Maestría en Inteligencia Artificial

En las últimas décadas se han dado importantes cambios en el mundo de la inteligencia artificial, y es que la rapidez y habilidad con la que trabajan las máquinas realizando tareas humanas es realmente impresionante. Gracias a esta Maestría en Inteligencia Artificial en Especialización en Análisis de Datos podrás conocer de primera mano las características clave de esta tecnología y las ventajas que ofrece. Cuando se haya finalizado, el alumno tendrá conocimientos para aplicar el análisis de datos al campo de la inteligencia artificial. Por último, el alumno tendrá la posibilidad de aprender a controlar grandes cantidades de datos con el estudio de Big Data que ayudarán al proceso de aprendizaje automático de las máquinas.
Duración
21 meses
Quiero una beca
Máster Europeo en Inteligencia Artificial. Especialización en Análisis de Datos

A quién va dirigido

Esta Maestría en Inteligencia Artificial en Especialización en Análisis de Datos está orientada a todo aquel que quiera iniciar en el mundo del análisis de datos, así como para aquellos que quieran aumentar sus conocimientos sobre este campo. Además, también está enfocado a trabajadores del sector de la inteligencia artificial que quieren especializarse en el análisis de datos.

Aprenderás a

Con esta Maestría en Inteligencia Artificial en Especialización en Análisis de Datos podrás aprender a aplicar tecnologías de análisis de datos al campo de la inteligencia artificial y el big data. Se tendrá la posibilidad de estudiar los procesos que se llevan a cabo para el análisis de datos y para el data mining, además de conocer las herramientas utilizadas hoy en día para manejar grandes cantidades de datos.

Campo Laboral

Las salidas profesionales de esta Maestría en Inteligencia Artificial en Especialización en Análisis de Datos son las de analista de datos, ingeniero de datos, científico de datos, arquitecto de datos y director de datos. En general, todas las posiciones relacionadas con el uso de grandes cantidades de datos. Adquiere una formación avanzada y amplia tus fronteras.
Plan de estudios

TRIMESTRE 1

ASIGNATURA 1. FUNDAMENTOS DE PROGRAMACIÓN

ASIGNATURA 2. DATOS MASIVOS EN LAS ORGANIZACIONES

TRIMESTRE 2

ASIGNATURA 3. INTELIGENCIA ARTIFICIAL

ASIGNATURA 4. BASES DE DATOS

TRIMESTRE 3

ASIGNATURA 5. FUNDAMENTOS DE MACHINE LEARNING

ASIGNATURA 6. MINERÍA DE DATOS

TRIMESTRE 4

ASIGNATURA 7. DESCUBRIMIENTO DE CONOCIMIENTO CON LENGUAJE R

ASIGNATURA 8. PROCESAMIENTO DEL LENGUAJE NATURAL (PLN)

TRIMESTRE 5

ASIGNATURA 9. APRENDIZAJE PROFUNDO (DEEP LEARNING)

ASIGNATURA 10. PROYECTO INTEGRADOR DE INTELIGENCIA ARTIFICIAL

TRIMESTRE 6

ASIGNATURA 11. FUNDAMENTOS DEL ANÁLISIS DE DATOS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS

  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Computing

UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES

  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL Una base de datos relacional

UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE

  1. ¿Qué es una base de datos NoSQL?
  2. Bases de datos Relaciones Vs Bases de datos NoSQL
  3. Tipo de Bases de datos NoSQL Teorema de CAP
  4. Sistemas de Bases de datos NoSQL

UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASE DE DATOS NOSQL, MONGODB

  1. ¿Qué es MongoDB?
  2. Funcionamiento y usos de MongoDB
  3. Primeros pasos con MongoDB: Instalación y Shell de comandos
  4. Creando nuestra primera base de datos NoSQL: Modelo e inserción de datos
  5. Actualización de datos en MongoDB: Sentencias set y update
  6. Trabajando con índices en MongoDB para optimización de datos
  7. Consulta de datos en MongoDB

UNIDAD DIDÁCTICA 5. PYTHON Y EL ANÁLISIS DE DATOS

  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python Dream Team del Big Data

UNIDAD DIDÁCTICA 6. R COMO HERRAMIENTA PARA BIG DATA

  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

UNIDAD DIDÁCTICA 7. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis

UNIDAD DIDÁCTICA 8. ANÁLISIS DE LOS DATOS

  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

ASIGNATURA 12. BIG DATA

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA

  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información. Historia del big data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open Data
  6. Información pública
  7. IoT (Internet of Things-Internet de las cosas)

UNIDAD DIDÁCTICA 2. FUENTES DE DATOS

  1. Definición y relevancia de la selección de las fuentes de datos
  2. Naturaleza de las fuentes de datos Big Data

UNIDAD DIDÁCTICA 3. OPEN DATA

  1. Definición, Beneficios y Características
  2. Ejemplo de uso de Open Data

UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA

  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto

UNIDAD DIDÁCTICA 5. ECOSISTEMA HADOOP

  1. ¿Qué es Hadoop? Relación con Big Data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark

UNIDAD DIDÁCTICA 6. WEKA Y DATA MINING

  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos