Seguimos impartiendo las clases de forma online en respuesta a COVID-19. Saber más

Master en Data Science & AI

Data Science consiste en automatizar procesos y hacer predicciones utilizando algoritmos de Machine y Deep Learning. A día de hoy el puesto de Data Scientist es clave en sectores como retail, banca, consultorías, agencias y cualquier otro entorno donde haya datos.

A quién va dirigido

¿Te gustaría, por ejemplo, agrupar audiencias por sus intereses, predecir cuándo y dónde aumentará la demanda de algún producto o clasificar de forma automática texto o imágenes? En caso afirmativo, este master es para ti.

Además, el master va dirigido a personas que quieran comenzar su carrera profesional y conseguir un empleo como Data Scientist. No son necesarios conocimientos previos de programación y/o matemáticas.

Proyectos de portfolio

1
Detección de fake news
Usando información de diversas redes sociales, crearemos un sistema capaz de detectar noticias falsas y posibles tendencias sociales.
2
Análisis de sentimiento
Usando la red social Twitter crearemos un modelo para analizar el tono o sentimiento de los tweets y los principales temas o tópicos a los que hace referencia.
3
Predicción de la calidad del aire
Usando datos de sensores atmosféricos seremos capaces de predecir distintos niveles nocivos en el aire de una gran ciudad.
4
Clasificación de imágenes
Crearemos un modelo capaz de clasificar imágenes médicas para la detección temprana de enfermedades cutáneas.

Contenido del master

Módulo 0
Precurso online

En este módulo repasamos todos los conceptos tanto matemáticos como de programación necesarios para el master. Este módulo garantiza una suave incorporación y ayuda a nivelar los conocimientos de la clase.

  • Conjuntos
  • Probabilidad
  • Estadística descriptiva
  • Matrices y vectores
  • Derivadas e integrales
Módulo 1
Programación en Python

Aprenderás a programar en Python, que es el lenguaje de programación más utilizado en el mundo de Data Science. Crearás desde códigos sencillos, hasta funciones y clases de complejidad modular. Serás capaz de crear programas para llevar a cabo procesos ETL (Extraction, Transformation, Load) con cualquier tipo de datos.

  • Resolución de problemas computacionales
  • Bucles y condicionales
  • Funciones estándar y de tipo lambda
  • Funciones filter, map y reduce
  • Operaciones algebraicas con Numpy
  • Análisis de datos utilizando Pandas
  • Procesado de altos volúmenes de datos con Dask
  • Algoritmos de optimización
  • Google Colaboratory y Kaggle Notebooks
Módulo 2
Bases de datos

Adquirirás conocimientos acerca de las bases de datos, tanto de estructura relacional MySQL como la no relacional MongoDB. Además, aprenderás a trabajar con diferentes gestores de bases de datos alojados en la nube como MongoDB Atlas.

  • Operaciones CRUD (Create, Read, Update, Delete)
  • Queries avanzadas en SQL
  • Pipelines en MongoDB con el framework Aggregate
  • MySQL Workbench
  • MongoDB Compass y Robo3T
  • SQL Shell y MongoDB CLI
Módulo 3
Repositorios y APIs

Para extraer información, verás que existen numerosos repositorios de datos. Aprenderás a conectarte a las APIs de varias plataformas como fuente de información alternativa como Facebook, Twitter y AEMET o portales públicos Open Data.

  • Operaciones GET y POST en API REST (escritura y lectura)
  • Conexión a plataformas a través de OAuth2 (Twitter)
  • Creación de cuentas de desarrollador y solicitud de tokens de acceso
Módulo 4
Machine Learning

Aquí se introducirán algoritmos de aprendizaje automático. Dependiendo de la aplicación que queramos desarrollar, aprenderás desde algoritmos sencillos y básicos hasta los más actuales y avanzados.

  • K-Nearest Neighbors (KNN) (e.g. clasificación automática de películas)
  • K-Means Clustering & Fuzzy K- Means (e.g. creación y detección de audiencias)
  • Statistical Naïve Bayes Classifier
  • Support Vector Machine (clasificador automático avanzado)
  • Principal Component Analysis (e.g. recomendador de películas)
  • Singular Value Decomposition (e.g. algoritmo de Netflix)
  • Linear Regression Algorithm (e.g. predecir fluctuación de la moneda)
  • Logistic Regression Algorithm (e.g. clasificación y detección de fraude)
  • Ridge and Lasso Regression
  • Elastic Net Algorithm
  • Neo4j Graph Platform (e.g. grafos y conexiones en las redes sociales o jerarquías)
Módulo 5
Ensemble Learning

Aprenderás los algoritmos más avanzados tanto para problemas de clasificación como de predicción. Además verás cómo combinando varios algoritmos de AI se obtienen rendimientos mejores.

  • Decision Trees Algorithm
  • Random Forest Algorithm
  • Gradient Boost Classifier
  • AdaBoost Algorithm
  • Bagging Method
  • Combination Methods
  • Clustering Ensembles
Módulo 6
Deep Learning

Aprenderás diferente tipos de redes neuronales como redes neuronales estándares, redes de tipo recurrentes y convolucionales, para crear motores de predicción y clasificación.

  • Perceptron Algorithm
  • Deep Neural Network (e.g. predicción y clasificación avanzada)
  • Convolutional Neural Network (e.g. clasificación de imágenes)
  • Recurrent Neural Network (e.g. predecir número de viajeros de un avión)
  • Deep Encoders (e.g. codificación y decodificación de datos)
  • Computer Vision (e.g. inteligencia artificial aplicada a imágenes)
Módulo 7
Reinforcement Learning

Los campos de la inteligencia artificial están avanzando muy rápidamente y emergen metodologías como el aprendizaje reforzado, donde un ordenador empieza a retar y superar en la toma de decisiones a un ser humano.

  • The Markov Chain Algorithm
  • SARSA Algorithm
  • Dynamic Programming
  • Deep Q-Networks
  • Google DeepMind
  • Google AlphaGo
Módulo 8
Text mining & NLP

Verás todo sobre el campo de Natural Language Processing (NLP) y podrás hacer desde productos de análisis de sentimiento, hasta algoritmos de segmentación de audiencias por intereses y temáticas.

  • Feature engineering (preprocesado de la información)
  • Sentiment analysis
  • Clasificación de documentos
  • Crear una solución completa con Spacy y NLTK
  • Utilizar ReGex para extracciones de texto complejas
Módulo 9
Visualización de datos

En este módulo, adquirirás conocimientos avanzados acerca de la visualización de datos. Aprenderás las diferentes metodologías, pipelines y herramientas de visualización como Power BI y Plotly.

  • Visualización estática con Matplotlib y Seaborn
  • Visualización interactiva con Plotly
  • Plotly Dash, dashboard interactivo en HTML
  • Conexión de Power BI con conectores ODBC
  • Preprocesado en Power BI con Power Query M
  • Programación en Power BI con DAX
Módulo 10
Fundamentos de Linux

En este módulo, aprenderás a manipular un sistema Linux (o Windows) a través de la consola para poder desplegar y configurar servidores alojados en plataformas como Amazon Web Services.

  • Comandos básicos en Bash y Powershell
  • Navegación y operaciones sobre directorios y archivos
  • Automatizar scripts con crontab
  • Configuración de entornos de desarrollo con venv
  • Gestión de credenciales de usuarios
Módulo 11
Machine Learning on Cloud

En este módulo, aprenderemos a desplegar instancias en AWS EC2, configurando un almacenamientos y bases de datos para poder crear una solución completamente alojada y escalable en la nube.

  • Configurar servidor en AWS EC2
  • Crear almacenamiento en AWS S3
  • Bases de datos SQL y NoSQL en AWS
  • Creación de una API REST con AWS Lambda
Unidad 1
Módulo 0
Precurso online

En este módulo repasamos todos los conceptos tanto matemáticos como de programación necesarios para el master. Este módulo garantiza una suave incorporación y ayuda a nivelar los conocimientos de la clase.

  • Conjuntos
  • Probabilidad
  • Estadística descriptiva
  • Matrices y vectores
  • Derivadas e integrales
Módulo 1
Programación en Python

Aprenderás a programar en Python, que es el lenguaje de programación más utilizado en el mundo de Data Science. Crearás desde códigos sencillos, hasta funciones y clases de complejidad modular. Serás capaz de crear programas para llevar a cabo procesos ETL (Extraction, Transformation, Load) con cualquier tipo de datos.

  • Resolución de problemas computacionales
  • Bucles y condicionales
  • Funciones estándar y de tipo lambda
  • Funciones filter, map y reduce
  • Operaciones algebraicas con Numpy
  • Análisis de datos utilizando Pandas
  • Procesado de altos volúmenes de datos con Dask
  • Algoritmos de optimización
  • Google Colaboratory y Kaggle Notebooks
Módulo 2
Bases de datos

Adquirirás conocimientos acerca de las bases de datos, tanto de estructura relacional MySQL como la no relacional MongoDB. Además, aprenderás a trabajar con diferentes gestores de bases de datos alojados en la nube como MongoDB Atlas.

  • Operaciones CRUD (Create, Read, Update, Delete)
  • Queries avanzadas en SQL
  • Pipelines en MongoDB con el framework Aggregate
  • MySQL Workbench
  • MongoDB Compass y Robo3T
  • SQL Shell y MongoDB CLI
Unidad 2
Módulo 3
Repositorios y APIs

Para extraer información, verás que existen numerosos repositorios de datos. Aprenderás a conectarte a las APIs de varias plataformas como fuente de información alternativa como Facebook, Twitter y AEMET o portales públicos Open Data.

  • Operaciones GET y POST en API REST (escritura y lectura)
  • Conexión a plataformas a través de OAuth2 (Twitter)
  • Creación de cuentas de desarrollador y solicitud de tokens de acceso
Módulo 4
Machine Learning

Aquí se introducirán algoritmos de aprendizaje automático. Dependiendo de la aplicación que queramos desarrollar, aprenderás desde algoritmos sencillos y básicos hasta los más actuales y avanzados.

  • K-Nearest Neighbors (KNN) (e.g. clasificación automática de películas)
  • K-Means Clustering & Fuzzy K- Means (e.g. creación y detección de audiencias)
  • Statistical Naïve Bayes Classifier
  • Support Vector Machine (clasificador automático avanzado)
  • Principal Component Analysis (e.g. recomendador de películas)
  • Singular Value Decomposition (e.g. algoritmo de Netflix)
  • Linear Regression Algorithm (e.g. predecir fluctuación de la moneda)
  • Logistic Regression Algorithm (e.g. clasificación y detección de fraude)
  • Ridge and Lasso Regression
  • Elastic Net Algorithm
  • Neo4j Graph Platform (e.g. grafos y conexiones en las redes sociales o jerarquías)
Módulo 5
Ensemble Learning

Aprenderás los algoritmos más avanzados tanto para problemas de clasificación como de predicción. Además verás cómo combinando varios algoritmos de AI se obtienen rendimientos mejores.

  • Decision Trees Algorithm
  • Random Forest Algorithm
  • Gradient Boost Classifier
  • AdaBoost Algorithm
  • Bagging Method
  • Combination Methods
  • Clustering Ensembles
Unidad 3
Módulo 6
Deep Learning

Aprenderás diferente tipos de redes neuronales como redes neuronales estándares, redes de tipo recurrentes y convolucionales, para crear motores de predicción y clasificación.

  • Perceptron Algorithm
  • Deep Neural Network (e.g. predicción y clasificación avanzada)
  • Convolutional Neural Network (e.g. clasificación de imágenes)
  • Recurrent Neural Network (e.g. predecir número de viajeros de un avión)
  • Deep Encoders (e.g. codificación y decodificación de datos)
  • Computer Vision (e.g. inteligencia artificial aplicada a imágenes)
Módulo 7
Reinforcement Learning

Los campos de la inteligencia artificial están avanzando muy rápidamente y emergen metodologías como el aprendizaje reforzado, donde un ordenador empieza a retar y superar en la toma de decisiones a un ser humano.

  • The Markov Chain Algorithm
  • SARSA Algorithm
  • Dynamic Programming
  • Deep Q-Networks
  • Google DeepMind
  • Google AlphaGo
Módulo 8
Text mining & NLP

Verás todo sobre el campo de Natural Language Processing (NLP) y podrás hacer desde productos de análisis de sentimiento, hasta algoritmos de segmentación de audiencias por intereses y temáticas.

  • Feature engineering (preprocesado de la información)
  • Sentiment analysis
  • Clasificación de documentos
  • Crear una solución completa con Spacy y NLTK
  • Utilizar ReGex para extracciones de texto complejas
Unidad 4
Módulo 9
Visualización de datos

En este módulo, adquirirás conocimientos avanzados acerca de la visualización de datos. Aprenderás las diferentes metodologías, pipelines y herramientas de visualización como Power BI y Plotly.

  • Visualización estática con Matplotlib y Seaborn
  • Visualización interactiva con Plotly
  • Plotly Dash, dashboard interactivo en HTML
  • Conexión de Power BI con conectores ODBC
  • Preprocesado en Power BI con Power Query M
  • Programación en Power BI con DAX
Módulo 10
Fundamentos de Linux

En este módulo, aprenderás a manipular un sistema Linux (o Windows) a través de la consola para poder desplegar y configurar servidores alojados en plataformas como Amazon Web Services.

  • Comandos básicos en Bash y Powershell
  • Navegación y operaciones sobre directorios y archivos
  • Automatizar scripts con crontab
  • Configuración de entornos de desarrollo con venv
  • Gestión de credenciales de usuarios
Módulo 11
Machine Learning on Cloud

En este módulo, aprenderemos a desplegar instancias en AWS EC2, configurando un almacenamientos y bases de datos para poder crear una solución completamente alojada y escalable en la nube.

  • Configurar servidor en AWS EC2
  • Crear almacenamiento en AWS S3
  • Bases de datos SQL y NoSQL en AWS
  • Creación de una API REST con AWS Lambda

Campus online

Además, te regalamos una suscripción totalmente gratuita a nuestro campus de Nebulova Online, donde encontrarás tanto el master de Data Science & AI como los cursos avanzados grabados por tus profesores.

Una vez finalizado el master, podrás continuar aprendiendo y estar actualizado realizando los cursos avanzados de forma 100% online.

Conoce a tus profesores

Nuestros profesores poseen amplia experiencia tanto en la docencia como en el sector comercial.

M. AHMIR MALIK
PROFESOR & COFUNDADOR

Estudié física teórica y actualmente trabajo como Data Scientist creando soluciones para clientes tanto nacionales como internacionales. Tengo más de 7 años de experiencia como profesor.

in
AARON OJEDA
PROFESOR & COFUNDADOR

Estudié física teórica y estoy trabajando en proyectos de inteligencia artificial aplicado al sector comercial y banca. Tengo más de 4 años de experiencia como profesor en materia científica.

in
M. AHMIR MALIK
PROFESOR & COFUNDADOR
AARON OJEDA
PROFESOR & COFUNDADOR

Posicionamiento laboral

1
Coaching personalizado
Te ofrecemos sesiones personalizadas de coaching para perfeccionar tu currículum y tus aptitudes para afrontar entrevistas laborales.
2
Hiring time
Organizamos de forma periódica sesiones de hiring dónde recruiters de empresas líder del sector vendrán a conocerte.
3
Follow up
Al finalizar el master te seguiremos ayudando a concertar entrevistas y ponerte el contacto con empresas del sector.

Formas de pago

Ponemos a tu disposición dos formas* para realizar el pago del master.

Descuento del 10%
Al pagar por adelantado te aplicaremos un descuento del 10% al importe del master.
Empieza pagando 0€
Empieza a cursar el master y no pagues hasta encontrar un empleo**.

*en cualquier caso se reservará la plaza abonando un 10% del importe final del master por adelantado.
**consulta condiciones en la escuela.

Modalidades y precios

400
horas
12
semanas
180
tazas de café
SEPT - DIC 2020
5.995€
Disponible descuento del 10% si pagas por adelantado.
5 becas de 2.000€ disponibles
ENE - ABR 2021
5.595€
Descuento de 400€ (early-bird) aplicado.
300
horas
13
semanas
180
tazas de café
SEPT - DIC 2020
3.895€
Disponible descuento del 10% si pagas por adelantado.
100% ONLINE
ENE - ABR 2021
3.495€
Descuento de 400€ (early-bird) aplicado.
100% ONLINE

FAQs

¿Cómo puedo solicitar una beca?

Ofrecemos hasta 5 becas de 2.000€ para la convocatoria presencial. Si quieres saber más información sobre las condiciones necesarias contacta con nosotros.

Solicitar beca
¿Qué horarios tiene el curso?

La convocatoria presencial se desarrolla de lunes a viernes en los siguientes horarios:

  • Lunes a viernes de 10:00 a 18:30 con una hora para comer
  • Viernes de 9:00 a 14:00

La convocatoria online está pensada para poder compaginar las clases con tu trabajo, y se desarrolla en los siguientes horarios:

  • Lunes a jueves de 19:00 a 22:00
  • Viernes de 16:00 a 19:00
  • Sábados de 10:00 a 18:00 con una hora para comer
¿Dónde puedo descargar el temario?

Si quieres revisar tranquilamente todo lo que ofrecemos, facilitanos tu dirección de correo y te podrás descargar un documento PDF con toda la información del curso: temario, horarios, condiciones, etc.

Tu petición se ha gestionado correctamente.
Oops! Ha ocurrido un error. Puedes enviarnos tu petición directamente a contacto@nebulova.es

OPINIONES

Nuestros alumnos volverían a elegirnos

Hace tres meses pensaba que programar era algo imposible para mí. A día de hoy soy el product owner de un proyecto de Data Science en una consultora.

SAMER BOUEZ

Mi profesor era un auténtico crack, hizo que todo pareciera fácil.

cristina iglesias

Lo que más destacaría de Nebulova es el enfoque práctico que se le da al master.

carlos manuel