La Inteligencia Artificial no es una expectativa del futuro, es una realidad que ya está transformando los negocios desde su aplicación al Big data para la toma de decisiones estratégicas respecto a los productos o servicios y la personalización de la atención. Conoce qué es la Inteligencia Artificial y cómo se usa en el Big Data a través de la analítica avanzada, que permite segmentar al público según características muy específicas para asegurar la competitividad de la empresa ofreciendo exactamente lo que busca el cliente.
Objetivos
“El objetivo es que el alumno sea capaz de trabajar y dominar todo el ecosistema del Big Data y de la Inteligencia Artificial, desde los lenguajes de programación, a las metodologías, herramientas y aplicaciones prácticas.”
Cualquier empresa que utilice los datos como base para la toma de sus decisiones estratégicas debería disponer de este tipo de perfiles, por lo que prácticamente la totalidad de las empresas son candidatas perfectas para acogerlos en sus plantillas. No hablamos sólo de empresas grandes, las pymes también, incluso las nuevas empresas que están surgiendo conocidas como startups. Todas ellas necesitan este tipo de perfiles.
El objetivo es que el alumno sea capaz de trabajar y dominar todo el ecosistema del Big Data y de la Inteligencia Artificial, desde los lenguajes de programación, a las metodologías, herramientas y aplicaciones prácticas. Si eres capaz de dominar esos conocimientos, pasarás a ser uno de los profesionales más cotizados de hoy y mañana a nivel internacional.
Para las empresas es muy importante que los profesionales tengan una experiencia práctica en el Big Data e Inteligencia Artificial por políticas de calidad, por lo que con este Máster Executive en Big Data e Inteligencia Artificial, no solo tendrá el alumno los conocimientos teóricos necesarios sino también la parte práctica para trabajar en el ámbito del Big Data y de la Inteligencia Artificial al estar todo el Máster Executive orientado a la práctica, que le da una gran ventaja competitiva en cualquier proceso de selección.
Salidas profesionales
“La demanda laboral de estos perfiles profesionales se orienta a las organizaciones que necesitan realizar labores de análisis de información para tomas de decisiones estratégicas”
Uno de los grandes problemas a la hora de llevar a cabo proyectos de Big Data e Inteligencia Artificial en las empresas es disponer de los profesionales adecuados. Todavía existen pocas personas en España con la formación necesaria en esta área de especialización. Sin embargo, la demanda es cada vez mayor.
La demanda laboral de estos perfiles profesionales se orienta a las organizaciones que necesitan realizar labores de análisis de información para tomas de decisiones estratégicas en las compañías. Este Máster Executive en Big Data e Inteligencia Artificial no está orientado a un único perfil, sino que dependiendo de tus inquietudes y gustos puedes inclinarte por cualquiera de las áreas de especialización del Big Data e Inteligencia Artificial:
- Desarrollador o Ingeniero Big Data.
- Analista de Datos.
- Chief Data Officer.
- Profesionales en Machine Learning, NLP, Deep Learning.
- Cualquier puesto en las áreas de Desarrollo de Negocio, Estadística, o Gestión.
Temario
Big Data Architecture
1: Entornos y Lenguajes de Desarrollo
- Python Programmer
- R para Big Data y Machine Learning
- Python para Big Data y Machine Learning
2: Big Data Processing (Spark & Scala)
- Scala
- Introducción
- Arquitectura batch
- Spark Core
- Spark SQL
- Spark Streaming
- Analytics
- Tuning
- Spark Machine learning
- Spark GraphX (Introducción)
3: Big Data Analytics
- Exploración y Visualización de Datos
- Elementos de una visualización
- Conexión a los datos
- Métricas y KPIs
- Organización de los datos
- Mapeo geográfico de datos
- Líneas y bandas de referencia
- Personalización de los datos
- Configuración y diseño avanzado de dashboards
- Visualización de la relación entre valores numéricos
- Diagramas de dispersión
- Visualización de valores específicos
- Mapas de calor
- Visualización de desglose de un todo
- Gráficos circulares
- Visualización de distribuciones
- Agrupaciones e histogramas
4: Ad Hoc y Estadística
- Introducción R y Notebooks
- Estimadores estadísticos
- Funciones de probabilidad
- Relaciones entre dos variables:
- Muestreo
- Margen de error:
- Tests estadísticos
5: Data Mining
- Preprocesamiento
- Aprendizaje supervisado
- Aprendizaje no supervisado
- Reducción de la dimensionalidad
Machine Learning
6: Machine Learning
- Introducción y conceptos fundamentales
- Conceptos básicos en ML
- Selección del modelo
- Regularización
- Selección de características
- Alternativa: reducción de la dimensionalidad.
- Métodos de agrupamiento
- Máquinas de vectores Soporte
- Redes neuronales
- Sistemas de recomendación
7: Deep Learning
- Conceptos básicos de redes neuronales
- Principales variantes: CNN, RNN
- Diseñando redes neuronales Herramientas
- CNTK (Microsoft)
- TensorFlow (Google)
- Torch (usado en Facebook y Twitter)
- Otros: Deeplearning4j, Theano, Caffe, Neon, MXNet, and Paddle
8: NLP
- Introducción
- Preprocess
- Features
- Visualización de features
- Supervised Learning
- Unsupervised learning
- Word embeddings
- Revisit Supervised Learning con deep learning
- Information Retrieval
Juntos Construyendo tu Futuro
¿Estás preparado para dar el siguiente paso?
Arranca tu formación y consigue tus metas a tu propio ritmo.
Empieza hoy mismo
