Máster en Data Science - Universidad de Alcalá

Ofrecer una formación de calidad dirigida a profesionales con un perfil técnico, cuantitativo o de negocio que deseen afrontar el reto de Big Data como ventaja competitiva.
Implementar un método docente online basado en la práctica y la contextualización en casos prácticos o problemas de negocio.
Dar respuesta a la necesidad de profesionales que logren extraer conocimiento útil de las fuentes de información que apoye los objetivos del negocio a través del análisis de datos.

Máster En Data Science De La Universidad De Alcalá

ASIGNATURA 0.- NIVELACIÓN
ASIGNATURA I.- HERRAMIENTAS DE ANÁLISIS
- Entornos de data science (Python), manejo de matrices, arrays y estructuras de datos tabulares indexadas.
- Gráficos estáticos y estadísticos, estudios exploratorios.
- Tratamiento de datos en diferentes formatos y de diferentes fuentes.
- Limpieza y preparación de datos.
- Análisis de grafos y redes sociales.
ASIGNATURA II.- TÉCNICAS DE ANÁLISIS ESTADÍSTICO
- Programación estadística con R.
- Inferencia estadística, análisis de correlación, análisis de la varianza.
- Modelos lineales.
- Análisis de series temporales.
ASIGNATURA III.- TÉCNICAS DE APRENDIZAJE AUTOMÁTICO
- Aprendizaje automático aplicado.
- Técnicas de ingeniería de características.
- Principales modelos y técnicas supervisadas, no supervisadas y semi- supervisadas.
- Ensembles.
- Selección de modelos.
- Evaluación, pipelines.
ASIGNATURA IV.- PARALELIZACIÓN DE DATOS
- Ecosistemas de procesamiento paralelo (Hadoop, Spark).
- Herramientas de ingesta y pipelining de datos.
- Tratamiento de datos en streaming.
- Servicios en la nube para analítica.
ASIGNATURA V.- GESTIÓN Y ALMACENAMIENTO DE DATOS
- Modelos de base de datos NoSQL, tipología, requisitos de consistencia, disponibilidad y particiones.
- Consultas y definición de datos en diferentes lenguajes.
- Bases de datos analíticas y almacenes de datos.
ASIGNATURA VI.– VISUALIZACIÓN Y PRESENTACIÓN DE DATOS
- Herramientas de visualización de datos.
- Presentación de datos.
- Storytelling de datos.
ASIGNATURA VII.- APRENDIZAJE PROFUNDO
- Modelos conexionistas y Deep Learning.
- Optimización y selección de modelos de Deep Learning.
- Modelos de visión artificial y aplicaciones del Deep Learning.
ASIGNATURA VIII.- PROCESAMIENTO DEL LENGUAJE NATURAL Y COMPUTACIÓN COGNITIVA
- Procesamiento del lenguaje natural: técnicas básicas de tratamiento y preparación de datos.
- Modelos de embedding en lenguaje natural.
- Modelos avanzados de Deep Learning para lenguaje natural.
ASIGNATURA IX.- ANALÍTICA ESCALABLE
- Machine learning escalable.
- Análisis de grafos escalable.
- Paralelización de procesos de entrenamiento y evaluación.
- Casos de aplicación de técnicas analíticas a recomendadores y análisis de redes sociales.
PROYECTO FIN DE MÁSTER