Máster en Data Science - KSchool

• Aprender a  convertir datos en productos y servicios.
• Prepararse para optar a puestos de Data Scientist, BI y Business Analytics entre otros.
• Realizar tu propio código para analizar ingentes cantidades de datos.
• Llevar a cabo dashboards interactivos profesionales para presentar la información.

Módulo 1: Introducción

• ¿Qué es el Data Science? ¿Por qué es importante? ¿Quiénes son los profesionales que se dedican a ello?

• Preparación de entorno de trabajo: Linux y GIT (en máquina virtual).

• Manipulando las herramientas imprescindibles de linea de comandos de Linux (sort, unique, cut, tr, grep, sed, zip, bz2, tar…).

Módulo 2: Data Hacking con Python

• Introducción a Python (Jupiter Notebook).

• Algebra y métodos numéricos en Python (Numpy).

• Estadística con Python.

• Data Science con Python (Pandas, Dataframes).

• APIs y web scraping con Python

• Visualización de datos con Python: Matplotlib, Seaborn, Vegalite y Altair.

• Caso práctico: Data Science Challenge.

Módulo 3: Machine Learning con Python

• Aprendizaje supervisado con Python. Máquinas de vector soporte (SVM). Gradient boosting machines. Árboles y bosques. K-vecinos.

• Aprendizaje no supervisado con Python.

• Model Evaluation and improvement.

• Feature engineering con Python.

• Introducción a sistemas de recomendación.

Módulo 4: Diseño de productos de datos

• Claves para plantear y llevar a cabo el proyecto de desarrollo de un producto de datos

Módulo 5: Deep Learning

• Introducción a Deep Learning: Python, Keras y Tensorflow.

• Construcción de modelos predictivos basados en redes neuronales.

Módulo 6: Procesamiento del Lenguaje Natural (NLP)

• Procesamiento del Lenguaje Natural.

• Acceso a recursos lingüísticos y colecciones de datos.

• Librerías de PLN en Python: NLTK, TextBlob y spaCy.

Módulo 7: Machine Learning con Google Cloud Platform

• Google Cloud Solutions for Big Data & Machine Learning.

• Análisis del marketing digital, Geo Analytics y Machine Learning con BigQuery (SQL).

Módulo 8: Data Hacking con R

• Introducción a R.

• Manejo y limpieza de datos con R.

• Visualización de datos con R.

• Aprendizaje supervisado con R.

• Aprendizaje no supervisado con R.

• Series temporales con R.

Módulo 9: Big Data con Spark

• Primeros pasos con sistemas distribuidos: MapReduce.

• SparkSQL y DataFrames.

• Portar un análisis local a Spark.

• Trabajar con clusters remotos.

• Machine Learning en Spark: Models, Transformers, Pipelines

Módulo 10: Visualización

• Introducción a Tableau y visualización.

• Visualizaciones en Tableau.

Módulo 11: Data Storytelling

• Cómo simplificar las visualizaciones y transmitir efectivamente el mensaje.

Módulo 12: Resumen práctico de todo el máster

• Kaggle Hackathon.