(MiDS&AI Blended by CESTE) Master in Data Science & Artificial Intelligence
Clase
El primer Máster en Aragón que une los conocimientos técnicos y la visión de negocio necesarios para triunfar en el área de mayor impacto y crecimiento en la actualidad.
La explosión tecnológica del Big Data y la Inteligencia Artificial ha conducido a una situación de fuerte demanda de Científicos de Datos. En este área profesional la tendencia salarial continúa al alza debido a la feroz búsqueda de talento tecnológico en sectores que se están transformando digitalmente, en el ecosistema startup y por el creciente número de profesionales que trabajan en remoto para empresas extranjeras con salarios muy bien remunerados.
El MiDS está llamado a ser el Master de referencia en Aragón, y a futuro nacional e internacionalmente, por el nivel de su profesorado, la exigencia a los alumnos en un desarrollo curricular tan multidisciplinar y completo, así como la metodología del caso práctico utilizada.
Nuevos perfiles profesionales
- big data engineer_Es la persona más enfocada en habilidades de ingeniería y en el desarrollo de los lenguajes de programación pertinentes para conseguir llegar al objetivo en cada reto de Data Science, sabiendo qué tecnología y sobre qué base trabajar.
- data scientist_Es la persona que tiene un mayor conocimiento de programación que un Estadístico, y sabe más Estadística que un Ingeniero de Software. Es la figura encargada de hacer el afinamiento de los modelos matemáticos y estadísticos aplicados a los datos. Conlleva aplicar conocimientos teóricos de Estadística y Algoritmos para encontrar la mejor manera de resolver un reto o problema planteado por la organización.
- data visualization specialist_Perfil responsable del diseño y creación de visualizaciones de datos de gran impacto.
- big data business consultant_Es la persona que navega y desarrolla reportes y visualizaciones que explican los principales aprendizajes que los datos esconden. Dentro de esta disciplina, esta posición suele ser ocupada por personas con menor experiencia, como paso previo para convertirse en data scientist. En concreto, los Business Analysts son un grupo similar a los Data Analysts, aunque más enfocados a analizar las consecuencias que las decisiones pueden comportar en el negocio (por ejemplo, decisiones sobre carteras de inversión).
- big data architect_Es la persona que posee conocimientos de infraestructura de sistemas de información de la compañía (Bases de Datos, Data Lake, Clusters, Comunicaciones, etc..) y realiza el diseño, despliegue y gestión de la arquitectura de big data. Responsable de la plataforma y de su operativa.
¿Por qué MiDS&AI en CESTE?
- Calidad docente
- Perspectiva de negocio
- Enfoque en las capacidades para los puestos actuales
- Método de reto empresarial
- Formación completa
- Acceso directo al sector
- Certificaciones profesionales
Orientado a
- Recién graduadas/os en Ingeniería, Informática, Matemáticas y/o Estadística que quieren convertirse en jefe de proyectos de Inteligencia Artificial, Científica/o, Ingeniera/o o Arquitecta/o de Datos.
- Profesionales de sectores afines con dicha formación ya superada y con experiencia demostrada que quieren poner en marcha nuevos proyectos de Inteligencia Artificial y de Tranformación Tecnológica.
- Responsables de negocio, responsables de transformación y mandos intermedios que quieren conocer cómo la IA puede transformar el negocio.
- Empresas que deseen formar a sus profesionales para el liderazgo y desarrollo de nuevos productos y servicios de transformación digital.
Metodología
Las pruebas de autoevaluación continua y las sesiones online de tutoría se diseñan para garantizar un acompañamiento de calidad con el objetivo de motivarte a imponerte retos ambiciosos de aprendizaje.
- En esta modalidad podrás realizar las sesiones formativas en el horario que mejor se ajuste a tus necesidades.
- Las sesiones de la plataforma online estarán siempre disponibles para que puedas consultarlas cuando desees.
- Contarás con herramientas profesionales para el desarrollo de todas tus entregas y seguimiento de los contenidos en clase.
- Recibirás un seguimiento y acompañamiento por parte de tu tutor a través de la plataforma.
Titulación
Los alumnos que superan con éxito el programa reciben automáticamente la siguiente titulación:
Máster in Data Science & Artificial Intelligence (MiDS&AI)
Duración e inicio próxima edición
Fecha de inicio: 10 de enero
Duración: 25 semanas
Una vez haya realizado el pago contactaremos con usted para completar el Proceso de Admisión.
Aquí tienes el esquema de la clase:
1. ENCUESTASMejora continua |
2. Módulo I: DATA VISIONBLOQUE NEGOCIO Unidad Temática 1: Introducción a la Inteligencia Artificial DANIEL JESUS COLOMA BAIGES |
3. Módulo II: DATA STRATEGYDANIEL JESUS COLOMA BAIGES JORGE RAÚL GÓMEZ |
4. Módulo II: DATA STRATEGYBLOQUE NEGOCIO Unidad Temática 7. Datos, IA y salud EDUARDO HORNA |
5. Módulo III: DATA PROJECTSBLOQUE NEGOCIO Unidad Temática 9: Metodología Agile para equipos de Ciencia de Datos. Unidad Temática 10: Agile, una nueva mentalidad. Unidad Temática 11: Frameworks/Prácticas en Agile. Unidad Temática 12: Modelo operativo. Iniciando el viaje en Agile. Unidad Temática 13: Taller Practico. JESUS LOBO |
6. Módulo IV: DATA SECURITYBLOQUE NEGOCIO Unidad Temática 8: Ciberseguridad en proyectos de IA PABLO BALLARIN |
7. Módulo V: VISUALIZACION DE DATOSBLOQUE NEGOCIO Unidad Temática 14: Introducción a la Visualización de grandes volúmenes de datos. Unidad Temática 15: Toma de decisiones basadas en datos. RUBÉN HERMOSO |
8. Módulo V: VISUALIZACION DE DATOSBLOQUE NEGOCIO Unidad Temática 16: Geovisualización de datos y Storytelling Unidad Temática 17: El reto de diseñar información y cómo mostrar los datos en mapas Unidad Temática 18: Data Story Telling JOSE LUIS MUÑOZ CHAIN/ JORGE CRESPO |
9. Módulo IV: CIENCIA DE DATOS Y MACHINE LEARNINGBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) DANIEL RUIZ |
10. Módulo V: MACHINE LEARNING: APRENDIZAJE NO SUPERVISADOBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) ALBERTO BECERRA |
11. Módulo VI: MACHINE LEARNING: APRENDIZAJE SUPERVISADOBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) EDUARDO SANCHEZ |
12. Módulo VII: DEEP LEARNING, DATOS SECUENCIALES Y NLPBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) PABLO GOMEZ GUERRERO |
13. Módulo VIII: DEEP LEARNING PARA COMPUTER VISIONBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) JORGE RAÚL GÓMEZ |
14. Módulo IX: REINFORCEMENT LEARNINGBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) ENRIQUE BLANCO |
15. Módulo X: INTRODUCCIÓN A LA INTELIGENCIA ESPACIALBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) JOSE LUIS MUÑOZ CHAIN/ JORGE CRESPO |
16. Módulo XI: CLOUD IBM: INTRODUCCIÓN AL QC Y PRIMERAS APLICACIONES DE MLBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) JAVIER MACHIN |
17. Módulo XII: CLOUD IBM: Programación cuántica con QISKITBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) JAVIER MACHIN, GINES CARRASCAL, RICARDO STEFANESCU, CARMEN PELLICER LOSTAO |
18. Módulo I: ARQUITECTURAS DE BIG DATA Y CLOUD COMPUTINGBLOQUE TECNOLÓGICO (TECH) (ARQUITECTURA) Unidad Temática 1: Introducción al Cloud Computing y AWS Unidad Temática 2: Servicios de AWS para Big Data EDUARDO BAYÓN PERALES |
19. Módulo II: DOCKER Y KUBERNETESBLOQUE TECNOLÓGICO (TECH) (ARQUITECTURA) Unidad Temática 1: Introducción a Docker Unidad Temática 2: Kubernetes GINÉS CARRASCAL DE LAS HERAS |
20. Módulo III: BLOCKCHAIN EMPRESARIALBLOQUE TECNOLÓGICO (TECH) (ARQUITECTURA) Unidad Temática 1: Blockchain Empresarial Unidad Temática 2: Soluciones Unidad Temática 3: Plataformas Unidad Temática 4: Diseño de Aplicaciones Unidad Temática 5: Componentes Unidad Temática 6: HyperLedger Fabric Unidad Temática 7: Arquitectura ARANTZA MARQUÉS GARCÍA |
21. Módulo XIII: El ecosistema Hadoop + SparkBLOQUE TECNOLÓGICO (TECH) (ARQUITECTURA DE DATOS) PAULO VILLEGAS |
22. Módulo XIV: Motores Analiticos en spark + talleres prácticosBLOQUE TECNOLÓGICO (TECH) (CIENCIA DE DATOS) PAULO VILLEGAS |
23. Módulo XV: Machine Learning en SparkBLOQUE TECNOLÓGICO (TECH) (INGENIERIA DE DATOS) PAULO VILLEGAS |
24. Módulo XVI: Grafos y análisis de redes, bbdd nosql Neo4j y Spark GraphXBLOQUE TECNOLÓGICO (TECH) (INGENIERIA DE DATOS) ALEJANDRO TRUJILLO CABALLERO |
25. Módulo XVII: Bases de datos NoSQL con MongoDBBLOQUE TECNOLÓGICO (TECH) (INGENIERIA DE DATOS) FERMIN GALAN |
26. Módulo XVIII: Internet de las cosasBLOQUE TECNOLÓGICO (TECH) (INGENIERIA DE DATOS) PEDRO PEREZ LATORRE |
27. INFORMACIÓN DEL CURSOInformación general del curso |
28. Módulo extra: DATA VISIONBLOQUE NEGOCIO Unidad Temática 2: Big Data, Algoritmos de Machine Learning e Inteligencia Artificial para el negocio. ALEJANDRO LLORENTE PINTO |
29. Módulo extra: DATA STRATEGYBLOQUE NEGOCIO Unidad Temática 3: La Inteligencia Artificial y los nuevos paradigmas negocio JAVIER ORUS LACORT |
30. Módulo extra: DATA ECONOMYBLOQUE NEGOCIO Unidad Temática 5. Big Data, Inteligencia Artificial y su aplicación empresarial Unidad Temática 6. ‘Big Data’ en ‘Big Companies’ JUAN CUENCA GONZÁLEZ |
31. Módulo extra: DATA STRATEGYBLOQUE NEGOCIO Unidad Temática 4. La transformación de las Organizaciones a través del Big Data MARIO MIRAVETE |