MÁSTER EN DATA SCIENCE & BIG DATA

Postgraduate programme

MÁSTER EN DATA SCIENCE & BIG DATA

Offered by MIOTI

AT HOME, ON-CAMPUS: Direct university enquiry No obligation

Home The Role of Technology in Education and Training in the UK

Programme overview

Why choose this programme?

Con el Máster en Data Science & Big Data asentarás las bases de la ciencia de los datos, desde el pre-procesamiento de los datos hasta los principales algoritmos de análisis predictivo. Usarás Tensorflow, Numpy, Prophet, Spark, Pandas, Keras… además de estadística y Python para poder trabajar con datasets.

¿Por qué Data Science?

- Nº1 Data Scientist es la demanda de trabajo número 1 en el mayor portal de empleo especializado y seguirá en esa posición en los próximos años.

Fuente: Glassdoor.

- Según LinkedIn, se ha producido un aumento del 650% en los puestos de trabajo de la ciencia de los datos desde 2012.

Fuente: LinkedIn.

Algunas de las salidas profesionales que estarán
a tu alcance:

- Data Scientist
- Data Analyst
- Data Engineer
- Business Analyst
- Machine Learning Expert

Modality

AT HOME, ON-CAMPUS:

Tuition fee

€9,450

Dates and duration

5 Meses / 240 Horas

Next Date: Septiembre 2026

Career opportunities

Where this programme can take you


Algunas de las salidas profesionales que estarán
a tu alcance:

- Data Scientist
- Data Analyst
- Data Engineer
- Business Analyst
- Machine Learning Expert

SYLLABUS

Módulo 1: Máster en Data Science & Big Data

- Data Science Fundamentals: Introducción a conceptos fundamentales de Data Science. Presentación del marco de referencia general.

- Statistics for Data Science: Fundamentos de estadística necesarios para dominar la ciencia de los datos. Estadística descriptiva, contraste de hipótesis, etc.

- Data Science with Python: Python como framework del especialista de data science. Desarrollo de notebook, uso de pandas, numpy, matplotlib. Procesamiento de datos de fuentes estructuradas (CSV, REST, HSQL, Logs) y no estructuradas (Web, Spark, Cassandra).

- Data Pre-processing: Pre-procesar adecuadamente datos. Aplicación de filtros, anonimización de datos, selección de atributos, sampling y reducción de dimensionalidad.

- Data Visualization: ¿Cómo visualizar diferentes tipos de datos? ¿Qué técnicas utilizar? Uso de Matplotlib, Bokeh y Seaborn entre otras.

- Advanced Data Processing: Tratamiento de fuentes de datos. Arquitecturas de procesamiento en batch y streaming. Bases de datos (estructuradas y no estructuradas)

- Predictive Analytics: Análisis de series temporales, revisión de los mejores algoritmos. Desarrollo de casos de uso de detección de anomalías y predicción de series.

- Machine Learning I: Introducción a los problemas de clasificación y clusterización. ¿Cómo evaluar los resultados? ¿Cómo construir los datasets? Revisión de los principales algoritmos y su aplicación.

- Big Data Fundamentals: Análisis de arquitecturas y modelos de adopción con las tecnologías actuales, incluyendo procesos de ingesta, análisis y visualización de datos.

- Entrepreneurship I: Perspectiva global del proceso de creación, financiación y posibles éxitos de una startup. Herramientas para proyectos de emprendimiento.

- Machine Learning Ops: Se estudiará el ciclo de MLOps de manera práctica, tanto a nivel de desarrollo como a nivel de modelos en producción.

- Final Project: Creación de tu proyecto en grupo de ciencia de datos aplicado a la temática de tu interés o proporcionada por una de nuestras empresas colaboradoras.