Master en Inteligencia Artificial y Ciencia de Datos (Online)

Convocatoria
2025
Periodo lectivo
Fechas de inicio: 26 Mar | Oct
Duración

12 meses (450 h. + proyecto)

Localidad
Madrid
Modalidad
Online
Precio

12.000€ (incluye alojamiento y desayuno en hotel y almuerzo en EOI)

 

Consulta aquí DESCUENTOS Y BONIFICACIONES (hasta 40%)

VER FOLLETO

 

Solicitar información

PRESENTACIÓN

En este mundo globalizado donde la disrupción digital está provocando la generación de datos procedentes de múltiples fuentes, todo tipo de organizaciones necesitan de profesionales capaces de extraer conocimiento o patrones de dichos datos de tal forma que puedan ser utilizados para tomar decisiones informadas. 

Para ello, necesitarán usar técnicas estadísticas, matemáticas y de programación para recolectar, analizar e interpretar estos grandes conjuntos de datos dentro de un proceso de Ciencia de Datos que consta de las siguientes etapas:

  • Recolección de datos: Ingesta, integración y almacenamiento.
  • Limpieza y preparación de datos: Preparar los datos para su análisis eliminando errores o datos incompletos.
  • Modelado y análisis de datos: Utilizar modelos estadísticos y algoritmos para entender los datos.
  • Visualización y comunicación de datos: Crear representaciones visuales de los análisis para facilitar la comunicación y comprensión por parte de la audiencia.
  • Toma de decisiones basada en datos: Aplicar los conocimientos extraídos para tomar decisiones estratégicas.

El Máster en Inteligencia Artificial y Ciencia de Datos combina rigurosa teoría y práctica aplicada asegurando que los participantes no solo comprendan los principios detrás de estas tecnologías, sino que también sean capaces de implementar soluciones innovadoras en sus propios campos de trabajo. 

El objetivo del programa por lo tanto es preparar profesionales capaces de liderar la transformación digital, aplicando la ciencia de datos y la IA para crear valor real y sostenible.

Dirigido a

Contenidos

BLOQUE 1. INTRODUCCIÓN E INTEGRACIÓN DE DATOS

FUNDAMENTOS DE BIG DATA E INTELIGENCIA ARTIFICIAL

  • Definición, Componentes y Tipología de Sistemas de Inteligencia de Negocio.
  • Contextualización y Diseño de Sistemas de Inteligencia de Negocio.
  • Fuentes y Calidad de los Datos.

INTRODUCCIÓN AL TRATAMIENTO Y ANÁLISIS DE DATOS CON PYTHON

  • El lenguaje de programación Python.
  • Captación, fuentes de datos y formatos. Procesos ETL: Archivos, bases de datos
  • Acceso a datos Web
  • Servicios Web y APIs

DISEÑO Y EXPLOTACIÓN DE BASES DE DATOS RELACIONALES

  • Nociones básicas del modelo relacional: 
  • Modelo conceptual, modelo lógico y modelo físico
  • Introducción al lenguaje de consultas estructurado SQL: DDL, DML, DCL
  • Análisis de datos con SQL

TECNOLOGÍAS DE ALMACENAMIENTO ESCALABLE

  • Introducción a las bases de datos NoSQL: origen, evolución y contexto histórico
  • Persistencia poliglota: escoger el modelo de datos más adecuado para cada problema.
  • Modelos de Agregación: características, tipos (clave-valor, documental y orientado a columnas) consideraciones de diseño y casos de uso.
  • Modelos en grafo: características, consideraciones de diseño y casos de uso.
  • Sistemas distribuidos: definición, tipos (cliente/servidor, peer-to-peer…), estrategias de
  • distribución (fragmentación y replicación) y consistencia de datos (ACID vs BASE).
  • Ejercicios y ejemplos usando bases de datos NoSQL: MongoDB y Neo4J.
BLOQUE 2. INTEGRACIÓN DE DATOS

PROCESAMIENTO DISTRIBUIDO CON APACHE SPARK

  • Framework de computación en cluster Apache Spark
  • Spark SQL
  • Spark Streaming
  • Spark MLib
BLOQUE 3. EXPLOTACIÓN DE DATOS. VISUALIZACIÓN DE DATOS

VISUALIZACIÓN DE DATOS & DATA STORYTELLING

  • Fundamentos de la visualización de datos
  • Aprender los fundamentos de la visualización que deben guiar nuestras historias basadas en datos
  • Primeros pasos con las herramientas de visualización de datos: Tableau
  • Conocer los aspectos clave a tener en cuenta para comunicar nuestro mensaje con efectividad: Data Storytelling

VISUALIZACIÓN DE DATOS CON POWERBI

  • Visualizando datos con PowerBI
  • Conectando a orígenes de datos
  • PowerQuery: El lenguanje M
  • Modelando datos con DAX
  • Creando y publicando informes
BLOQUE 4. EXPLOTACIÓN DE DATOS. ANALÍTICA AVANZADA

INTRODUCCIÓN A LA ESTADÍSTICA CON R

  • Introducción a la estadística: Análisis y descripción de datos
  • Contrastes de hipótesis
  • Estimación de intervalos de confianza
  • Entrenamiento con R

INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO

  • Aprendizaje supervisado y no supervisado.
  • Clustering y clasificación. Técnicas y medidas de calidad.
  • Herramientas de aprendizaje automático, visualización.
  • El ciclo de la minería de datos.

SISTEMAS RECOMENDADORES DE PRODUCTOS

  • Introducción a los sistemas de recomendación
  • Sistemas de recomendación clásicos: “El carrito de la compra”
  • Sistema de recomendación personalizados
  • Caso de uso real

INTRODUCCIÓN AL NLP. IA Aplicada a los procesos de negocio

  • Introducción a los conceptos básicos del NLP.
  • Carga, preprocesado y modelización de corpus de textos.
  • Uso de librerías de Deep Learning para tareas de clasificación de documentos, análisis de sentimientos, generación automática de resúmenes, etc.
  • Aplicaciones prácticas
  • Ingeniería de prompts
  • Herramientas (GPT-X, Gemini, Midjourney, etc.)

DEEP LEARNING: TEORÍA DE REDES NEURONALES

  • Historia y evolución del Deep Learning.
  • Aplicaciones y casos de éxito en la industria y la investigación.
  • Estructura y componentes de una red neuronal.
  • Propagación hacia adelante y hacia atrás.
  • Descenso del gradiente y optimización.
  • Implementación de las Redes Neuronales Artificiales: Tensorflow y Keras.
  • Otras arquitecturas de Redes Neuronales. (CNN, RNN, autoencoders)
  • Arquitecturas de transformers

MODELOS SECUENCIALES

  • Introducción a los modelos secuenciales 
  • Diferencias entre modelos secuenciales y tradicionales 
  • Redes neuronales recurrentes (RNNs) y sus variantes: 
  • LSTM 
  • GRU 
  • Desafíos en los modelos secuenciales
BLOQUE 5. CASOS DE USO

CASO ANALÍTICA EN EL SECTOR AGROALIMENTARIO

  • Introducción de la tecnología aplicada en el sector
  • Aplicación del IoT, gamificación, etc. en la operativización
  • Análisis de datos predictivos para la toma de las decisiones

CASO ANALÍTICA DE MARKETING

  • Aplicación al Marketing Digital
  • Campañas con públicos seleccionados
  • Selección de Clientes mediante Modelos de Propensión

CASO ANALÍTICA FINANCIERA

  • Conceptos financieros y de riesgos
  • Aplicación práctica de BI y BIGDATA a la visión financiera/riesgos
  • Obtención y preparación de datos financieros y de riesgos
  • Modelos estadísticos para maximizar el RAR (Rentabilidad ajustada al Riesgo) y para inferir el riesgo de operaciones financieras.

EXPLORANDO LA CAJA NEGRA: INTERPRETABILIDAD Y EXPLICABILIDAD EN MODELOS DE DEEP LEARNING

  • Introducción a la interpretabilidad y explicabilidad.
  • Métodos de interpretación en redes Fully Connected
  • Métodos de interpretabilidad en modelos de imagen.
  • Métodos de interpretabilidad en modelos recurrentes.
  • Modelos de Deep learning con explicabilidad incorporada
  • Evaluación y comparación de métodos de interpretabilidad de modelos Deep Learning.

MLOps

  • Introducción a MLOps y Ciclo de Vida de Modelos de Machine Learning
  • Gestión de Datos y Versionado
  • Automatización de Pipelines de Machine Learning
  • Monitoreo y Mantenimiento de Modelos en Producción
  • Estudios de Caso y Mejores Prácticas

GESTIÓN Y GOBIERNO DE DATOS

  • Introducción a la gestión de datos
  • Gobierno de datos: Índice de madurez del dato
  • Gestión de la Calidad del dat
  • Gestión de Metadatos
  • Definiendo e Implementado un programa de gobierno en la organización
PROYECTO FIN DE MÁSTER

El proyecto consiste en la realización de un trabajo de aplicación práctico en grupo (4/5 alumnos) y tiene una duración estimada de 200 horas. 

Metodología

Con una dilatada experiencia en formación e-learning, desde 1997, en EOI Escuela de Organización industrial, para nuestros master online, proponemos una metodología mixta, que conjuga el trabajo a distancia y la presencialidad, y es totalmente compatible con actividades personales y profesionales. La metodología EOI te aportará todos los elementos necesarios para reproducir en un entorno real tu paso por la escuela.

SESIONES ONLINE

La metodología online de EOI garantiza la misma calidad docente que el formato presencial, con un enfoque flexible e innovador que rompe con las barreras geográficas y la incompatibilidad de horarios. Fomentamos la interacción constante entre alumnos y profesores. El desarrollo del trabajo se distribuye según una rigurosa planificación y evaluación.

FASE PRESENCIAL

Durante una estancia de una semana en Madrid, teoría y práctica se dan la mano mediante el estudio, análisis y desarrollo de multitud de supuestos y casos prácticos que permiten al participante consolidar sus conocimientos, orientarlos a la acción y vivir experiencias similares a las que experimenta en su desempeño profesional. Esta etapa formativa se compone de diversas actividades tales como:

  • Ponencias
  • Conferencias y mesas redondas
  • Talleres
  • Trabajo en proyecto
Claustro
Alberto
Turégano

Asesor de compañías en proceso de transformación digital – Líderes y Digitales

Perfil en LinkedIN

Valvanera
Castro

Senior Innovation Consultant - Talenmo

Perfil en LinkedIN

Jordi
Conesa

Profesor - Universitat Oberta de Catalunya

Perfil en LinkedIN

Ignacio
Charfolé

Head of Big Data Architecture and Delivery

Perfil en LinkedIN

Néstor
Guerra

CEO y cofundador - IEC

Perfil en LinkedIN

Alberto
Oikawa

Director Técnico del Máster en Big Data & Business Analytics - CTO Hispatec Analytics  

Perfil en LinkedIN

Javier
Pastor

Software Development Director IoT - Altair

Perfil en LinkedIN

 

Antonio
Pita

Director en Coordinación de Transformación Digital - Liberbank

Perfil en LinkedIN

 

Iván
Pastor

Quantitative Credit Risk Analyst Modeler - Banco Santander

Perfil en LinkedIN

Carlos
Santana

Machine Learning Educator. Owner of the AI/ML educational Youtube channel DotCSV

Perfil en LinkedIN

Rus María
Mesas

Data Scientist

Perfil en LinkedIN

José Luis
Calvo

Director Inteligencia Artificial - Sngular

Perfil en LinkedIN

Rafael
Zambrano

Head of Applied Science - Openbank

Perfil en LinkedIN

Daniel
Burrueco

Business Intelligence & Machine Learning Consultant

Perfil en LinkedIN

jose novo.jpeg
Jose
Novo

Data scientist & data analytics - O2 España

Perfil en LinkedIN

mario renau.jpeg
Mario
Renau

Lead Data Engineer - Alstom

Perfil en LinkedIN

José
Arcos

Data Engineer & Data Scientist en Indizen - Technology & Business Confluence

Perfil en LinkedIN

Sergio Couto
Sergio
Couto

Senior Cloud & Data Engineer - Adevinta Spain

Perfil en LinkedIN

Miguel García Mena
Miguel
García

Experto Análisis Big Data - Telefónica

Perfil en LinkedIN

Bartolomé Manobel Ponce
Bartolomé
Manobel

Data Scientist - Technical Leader at Indizen - Scalian Spain

Perfil en LinkedIN

Ver más profesores

¿Cómo solicitar admisión?

Si deseas solicitar la admisión en el programa, completa el formulario de admisión y envíalo junto con tu CV o enlace a tu perfil de LinkedIn actualizado. Nos pondremos en contacto contigo para informarte de los siguientes pasos.

Solicita admisión

Puedes consultar aquí información detallada del proceso de admisión y matriculación en nuestros programas.

#eoiteayuda: Bonificaciones y Descuentos

EOI, como Fundación Pública comprometida con la formación y el talento ofrece, a través del programa #eoiteayuda, un amplio abanico de descuentos y bonificaciones con el fin de facilitar el acceso a la formación, al mayor número posible de candidatos. Estas bonificaciones pueden llegar a cubrir el 40% del precio total del curso.

Convocatoria de becas y descuentos disponibles: Más información