Master Data Science

Aprende desde cero todos los conceptos utilizados en el sector para que tengas una buena base antes de profundizar en cada uno de ellos: data science, big data, machine learning, deep learning, data lake...

Este módulo está preparado para que cualquier persona que no tenga conocimientos previos ni experiencia pueda aprender a programar a un nivel avanzado en Python. Aprenderás conceptos simples como la función print o los tipos de datos hasta trabajar con archivos, programación funcional y programación orientada a objetos.

Para ser data science es muy importante saber diseñar, modelizar, y consultar datos desde bases de datos, tanto SQL como NoSQL. En este módulo aprenderás todo lo necesario de bases de datus estructuradas SQL y de MongoDB, un tipo de bases de datos orientada a objetos.

Matrices, tensores, SVD, media, moda, dispersión, hipótesis, teorema de Bayes o cálculo son algunos de los conceptos que no puedes dejar escapar si quieres llegar a lo más alto del data science. Además, aprenderás desde una forma práctica, para aplicarlo con Numpy, una librería de Python.

El 80 % del tiempo de un data scientist es cargar, procesar, limpiar y transformar datos para que luego puedan ser analizados o utilizados por algoritmos y redes neuronales de una forma eficiente y dando valor. En este módulo te convertirás en experto con Pandas y DataFrames.

Saber elegir los gráficos adecuados en cada caso, extraer las conclusiones y presentar informes puede marcar la diferencia en el día a día del data scientist. Por eso, en este módulo te enseñamos diferentes librerías y herramientas para crear gráficos potentes, además de aprender a contar historias con los datos.

La extracción de características de los datos en crudo puede ser un arte. Aprenderás a trabajar con valores duplicados, nulos, a estandarizarlos, o trabajar con datos continuos y categóricos de una forma adecuada para después entrenar algoritmos debidamente.

Llegamos a uno de los módulos más potentes, donde aprenderás los algoritmos más usados, y los aplicarás a proyectos de clasificación, regresión , clustering o reducción de la dimensionalidad. No solo aprenderás cómo entrenarlos y optimizarlos, si no también todo lo que hay detrás de cada algoritmo para que puedas elegir el adecuado según cada problema.

El deep learning es una rama del machine learning donde solo se utilizan redes neuronales, pero que, gracias a las investigaciones recientes, está siendo la rama más utilizada. Redes neuronales artificiales, recurrentes, convolucionales, autoencoders o GANS serán las que veremos en el módulo, y aprenderemos a entrenarlas con herramientas como Keras, TensorFlow o Pytorch.

La visión por computador permite trabajar con imágenes y vídeos, y obtener patrones de ellos como detección de objetos, clasificación de imágenes u obtención de texto. Usaremos OpenCV, un framework muy potente y el más utilizado para visión artificial con Python.

El procesamiento de lenguaje natural permite crear chatbots, asistentes virtuales o realizar un análisis de sentimientos del texto. Con herramientas como NLPTLK y conceptos como Word2Vec o IF-TDF podrás extraer valor en cualquier texto, incluso entrenar chatbots para que realicen alguna tarea por ti.

Cuando ya hayas llegado hasta aquí, será el momento de poner a prueba todos tus conocimientos y de aplicarlos en un proyecto final completo. Estos proyectos pueden ser propuestos por nosotros, por alguna empresa de nuestra comunidad o elegidos por ti. Este proyecto te permitirá coronarte como data scientist y culminar un buen portfolio o incluso emprender con tu proyecto.