Máster en Fundamentos de Big Data y Machine Learning

¡Aprende Big Data y Machine Learning desde 0!

SOLICITA INFORMACIÓN

Metodolología: 100% online

Duración: 12 meses (60 ECTS)

Fecha de inicio: 17 de octubre de 2023

El Máster en Fundamentos de Big Data y Machine Learning cuenta con el aval académico y reconocido prestigio de la UCAM (Universidad Católica de Murcia)

UCAM

Trabaja las diferentes disciplinas que debe saber un profesional del dato

Objetivos del Máster en Fundamentos de Big Data y Machine Learning

El principal objetivo del programa es proveer al alumno de todas las herramientas necesarias para análisis de datos. Los objetivos esenciales que se alcanzan a lo largo del máster para alcanzar esta meta se pueden resumir en:

Conocimiento de las principales tecnologías involucradas en el análisis de datos.
Conocer las necesidades de sectores relacionados con datos sobre adquisición, almacenamiento y tratamiento de datos atendiendo a sus medios y su disponibilidad
Conocimiento sobre métodos matemáticos, usualmente Machine Learning para llevar a cabo análisis y previsiones
Conocimiento sobre Proveedores de servicios en la nube para el desarrollo de sistemas ETL profesionales

Máster en Fundamentos de Big Data y Machine Learning

Programa del Máster en Fundamentos de Big Data y Machine Learning

Módulo 1. Introducción a la ciencia de datos. Alto nivel de proyectos de ciencia de datos

[150 horas / 6 Créditos ECTS]

Introducción a la ciencia de datos: Conceptos básicos, estado del arte y necesidades del mercado actual
Modelo CRISP-DM: Cómo se planifica un proyecto basado en datos siguiendo las siguientes fases no secuenciales: Entendimiento del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y produccionalización.
Desarrollo Agile: Manifiesto y filosofía. Implementaciones Agile con especial atención a Scrum.
Introducción a la programación y a la Inteligencia Artificial para la ciencia de datos.

Módulo 2. Adquisición y comprensión del Dato

[150 horas / 6 Créditos ECTS]

Paradigma Big Data y arquitectura para el almacenamiento masivo de datos
Adquisición de datos: Fuentes de datos, scraping y APIs
Bases de datos SQL y NoSQL
Introducción a la programación para el almacenamiento de datos: Python, SQL y NoSQL (en concreto, MongoDB).
Otros jugadores en el mundo del dato: GIT y REST.

Módulo 3. Herramientas de análisis. Estadística Descriptiva e Inferencial

[75 horas / 3 Créditos ECTS]

Probabilística y teoría de juegos
Estadística Descriptiva e Inferencial.
Modelos de Machine Learning basados en reglas probabilísticas y estadísticas sencillas: fundamentos de KNN, Naive Bayes y clustering
Elaboración de Análisis Exploratorio de Datos (EDA)
Librerías numéricas, estadísticas y de visualización para Python

Módulo 4. Machine Learning predictivo y descriptivo: Clasificadores y Regresores

[10 Créditos ECTS]

Estado del arte de la inteligencia artificial
Modelos Lineales y Kernel de Regresión
Modelos Clasificadores: KNN, Naïve Bayes, Árboles de decisión, RF y SVM y Series Temporales
Modelos no supervisados: Clustering y reglas de asociación. TSNE, PCA
Aprendizaje Reforzado: Q-Learning

Módulo 5. Redes Neuronales Profundas y modelos pre-entrenados

[10 Créditos ECTS]

Redes neuronales para el procesamiento de información ambigua
Perceptrón Multicapa: Retropropagación y estudio del descenso del gradiente
Arquitecturas estándar: CNNs, Embeddings y Autoencoders
Modelos Pre-entrenados

Módulo 6. Evaluación de Sistemas de IA, Presentación y Produccionalización

[10 Créditos ECTS]

Validación de modelos: Hipótesis, Datos y Conocimiento Experto
Métodos de slicing y validación.
Métricas de éxito: Diferencias entre modelo y negocio
Computación en la nube y Azure
Visualización avanzada de estructuras de datos

Módulo 7. Proyecto Fin de Máster

[12 Créditos ECTS]

Introducción a la realización de Proyectos de Inteligencia Artificial Aplicada
Pautas esenciales para la organización del proyecto
Realización del Proyecto Fin de Máster

Profesorado

El Claustro docente del Máster en Fundamentos de Big Data y Machine Learning está formado por profesionales de reconocido prestigio y contrastada experiencia en Proyectos de Big Data.

Dirección Académica

Miguel Camacho Ruiz

Co-Director Académico y Profesor. Tecnólogo experimentado con preferencia por proyectos Big Data e Inteligencia Artificial. Ingeniero superior de Telecomunicaciones por la Universidad Politécnica de Madrid e Ingeniero Eléctrico y Electrónico por el Illinois Institute of Technology. Actualmente trabaja como CEO en Atalaya Technologies y CTO en Smartvel. Compagina sus labores como consultor con sus labores docentes como Director del Big Data International Campus

Claustro Docente

Jaime Marco

Co-Founder & CEO @SoupPrice

Eduardo García Muñoz

Azure Data Scientist

Bernardo García del Río

AI Engineer en Flowrite

Perfil del estudiantes

Perfil del Estudiante

El Máster en Fundamentos de Big Data y Machine Learning está dirigido a personas:

Este programa está diseñado para que cualquiera con un nivel básico de matemáticas e informática pueda sacarle provecho. Se empieza de 0 y se desarrollan conceptos básicos que han de servir de soporte para aquellos más avanzados que se dan más tarde.
Cualquier persona desee profundizar en el fascinante mundo de la ciencia de datos puede realizar este programa con conocimientos iniciales equivalentes a una utilización muy básica de Excel.

Tutores profesionales

Contamos con un elenco de tutores de primer nivel, formado por especialistas en Big Data y Machine Learning y múltiples profesionales de empresas punteras del sector.

MásterClass

Tendrás el privilegio de disfrutar de clases magistrales de los profesionales más reconocidos del sector.

24 horas disponible

Podrás acceder al Big Data International Campus en los momentos que prefieres o mejor se ajusten a tu vida personal y profesional, ya que estamos disponibles las 24 horas del día, los 7 días de la semana y 365 días al año.

100% COMPROMETIDOS CON LA EMPLEABILIDAD EN BIG DATA

Todos los años, nuestros estudiantes tienen la oportunidad de participar en el Encuentro Big Data Talent. Un evento que surge como respuesta de la demanda de perfiles y la especifidad de las competencias y destrezas de los mismos. Este encuentro es un espacio donde se genera una reflexión y análisis sobre el Universo del Dato, en contacto con las compañías más importantes del Universo Big Data.

Además, dentro del Encuentro Big Data Talent se habilita un espacio llamado Talent Zone, que es un punto de encuentro para mantener contacto directo con los departamentos de gestión del talento de las principales empresas tecnológicas y también de compañías innovadoras con necesidades de contratación de estos perfiles.