DATA
UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS
MÓDULO 3. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 1.INTRODUCCIÓN A LA CIENCIA DE DATOS
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING
UNIDAD DIDÁCTICA 6. PENTAHO
UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA
UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS
MÓDULO 4. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL)
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES
UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA
UNIDAD DIDÁCTICA 16. REDES MULTICAPA
UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE
MÓDULO 5. ANÁLISIS DE DATOS CON PYTHON
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS
UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB
UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS
UNIDAD DIDÁCTICA 4. PIVOT TABLES
UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN
UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES
UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN
UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING
UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA
UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES
UNIDAD DIDÁCTICA 11. NAIVE BAYES
UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)
UNIDAD DIDÁCTICA 13. KNN
UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)
UNIDAD DIDÁCTICA 15. RANDOM FOREST
MÓDULO 6. HERRAMIENTAS DE VISUALIZACIÓN DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
UNIDAD DIDÁCTICA 5. QLIKVIEW
UNIDAD DIDÁCTICA 7. CARTO
MÓDULO 7. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2
UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R
UNIDAD DIDÁCTICA 3. TÍTULOS
UNIDAD DIDÁCTICA 4. LEYENDAS
UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA
UNIDAD DIDÁCTICA 6. MÁRGENES
UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES
UNIDAD DIDÁCTICA 8. COLORES
UNIDAD DIDÁCTICA 9. TEMAS
UNIDAD DIDÁCTICA 10. LÍNEAS
UNIDAD DIDÁCTICA 11. TEXTO
UNIDAD DIDÁCTICA 12. COORDENADAS
UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS
UNIDAD DIDÁCTICA 14. CINTAS
UNIDAD DIDÁCTICA 15. SUAVIZADOS
UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS
MÓDULO 8. ANALÍTICA WEB
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB
UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4
UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER
UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN
UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO
UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO
UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM
UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES
UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS
UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB
UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO
MÓDULO 9. PROYECTO FIN DE MÁSTER