IA & Data Science Bootcamp
5ª EDICIÓN
Domina las principales técnicas cuantitativas y predictivas para elaborar modelos fiables de soluciones.
IA & Data Science Bootcamp es un programa con el que aprenderás de forma práctica todo lo que necesitas para desarrollarte como Data Scientist. A través del programa, serás capaz de resolver los principales retos de la profesión. Junto a nuestros formadores, mentores y empresas del sector tecnológico, te guiaremos en un aprendizaje práctico y orientado a las necesidades del mercado laboral.
Aprenderás Python, sus librerías de análisis de datos y de Machine Learning y Deep Learning para construir y desplegar modelos de Inteligencia artificial para crear modelos predictivos y por tanto servir de apoyo en la toma de decisiones de la empresa.
¡Tú eres el próximo Data Scientist!
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
Los Alumni de IA & Data Science Bootcamp
trabajan en…
Formación modular
Módulo 1 – Introducción a la IA: (10 horas): 17 al 18 de octubre de 2025
- Introducción.
- Evolución histórica – ¿Por qué ahora?
- Posibilidades y límites de la Inteligencia Artificial.
- Ejemplos Prácticos.
Módulo 2 – Introducción a Python (10 horas): 24 al 25 de octubre de 2025
- Conceptos básicos de programación y algoritmos.
- Estructuras de control de flujo y funciones.
- Iteraciones y manipulación de estructuras de datos.
- Manipulación de archivos y datos con Python.
- Dataframes con Panda
Módulo 3 – Python para extracción y análisis de datos (60 horas): 7 de noviembre al 20 de diciembre de 2025
- Procesamiento de datos con Pandas y Seaborn
-
- Modificaciones Básicas de datos.
- Análisis Preliminar de Variables.
- Gráficos Básicos.
- Tratamiento de Fechas.
- Correcciones Masivas de errores tipográficos.
- Unión de Tablas.
- Filtrado.
- Modificaciones Avanzadas.
- Lectura de datos en SQL y MongoDB.
- Captura de datos
-
- Tipos de Datos y su aplicación.
- Tipos de Datos según sus fuentes.
- Captura de bases de datos.
- Captura de Internet.
- Utilización de APIs.
- Introducción al webscrapping
- Herramientas de captura Scrapy, Beautifulsoup, Selenium.
- Bases de datos relacionales y no relacionales.
-
- SQL
- MongoDB
- Neo4j
- Procesos ETL.
Módulo 1 – Estadística y matemáticas (30 horas): 9 al 24 de enero de 2026
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 2 – Calidad del dato (10 horas): 30 al 31 de enero de 2026
- Detección y tratamiento de Outliers.
- Tratamiento de Valores Perdidos.
Módulo 3 – Feature Engineering (20 horas): 6 al 14 de febrero de 2026
- Introducción, conceptos preliminares y configuración de entorno
- Mejorando las variables – Limpieza de datos
- Reducción de Dimensionalidad
- Despliegue y salida a producción
Módulo 4 – Machine Learning (40 horas): 20 de febrero al 14 de marzo de 2026
- Definición.
- Mapa conceptual y clasificación de modelos.
- Validación de Modelos.
- Normalización de Variables.
- Modelos Supervisados:
- Clasificación.
- Regresión.
- Modelos no Supervisados.
Módulo 5 – Visualización Datos con Power BI (30 horas) TELEFORMACIÓN: febrero a mayo de 2026
- Tablas dinámicas: Diseño y segmentación
- Tablas dinámicas: Paneles de análisis y configuración
- Tablas dinámicas: Gráficos dinámicos y cálculos
- Power Pivot: Modelos, formulación DAX y relaciones
- Jerarquías, KPI’s y cuadros de mando
- Mapas, informes interactivos y consultas
Itinerarios posibles:
- – Deep Learning (30 horas): 20 de marzo al 25 de abril de 2026
-
- Definición.
- Redes Neuronales densas.
- Funciones de Activación.
- Procesamiento del Lenguaje Natural.
- Visión Artificial.
- Casos Prácticos.
- – Despliegue de proyectos y arquitecturas (30 horas): 20 de marzo al 25 de abril de 2026
-
- Procesamiento en Azure,
- Procesamiento en AWS y Google.
CONOCE A NUESTROS DOCENTES QUE IMPARTEN EL MÁSTER
Borja Balparda
Aitor Donado
Gorka Garay
Miguel Ramos
Jon Blazquez
Ana Ndongo
La duración del programa se estima en 340 horas más el proyecto y reto final.
Clases híbridas (presenciales y telepresenciales) en viernes y sábado que combinan enseñanzas teóricas con aplicación práctica en casos reales.
Durante todo el programa se realizarán trabajos prácticos que se evaluarán para constatar el nivel de progreso
Metodología
- Project based learning: Democratizar la AI mediante retos prácticos durante la capacitación para un aprendizaje eficiente.
- Empresas reales implicadas: Se realizan 6-8 retos de empresas reales en las tres últimas semanas con el asesoramiento de las empresas colaboradoras.
- Mentores especializados: Un enfoque práctico de Learn-by-doing mediante un profesor magistral y un instructor práctico.
- Acceso a talento con valor: Metodología específicamente orientada a crear capacidades en AI con aplicación inmediata en el entorno laboral.
- Vigilancia tecnológica: Revisando tendencias y oportunidades de mercado a nivel nacional y global.
Objetivos
Los retos del Data Scientist están en poder interpretar un problema y explicarlo de forma objetiva y rigurosa, saber cómo obtener valor de la información que maneja y transformar todo ello en decisiones efectivas en función de los objetivos.
Aprenderás Python, sus librerías de análisis de datos y de Machine y Deep Learning para construir y desplegar modelos de Inteligencia artificial para crear modelos predictivos y por tanto servir de apoyo en la toma de decisiones de la empresa.
¿Por qué IA & Data Science Bootcamp?
Carrera Profesional de futuro, una de las más demandadas y con potencial de crecimiento en el contexto laboral.
Conocer los datos, analizarlos y explotarlos generando información de valor, se ha convertido en la prioridad de la práctica totalidad de las empresas que desean ser competitivas.
Dar solución a problemas de Inteligencia Artificial se debe a los avances que están permitiendo la aplicación de técnicas Machine Learning sobre datos no estructurados (imágenes, sonidos, texto…).
El análisis de datos se está convirtiendo en una competencia transversal del empleado del siglo XXI. Cuantos más conocimientos se tienen, más valor se adquiere como profesional.
La ciencia de datos permite trabajar en distintos sectores y áreas de negocio: desde la agricultura hasta la industria pasando por la logística o turismo.
Contribuir a los procesos de transformación digital de las empresas.
En colaboración con
