Las empresas cada vez disponen de más datos provenientes de sus procesos de negocios, los cuales necesitan almacenar y procesar para obtener la información de valor que les permita mejorar todos su procesos productivos. La empresa que sea capáz de realizar esa mejora, obtendrá ese punto diferenciador sobre la competencia que les supondrá conseguir el éxito empresarial.
Por todo esto, uno de los perfiles más demandados en la actualidad es el de científico de datos o “Data Scientist”, el cual se encarga de trabajar con todo ese volumen de datos para obtener la información de valor que les acerque al éxito. El Data Scientist se encuentra en el TOP 5 de los perfiles más demandados a nivel internacional por empresas multinacionales y organizaciones gubernamentales.
En el Máster en Data Science te prepararemos para desarrollar tú carrera profesional en ese perfil tan demandado. De la mano de profesionales del sector, aprenderás todos los conceptos y herramientas, tanto técnicos como analíticos, para poder abordar un proyecto Big Data con garantías: desde la parte más core del Big Data (Hadoop), pasando por el procesamiento de datos (Hive, Spark, etc..), almacenamiento de datos NoSql y finalizando con el área de analítica (Machine learning, creación de modelos, visualización, etc..)
El programa académico del Magíster en Data Science se encuentra estructurado de la siguiente manera:
Área 1: Conocimientos tecnológicos
En esta área se dará una visión general de los conceptos de la arquitectura Big Data y Analítica. Se explicará el concepto de computación distribuida así como las ventajas que ofrece y se introducirán las principales herramientas que se utilizan para procesar y analizar grandes cantidades de datos.
Además se profundizará en las herramientas imprescindibles que nos ayudarán a afrontar un proyecto con las máximas garantías posibles de éxito, tanto en la parte de procesamiento como en la de analítica (Hadoop, Hive, Spark, Kafka, MongoDB, etc..) .
Área 2: Conocimientos Analíticos
En esta área se sientan las bases para realizar proyectos de analítica, comenzando por el aprendizaje de los principales lenguajes de programación en proyectos de Data Science: Python y R. También se aprenderá a realizar el setup de un entorno de trabajo completo para realizar proyectos de Data Science usando Jupyter y Anaconda. A continuación se aprenderán los principales conceptos de modelado del dato para la realización de analítica descriptiva y predictiva, se conocerán las principales herramientas de dashboarding y data discovery, y se aprenderán los principales algoritmos de Machine Learning supervisado y no supervisado, así como las mejores prácticas para no cometer errores durante el desarrollo de modelos predictivos.
Área 3: Herramientas de un Data Science
En este área, eminentemente práctica, se aprenderán las principales librerías para tratamiento de datos en memoria, con especial foco en pandas, siendo estas la base del tratamiento previo a cualquier librería de modelado estadístico. A continuación se estudiarán en profundidad las librerías más importantes para el desarrollo de modelos de Machine Learning, como scikit-learn o xgboost. Posteriormente se presentarán algunas opciones para conectar entornos analíticos basados en Python con el ecosistema Big Data de Hadoop, para finalizar con algunas herramientas de visualización científica (matplotlib, plotly) y orquestación de procesos para puesta en producción de modelos de Machine Learning, como Apache Airflow.
Área 4: Desarrollo de un Proyecto Big Data
En esta última área se enseñará al alumno a ser capaz de afrontar un proyecto Big Data desde 0 (definición, diseño, desarrollo), aportando casos de usos reales para que le sirva de ejemplo en su desarrollo del trabajo final de máster (TFM).
Los objetivos fundamentales del Magíster en Data Science son:
- Conocer en profundidad una arquitectura Big Data así como todas las herramientas necesarias para el procesamiento/explotación de los datos.
- Utilizar el valor de aplicar Big Data para obtener los mejores resultados a través la ciencia de datos (Data Science), a través de las herramientas imprescindibles de un científico de datos.
- Adquirir conocimientos necesarios sobre el uso, análisis y la explotación de los datos.
- Tomar decisiones fundadas en el análisis de Big Data, Analítica Web y Data Science
Conoce nuestro Magister Data Science (ceupe.cl
Comentarios