Descubre soluciones entre los datos para enfrentar los desafíos del negocio
El desarrollo constante de tecnologías, aplicaciones y programas exige cada vez más un abanico de diferentes profesionales dedicados a la ciencia de datos con conocimientos y herramientas actualizadas.
Resumen del programa
La ciencia de datos, un campo interdisciplinario que incluye las matemáticas, la estadística, la informática y otros conocimientos científicos, trata de extraer información procesable de los grandes y crecientes volúmenes de datos que generan las organizaciones en la actualidad. Los científicos de datos preparan datos para analizar y procesarlos, realizan análisis de datos avanzados y posteriormente presentan sus resultados para revelar patrones y permitir a las partes interesadas sacar conclusiones informadas.
¿Eres un profesional que busca aprovechar las oportunidades emergentes en el campo de la ciencia de los datos?
Aquellos profesionales que tengan experiencia en computación, análisis de datos, matemáticas, programación o estadística y quieran incrementar sus habilidades con los datos se beneficiarán enormemente de este certificado.

Sobre el programa:
Nuestro certificado en Data Science de ocho meses busca proporcionar a los participantes marcos teóricos sólidos en áreas clave de especialización dentro del campo. Impartido por expertos de la industria, el programa guiará a los participantes a través de los principios básicos, las herramientas y las últimas tendencias, culminando con una inmersión profunda en la inteligencia artificial y machine learning.
El programa está estructurado en las siguientes áreas de conocimiento:
Data Engineering
Profundizarás en la comprensión, gestión, elaboración de informes y aprovechamiento de datos. También aprenderás la historia y los principios de los sistemas de bases de datos, cómo limpiar los datos en bruto y cómo utilizar SQL para cargar y consultar datos en las bases de datos.
Python para Data Science
En nuestro curso de ocho semanas de Python para Data Science, podrás crear modelos persistentes para despliegue con API o para puntuación por lotes.
Estadística para Data Science
Aprenderás a programar y encontrar tendencias significativas y predictivas en los datos. Te brindaremos las herramientas para resolver problemas de ciencia de datos, llevándote más lejos en el mundo del aprendizaje automático. Al final del curso, serás capaz de presentar una evaluación de principio a fin utilizando análisis exploratorios, reducción de dimensiones, así como
Inteligencia Artificial y Machine Learning
Al introducirte en las matemáticas y la teoría del aprendizaje automático, obtendrás conocimientos clave en la investigación y exploración de datos, el aprendizaje supervisado y no supervisado, y la transformación de big data en inteligencia procesable.

Storytelling y Visualización de Datos Estratégicos
Este programa online te proporcionará las técnicas y herramientas que necesitas para convertir la información en relatos convincentes. A lo largo de ocho semanas, aprenderás el arte de transmitir datos de forma significativa para apoyar la toma de decisiones.
Metodologías y técnicas:


Tras completar el programa serás capaz de:
- Construir y extraer información de las bases de datos de los documentos
- Diseñar códigos que se ejecuten simultáneamente utilizando funciones de multiprocesamiento y multihilo
- Comprender RStudio y sus aplicaciones
- Usar lenguajes de scripting, como Python, para procesar, visualizar y analizar grandes series de datos e implementar soluciones de aprendizaje automático.
Conoce a tus instructores

Ashish Pujari es líder de datos y análisis, estrategia de IT y consultoría tecnológica. Como Director de Análisis en GLG, Pujari lidera el diseño y la implementación de inteligencia empresarial, análisis predictivo y visualización. Antes de unirse a GLG, Pujari ocupó el cargo de Vicepresidente de Arquitectura de Análisis en CNA Insurance, donde fue responsable de las plataformas de análisis de seguros y de la estrategia de datos. Pujari está especializado en análisis de big data, cloud computing, desarrollo de algoritmos, diseño de aplicaciones, bases de datos, gestión de decisiones y tecnologías de visualización. Ha sido consultor tecnológico en campos como las finanzas, la banca, los seguros y la atención al cliente en Europa, Norteamérica y Asia.

Brian Craft es un científico de datos con años de experiencia en la industria. En su papel como científico de datos en Conagra Brands, se centra en la ampliación de sus capacidades de machine learning y desarrolla modelos para entender el comportamiento de compra del consumidor e identificar las nuevas tendencias de ingredientes y sabores.

Gregory Bernstein es científico de datos en Kinexon Sports and Media, una pequeña rama de una empresa basada en Alemania que se dedica a la manitorización de los movimientos de atletas de equipos de la NBA, NFL y otras ligas profesionales. También asesoran sobre la gestión de carga y la optimización de rendimiento en partidos. Bernstein disfruta de los entornos de startup y realiza modelación analítica, reportaje/visualización, y desarrollo de productos. Tiene un BA en escritura creativa y economía de Lafayette College (2012) y un Master of Science en analítica de la Universidad de Chicago (2019). Además del deporte, Bernstein es un aficionado de la enseñanza y educación, y ha trabajado con el Princeton Review como asistente de profesores para MS Analytics Program y Booth School of Business.

Shree Bharadwaj trabaja en West Monroe, una consultora de gestión. Cómo profesional especializado en M&A Data y AI, asesora a empresas de capital privado y de riesgo, y a ejecutivos de alto nivel sobre la creación de valor, las sinergias posteriores al cierre, y las estrategias de datos y análisis (BI/AI) orientadas a resultados. En su puesto anterior como líder ejecutivo en Syndigo, dirigió la estrategia de datos, el área de ciencia de datos, una plataforma de nueva generación y las operaciones de fusiones y adquisiciones. Su especialidad gira en torno a la innovación; la estandarización, el desarrollo y la puesta en marcha de modelos de aprendizaje automático; la ingeniería de datos a escala utilizando plataformas locales y en la nube; las visualizaciones eficaces de datos; el diseño basado en modelos, y el pensamiento algorítmico. Bharadwaj fue elegido miembro de la Junta de Arquitectura de Estándares Globales en GS1, donde trabajó con líderes de la industria mundial para desarrollar estándares, hojas de ruta, y requisitos de gobernanza y cumplimiento para los servicios de alimentación, el sector de sanidad, el comercio minorista, la cadena de distribución y las verticales CPG/FMCG. Tiene experiencia en múltiples industrias, entre ellas, AdTech, EdTech, FinTech, MarTech, salud, seguridad pública, venta al por menor, y el sector de telecomunicaciones en organizaciones que van desde startups a las de Fortune 100.

El Dr. Utku Pamuksuz es investigador en inteligencia artificial (IA) y experto en data science, análisis de negocio, matemáticas aplicadas y machine/deep learning. Ha intervenido como ponente en seminarios académicos y profesionales de Europa, Asia y EE. UU. sobre la aplicación y el desarrollo del análisis de datos en las áreas de gestión, finanzas, estrategia, sanidad, marketing cuantitativo e e-commerce, tanto para presentar el tema principal de los coloquios como para profundizar y aportar información más detallada. El Dr. Pamuksuz ha trabajado como científico de datos sénior en State Farm y en W.W. Grainger. Además, cofundó Inference Analytics en 2018.

Bridget Sheahan trabaja como vicepresidenta de análisis e información en Vericast, una empresa global de servicios de marketing y medios de comunicación. Su función consiste en dirigir a los equipos de servicios de análisis, innovación de datos y ciencia de datos. Antes de este cargo en Vericast, Bridget ocupó varios puestos relacionados con la analítica, incluido el de directora ejecutiva de Client Analytics, y antes de incorporarse a Vericast, desempeñó numerosas funciones de analítica en empresas multinacionales estadounidenses de unidades múltiples.
Career Outlook
Impulsado por el creciente volumen de datos y la adopción de sofisticadas herramientas para gestionarlos, se espera que el mercado de data science crezca a una tasa de 26,9% hasta 2027. Ya sea la ingeniería de datos, la estadística, la inteligencia artificial, el aprendizaje automático (ML) o la codificación en Python, estos campos en rápida expansión cuentan con una gran demanda de profesionales calificados. En el caso de funciones en IA y ML, el Foro Económico Mundial las ha clasificado como los empleos más demandados actualmente. En cuanto a los estadísticos, se espera que su empleabilidad aumente un 33% en la próxima década. La programación en Python, uno de los lenguajes de programación más populares, ha experimentado un salto significativo en el número de empleos disponibles: de 70.242 puestos en septiembre de 2019 a 79.942 en febrero de 2021. Se estima que los puestos en el campo de la ingeniería de datos crecerán un 50% año tras año.
1
La posición de Python entre los lenguajes de programación que los desarrolladores más quieren aprender
26.9%
La tasa de crecimiento anual compuesto de las plataformas de data science en el mundo entre 2020 y 2027
- Analytics Consultant
- AI Engineer
- AI Specialist
- Big Data Engineer
- Business Intelligence Developer
- Business Intelligence Engineer
- Computer Vision Engineer
- Data Architect
- Data Insight Analyst
- Data-Mining Analyst
- Data Scientist
- Database Administrator
- Entry-Level Software Developer
- GIS Analyst
- Junior Python Developer
- Machine Learning Engineer
- Machine Learning Researcher
- Machine Learning Specialist
- Python Full-Stack Developer
- Quality Assurance Engineer
- Senior Python Developer
- Statistician
Proceso de Admisión
1
Candidatura
Paga la tasa de candidatura (no reembolsable) y rellena el formulario de solicitud.
2
Entrevista
Recibe una llamada para una entrevista con nuestro equipo de admisiones.
3
Resultados
Nuestro Comité de Admisión te informará de la decisión final*.
*(2 días laborables máx)