Data Science Bootcamp

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!

El programa Data Science Bootcamp puede cursarse de forma completa o de manera modular. Elige el formato de curso que mejor se adapta a tus necesidades.

Módulo 0: Introducción a la programación

• Introducción y operaciones básicas.
• Mutaciones, Alias y Clonación de Listas.
• Control de Flujo y Condicionales.
• Iteraciones.
• Funciones.
• Módulos y Archivos.
• Ejercicios Prácticos.

Módulo 1: Introducción a la Inteligencia Artificial

• Introducción.
• Evolución histórica – ¿Por qué ahora?
• Posibilidades y límites de la Inteligencia Artificial.
• Ejemplos Prácticos.

»Solicita información sobre este módulo

Módulo 2: Procesamiento y visualización de datos

• 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.

»Solicita información sobre este módulo

Módulo 3: 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.

»Solicita información sobre este módulo

Módulo 4: Plataformas, bases de datos y procesamiento en la nube

• Bases de datos relacionales y no relacionales.
  • SQL
  • MondoDB
  • Neo4j
• Procesos ETL.
• Procesamiento en Azure, AWS y Google

»Solicita información sobre este módulo

Módulo 5: 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.

»Solicita información sobre este módulo

Módulo 6: Calidad del dato

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

»Solicita información sobre este módulo

Módulo 7: Machine learning

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

»Solicita información sobre este módulo

Módulo 8: Deep learning

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

»Solicita información sobre este módulo

Módulo 9: Visualización de datos

• Introducción a la excelencia y visualización de datos.
• Power BI.
• Casos prácticos.

»Solicita información sobre este módulo

Módulo 10: Proyecto/Reto final

• Proyecto final sobre Big Data y/o Inteligencia Artificial.
• Reto final donde varias empresas presentarán sus retos para que los alumnos busquen una solución como proyecto final.

• 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.

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.