Data Scientist Avanzado

¿Quieres más información?

Llámanos o contacta con nosotros.

De acuerdo con la Ley 3/2018 relativa al tratamiento de datos personales, le comunicamos que trataremos sus datos con el fin de tramitar y atender su solicitud de información y gestionar el envío de comunicaciones comerciales e información de interés. La Cámara de Bilbao conservará estos datos durante un periodo de 10 años y mientras no solicite su baja. Éstos podrán ser cedidos a entidades colaboradoras relacionadas con los servicios solicitados. Para ejercer los derechos de acceso, rectificación, limitación de tratamiento, supresión, portabilidad y oposición puede dirigir petición a la dirección electrónica lopd@camarabilbao.com. Para más información ver Política de privacidad. En cualquier caso, podrá presentar la reclamación correspondiente ante la Agencia Española de Protección de Datos.
  • DURACIÓN

    Del 7 de febrero al 12 de abril de 2025 | 100 horas

  • HORARIO

    Viernes de 16.00h. a 21.00h. y sábado 9.00h. a 14.00h.

  • BONIFICABLE POR FUNDAE

  • COLECTIVO GAIA 10% DESCUENTO

DESCARGAR PROGRAMA
INSCRÍBETE

Con el curso Data Scientist Avanzado aprenderás todo sobre el proceso de preprocesamiento y visualización de datos, las técnicas más empleadas y los procesos a seguir para sacar el máximo rendimiento al dato. Así mismo, profundizarás en los conceptos de machine y deep learning.

¡Solicita más información!

Preprocesamiento y visualización de datos, machine learning y deep learning.

Dirigido a…

  • Directivos y Responsables de área
  • Graduados/as en Ingeniería e Ingenieros/as técnicos/as Universitarios con carreras relacionadas con Empresa, economía, datos y tecnología.

Salidas profesionales

  • Data Scientist y/o Data Manager
  • Técnico/a en Big Data
  • Analista de datos
  • Técnico/a en Business Intelligence
  • Facilitador/a de proyectos 4.0
  • Gestor/a de proyectos 4.0

Estructura del curso

Módulo de Matemáticas y estadística

  • Estadística y Econometría:
    • Probabilidad.
    • Modelos de Distribución Discreta.
    • Modelos de Distribución Continua.
    • Distribución Normal.
    • Estimación.
    • Contraste de Hipótesis.
    • Tabla ANOVA.
    • Estadísticos Básicos y Regresión Lineal.
  • Álgebra Lineal:
    • Vectores.
    • Espacios Vectoriales.
    • Matrices.
    • Cuerpos.
    • Sistemas.
    • Función de Coste y Mínimos Cuadrados Ordinarios.
    • Optimización.

Módulo de Calidad del dato

  • Detección y tratamiento de Outliers.
  • Tratamiento de Valores Perdidos.

Módulo de Machine learning

  • Definición.
  • Mapa conceptual y clasificación de modelos.
  • Validación de Modelos.
  • Normalización de Variables.
  • Modelos Supervisados:
    • Clasificación.
    • Regresión.
  • Modelos no Supervisados

Módulo de Deep learning

  • Definición.
  • Redes Neuronales densas.
  • Funciones de Activación.
  • Procesamiento del Lenguaje Natural.
  • Visión Artificial.
  • Casos Prácticos.

En colaboración con

Más cursos de tecnología