-
Imparte:
-
Modalidad:Presencial en Madrid
-
Precio:Gratuito
-
Comienzo:Consultar rellenando el formulario
-
Lugar:Calle Pío Felipe 12
Madrid 28038
España -
Horario:Lunes A Viernes De 09:30 A 15:00
-
Duración:600 Horas
Presentación
¿Quieres trabajar como especialista en Data Science?
Con esta formación 100% subvencionada, Adquirir destrezas en la utilización de las principales arquitecturas y herramientas tecnológicas, así como métodos matemáticos y estadísticos utilizados en ciencia de datos, integrando los conocimientos teóricos y prácticos necesarios para la práctica de la ciencia de datos, tanto en la dimensión de ingeniería como en la de análisis de datos.
Requisitos
Estar apuntado como demandante de empleo dentro de la Comunidad de Madrid
Recomendable poseer una titulación mínima de formación reglada en Grado Medio, Eso o
equivalente.
Pasión por este sector y deseos de dedicarse profesionalmente en entornos de Data Science
Dirigido
Personas desempleadas y apuntadas como demandantes de empleo dentro de la Comunidad de Madrid
Objetivos
Desenvolverte en el ecosistema directivo de una empresa para descubrir cómo puede apoyar el análisis de datos a cada área funcional.
Tomar decisiones de negocio más ajustadas a la realidad de tu empresa, industria y momento económico.
Dirigir la estrategia de análisis y explotación de datos de una empresa y plantear modelos
predictivos.
Introducir la innovación en tu área de influencia con iniciativas apoyadas en datos.
Liderar un equipo técnico especializado en Data Science y Big Data.
Transformar organizaciones tradicionales en negocios data-driven orientados a resultados.
Programa
Introducción a la Ciencia de Datos
1.Introducción: conceptos de Data Science.
2.Pasos en el análisis de datos
3.El ciclo de vida del dato
4.Calidad del dato
5.Tecnologías Big Data.
6.Modelos analíticos.
7.Storytelling: poner en valor y transmitir los resultados del análisis
Herramientas del Científico de Datos
1.Fundamentos de Python
2.Librerías para ciencia de datos.
3.Procesamiento de datos y visualización con Python
4.SQL para Ciencia de Datos
Exploración y Análisis de Datos
1.Análisis exploratorio y descriptivo de datos
2.Probabilidad e inferencia estadística
3.Modelos lineales y aprendizaje estadístico
4.Regresión logística, modelos restringidos de Ridge y Lasso y gradiente
Aprendizaje Automático
1.Herramientas para Aprendizaje Automático
2.Técnicas y aplicaciones del aprendizaje supervisado
3.Técnicas y aplicaciones del aprendizaje no supervisado
4.Modalidades y técnicas de Deep Learning
Aplicaciones del Aprendizaje Automático
1.Aprendizaje Automático Supervisado
2.Aprendizaje Automático No Supervisado
3.Aprendizaje Semi-Supervisado y por Refuerzo
4.Casos de Uso
¡Infórmate ahora sin compromiso!
