Data Science

Ingeniería informática y de sistemas

Universidad de Alcalá

Directora:

Elena García Barriocanal                                  elena.garciab@uah.es

Elena García Barriocanal

Dirección: Dpcho O244, Escuela Politécnica

Teléfono: +918856534

master.datascience@uah.es; elena.garciab@uah.es

 http://www.master-data-scientist.com

Directora:

Elena García Barriocanal                                    918856534         elena.garciab@uah.es

• Recoger e interpretar datos para obtener información útil de ellos, definiendo las correctas preguntas de negocio.
• Conocer los métodos científicos, procesos y sistemas definidos para extraer y comprender mejor la información: limpiar y estructurar la información, realizar el análisis de la misma para responder a las preguntas de negocio formuladas.
• Presentar los hallazgos y dar recomendaciones de negocio.
• Crear nuevos productos basados en datos.

• Aplicar métodos y técnicas de procesamiento del lenguaje natural y minería de texto para resolver problemas, extraer información o construir sistemas de etiquetado, valoración o análisis.
• Conocer y saber aplicar modelos del lenguaje parar la resolución de distintas tareas.
• Conocer y saber aplicar las principales técnicas de Deep Learning aplicadas a procesamiento del lenguaje natural y otras tareas de computación cognitiva.
• Saber utilizar entornos de data science para un amplio rango de tareas analíticas, incluyendo la preparación y transformación de datos.
• Saber comunicar los resultados de diferentes tareas de análisis a través de gráficos y diagramas a diferentes audiencias.
• Aplicar el tratamiento de análisis de redes sociales y sus herramientas al tratamiento de datos relacionales y modelos de red en una variedad de problemas.
• Aplicar técnicas de análisis estadístico e inferencia a datos de problemas diversos.
• Aplicar técnicas de análisis estadístico avanzado a tareas de modelado sobre datos heterogéneos.
• Aplicar técnicas de análisis de series temporales a problemas concretos.
• Utilizar técnicas, herramientas y algoritmos de aprendizaje automático, supervisado y no supervisado, a la creación de modelos predictivos o de asociación y saber evaluarlos, actualizarlos y desplegarlos.
• Aplicar técnicas de ingeniería de características a problemas concretos.
• Saber seleccionar modelos y construir sistemas que integren diferentes tareas de machine learning.
• Saber seleccionar y aplicar tecnologías de paralelización de datos y desarrollar procesamientos paralelos sobre las mismas con los paradigmas más adecuados.
• Saber diseñar soluciones para las problemáticas del procesamiento en tiempo real.
• Saber utilizar servicios y APIs en la nube para el procesamiento de datos en paralelo.
• Saber diseñar bases de datos no convencionales (NoSQL), seleccionando la solución más adecuada para un cierto tratamiento o perfil de aplicación.
• Conocer los principales elementos de lenguajes de consulta.
• Saber utilizar una variedad de bases de datos analíticas para problemas concretos.
• Aplicar técnicas y herramientas de visualización dinámica y estática de datos a una variedad de situaciones, adaptándolas a audiencias y propósitos diversos.
• Aplicar conceptos de visualización a la creación de dashboards.
• Entender y saber aplicar los fundamentos de la visualización de datos a través de herramientas.

• Conocer los fundamentos y técnicas de optimización principales asociadas a los modelos conexionistas.
• Conocer y saber aplicar una variedad de arquitecturas de red profunda.
• Aplicar modelos avanzados de Deep Learning a problemas intensivos en datos, como la visión artificial.
• Diseñar, aplicar y desplegar soluciones de analítica para grandes volúmenes de datos que escalen en clusters de computadoras.
• Aplicar técnicas de aprendizaje automático en entornos de computación con paralelismo.
• Aplicar técnicas de análisis de datos en entornos de computación con paralelismo.
• Saber proponer estudios de ciencia de datos y compararlos con estudios previos.
• Saber desarrollar trabajos de ciencias de datos con rigor y atención a la calidad.
• Saber presentar los hallazgos y resultados de estudios de ciencia de datos.

El estudio se dirige a cualquier persona que, reuniendo las condiciones de acceso, desea tener una enseñanza online ofrecida en un entorno virtual. El perfil recomendado de ingreso corresponde al de un estudiante que muestre interés por la aplicación de técnicas estadísticas y de inteligencia artificial para la analítica de negocio, utilizando datos masivos. Las titulaciones que mejor sirven de base para cursar el máster son aquellas de áreas de tecnologías de la información, economía y dirección de empresas o disciplinas cuantitativas.

Virtual

Fechas previstas de inicio y fin: Octubre 2024 a octubre 2025

On-line

On-line

Consultar con el contacto

Fundación General de la Universidad de Alcalá

Departamento de formación

C/ Mayor, 50

28801 Alcalá de Henares

Teléfono: 91.879.74.30

Fax: 91.879.74.55

e-mail: cursos@fgua.es

Documentación adicional:

• Currículum vítae
•  Certificación académica personal

20

Consultar con el contacto

Precio por crédito: 75,00€

Importe preinscripción: 900,00€

Este importe no incluye precios por servicios administrativos y seguro de accidentes.

Fraccionado

La convocatoria y adjudicación de las becas correrá a cargo de la dirección académica del estudio. El 10% de los ingresos de este estudio serán destinados a becas.

http://www.master-data-scientist.com