Curso Superior de Data Science

Adquiere habilidades avanzadas en data science, que van desde big data hasta técnicas de visualización de datos. Prepárate para ocupar roles clave en la industria tecnológica relacionados con la ciencia de datos.

Matricularme

Precio

360€

Metodología

100% Online

Duración

6 meses

Créditos

12 ECTS

Información

Descubre cómo analizar y visualizar datos para tomar decisiones basadas en evidencia en este curso avanzado. Desarrolla competencias en big data, machine learning y herramientas de análisis como Python y R, y da un paso adelante como analista de datos.

Para qué te prepara

Formándote con este curso adquirirás competencias para:
- Extraer insights valiosos de grandes conjuntos de datos.
- Aplicar algoritmos de machine learning en proyectos reales.
- Visualizar datos de manera efectiva para comunicar resultados.

Objetivos

- Dominar fundamentos de big data y business intelligence.
- Implementar técnicas de machine learning y data mining.
- Utilizar Python y R para análisis de datos avanzado.

A quién va dirigido

Formación enfocada en un amplio espectro de interesados en ciencia de datos:
- Estudiantes y recién graduados en áreas tecnológicas o estadísticas.
- Profesionales IT que desean especializarse en análisis de datos.
- Analistas de datos buscando profundizar en técnicas avanzadas.

Contenido del curso

MÓDULO 1. BIG DATA & BUSINESS INTELLIGENCE FUNDAMENTALS
UNIDAD DIDÁCTICA 1. LA REVOLUCIÓN DE LOS DATOS MASIVOS: BIG DATA Y THICK DATA
  1. Qué es big data
  2. Qué es thick data. ¿Cuál es el matiz para diferenciar ambos términos?
  3. El gran auge del big data
  4. La importancia de almacenar y extraer información
  5. Cual es el papel de las fuentes de datos
  6. Soluciones novedosas gracias a la selección de datos
  7. Naturaleza de las fuentes de datos big data
UNIDAD DIDÁCTICA 2. TOMA DE DECISIONES INTELIGENTES
  1. Thick data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
  2. Fases en un proyecto de big data
  3. Big data enfocado a los negocios
  4. Apoyo del big data en el proceso de toma de decisiones
  5. Toma de decisiones operativas
UNIDAD DIDÁCTICA 3. CÓMO HACER CRECER UN NEGOCIO A TRAVÉS DEL BIG DATA Y SUS APLICACIONES
  1. Marketing estratégico y big data
  2. Open data
  3. Ejemplo de uso de open data
  4. IoT (Internet of Things - Internet de las cosas)
UNIDAD DIDÁCTICA 4. BIG DATA EN DIFERENTES SECTORES
  1. Relación entre inteligencia artificial y big data
  2. IA y big data combinados
  3. El papel del big data en IA
  4. Big data en salud
  5. Necesidad de big data en la asistencia sanitaria
  6. Retos del big data en salud
  7. Big data y people analytics en RRHH
UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
  1. Definiendo el concepto de business intelligence y sociedad de la información
  2. Arquitectura de una solución business intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y factores de riesgos del business intelligence
UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y técnicas de data mining
  4. Áreas de aplicación
  5. Minería de textos y web mining
  6. Data mining y marketing
UNIDAD DIDÁCTICA 8. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de Datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 9. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
  1. Visión general: ¿Por qué DataWarehouse?
  2. Estructura y construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube
UNIDAD DIDÁCTICA 10. INTERNET DE LAS COSAS
  1. Contexto Internet de las Cosas (IoT)
  2. Qué es IoT
  3. Elementos que componen el ecosistema IoT
  4. Arquitectura IoT
  5. Dispositivos y elementos empleados
  6. Ejemplos de uso
  7. Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 11. STORYTELLING
  1. Qué es el data storytelling
  2. Elementos clave del data storytelling
  3. Por qué es importante el data storytelling
  4. Cómo hacer data storytelling
UNIDAD DIDÁCTICA 12. ECOSISTEMA HADOOP
  1. Qué es Hadoop. Relación con el big data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark
MÓDULO 2. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
  1. Qué es la ciencia de datos
  2. Herramientas necesarias para el científico de datos
  3. Data science & cloud computing
  4. Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL Una base de datos relacional
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
  1. Qué es una base de datos NoSQL
  2. Bases de datos relaciones vs bases de datos NoSQL
  3. Tipo de bases de datos NoSQL - Teorema de CAP
  4. Sistemas de bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
  1. Qué es MongoDB
  2. Funcionamiento y uso de MongoDB
  3. Primeros pasos con MongoDB: Instalación y shell de comandos
  4. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
  8. Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING
  1. Qué es Weka
  2. Técnicas de data mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos
UNIDAD DIDÁCTICA 6. PENTAHO
  1. Una aproximación a Pentaho
  2. Soluciones que ofrece Pentaho
  3. MongoDB & Pentaho
  4. Hadoop & Pentaho
  5. Weka & Pentaho
UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA
  1. Introducción a R
  2. Qué necesitas
  3. Tipos de datos
  4. Estadística descriptiva y predictiva con R
  5. Integración de R en Hadoop
UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis
UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS
  1. Inteligencia analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados
MÓDULO 3. ANÁLISIS DE DATOS CON PYTHON
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS
  1. Qué es el análisis de datos
UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB
  1. Análisis de datos con NumPy
  2. Pandas
  3. Matplotlib
UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS
  1. Cómo usar loc en Pandas
  2. Cómo eliminar una columna en Pandas
UNIDAD DIDÁCTICA 4. PIVOT TABLES
  1. Pivot tables en Pandas
UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN
  1. El grupo de Pandas
UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES
  1. Python Pandas fusionando marcos de datos
UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN
  1. Matplotlib
  2. Seaborn
UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING
  1. Aprendizaje automático
UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA
  1. Regresión lineal
  2. Regresión logística
UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES
  1. Estructura de árbol
UNIDAD DIDÁCTICA 11. NAIVE BAYES
  1. Algortimo de Naive Bayes
  2. Tipos de Naive Bayes
UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)
  1. Máquinas de vectores soporte (Support Vector Machine-SVM)
  2. Cómo funciona SVM
  3. Núcleos SVM
  4. Cómo funciona SVM
UNIDAD DIDÁCTICA 13. KNN
  1. K-nearest Neighbors (KNN)
  2. Implementación de Python del algoritmo KNN
UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)
  1. Análisis de componentes principales
UNIDAD DIDÁCTICA 15. RANDOM FOREST
  1. Algoritmo de Random Forest
MÓDULO 4. VISUALIZACIÓN DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
  1. Qué es la visualización de datos
  2. Importancia y herramientas de la visualización de datos
  3. Visualización de datos: Principios básicos
UNIDAD DIDÁCTICA 2. TABLEAU
  1. Qué es Tableau. Usos y aplicaciones
  2. Tableau server: Arquitectura y componentes
  3. Instalación Tableau
  4. Espacio de trabajo y navegación
  5. Conexiones de datos en Tableau
  6. Tipos de filtros en Tableau
  7. Ordenación de datos, grupos, jerarquías y conjuntos
  8. Tablas y gráficos en Tableau
UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
  1. Fundamentos D3
  2. Instalación D3
  3. Funcionamiento D3
  4. SVG
  5. Tipos de datos en D3
  6. Diagrama de barras con D3
  7. Diagrama de dispersión con D3
UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO)
  1. Visualización de datos
  2. Tipologías de gráficos
  3. Fuentes de datos
  4. Creación de informes
UNIDAD DIDÁCTICA 5. QLIKVIEW
  1. Instalación y arquitectura
  2. Carga de datos
  3. Informes
  4. Transformación y modelo de datos
  5. Análisis de datos
UNIDAD DIDÁCTICA 6. POWER BI
  1. Introducción a Power BI
  2. Instalación de Power BI
  3. Modelado de datos
  4. Visualización de datos
  5. Dashboards
  6. Uso compartido de datos
UNIDAD DIDÁCTICA 7. CARTO
  1. CartoDB
  2. Qué es Carto
  3. Carga y uso de datos. Tipos de análisis
  4. Programación de un visor con la librería carto.js
  5. Uso de ejemplos y ayudas de la documentación de la API

Salidas profesionales

Este curso te abrirá puertas a roles como:
- Científico de datos: Descubriendo patrones y creando modelos predictivos a partir de grandes conjuntos de datos.
- Analista de datos: Transformando datos en insights para guiar decisiones estratégicas.
- Ingeniero de big data: Diseñando y gestionando infraestructuras que manejan volúmenes masivos de datos.
- Especialista en machine learning: Desarrollando algoritmos que aprenden de los datos para mejorar automáticamente sin intervención humana explícita.

Nuestra metodología

Contenidos actualizados
por especialistas
del sector

Plataforma de aprendizaje avanzada con inteligencia artificial integrada

Aprendizaje experiencial mediante participación activa del estudiante

Flexibilidad y
adaptabilidad del proceso formativo

Enfoque interdisciplinario

Flexibilidad y
adaptabilidad del proceso formativo

Titulación universitaria

Solicitar información / matriculación

Rellena este formulario para más información sobre cualquiera de nuestras formaciones o si deseas matricularte en alguno de ellas

Gracias, tu solicitud ha sido enviada con éxito. En breve nos pondremos en contacto contigo.
Oops! Parece que ha existido un error.
© 2024 OpenWebinars. Todos los derechos reservados
Términos y Condiciones de UsoPolítica de PrivacidadCookies