Inteligencia Artificial & Ciencia de Datos MÁSTER EN
El contexto actual impone retos urgentes: formar talento con propósito, anticipar las necesidades de la industria y acompañar la transición ecológica y digital. Nuestro carácter como escuela pública nos sitúa como actor estratégico en la economía del conocimiento y la formación con impacto también en la sociedad. De nuestras capacidades y nuestros valores nace nuestro propósito:
formar talento para un futuro seguro y sostenible.
www.eoi.es
ONLINE
_02 | Inteligencia Artificial & Ciencia de Datos
INICIO Octubre
Introducción
DURACIÓN 650 horas
Modalidad Online + 1 semana Presencial en Madrid
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.
SEDE EOI Madrid
PRECIO 12.000 €
Con el fin de facilitar el acceso a su oferta formativa al mayor número de personas posible, ha diseñado el programa #eoiteayuda que contempla un amplio abanico de descuentos y bonificaciones que pueden llegar a cubrir el 40% del importe total del curso. Las convocatorias activas en: www.eoi.es/programas/becas-y-descuentos
_03 | Inteligencia Artificial & Ciencia de Datos
Tu futuro
Impulso EOI. Contarás con el apoyo de nuestro departamento de Carreras Profesionales, dedicado a facilitar tu inserción laboral y potenciar tu trayectoria profesional.
Te preparamos para los roles más demandados en el mercado laboral actual: Data Scientist, Analista de Datos o Responsable de proyectos de BI.
¿Qué vas a conseguir?
§ Dominar la tecnología: Diseñar arquitecturas de IA y manejar modelos avanzados de datos. § Predecir el futuro: Aplicar modelos analíticos y predictivos para anticipar tendencias. § Impactar en el negocio: Evaluar indicadores clave (KPIs) de todas las áreas de la organización.
_04 | Inteligencia Artificial & Ciencia de Datos
Bloque 1. Arquitectura y procesamiento de datos a gran escala _06
_01 Fundamentos de Big Data e Inteligencia Artificial
_02 Introducción al tratamiento y análisis de Datos con Python
_03 Diseño y explotación de bases de datos relacionales
_04 Arquitecturas de datos relacionales modernas con PostgreSQL
_05 Procesamiento distribuido con Apache Spark
Tecnologías de almacenamiento escablable
Nociones básicas del modelo relacional: modelo conceptual, modelo lógico y modelo físico. Introducción al lenguaje de consultas estructurado SQL: DDL, DML y DCL.
Fundamentos y PostgreSQL como plataforma moderna.
Introducción a Spark y conceptos básicos.
Introducción a las bases de datos NoSQL: origen, evolución y contexto histórico. Persistencia poliglota: escoger el modelo de datos más adecuado para cada problema.
§
§
§
§
Definición, componentes y tipología de sistemas de Inteligencia de Negocio. Contextualización y diseño de sistemas de Inteligencia de Negocio.
El lenguaje de programación Python.
§
§
§ Time Series y TigerData (TimeScaleDB).
Tipos de datos y funciones SQL.
§
Captación, fuentes de datos y formatos. Procesos ETL: archivos, bases de datos.
§
§
§
§
JSONB, Full-Text Search y Clave-Valor.
§
Operaciones avanzadas con DataFrames.
§
Acceso a datos Web.
§
Bases de datos vectoriales e IA.
§
Análisis de datos con SQL.
§ Modelos de agregación: características, tipos y consideraciones de diseño y casos de uso.
§
Fuentes y calidad de los datos.
§
Análisis avanzado y casos prácticos.
§
Servicios Web y APIs.
§
§ Arquitecturas completas y escalabilidad.
Optimización y proyecto final.
Modelos en grafo: características, consideraciones de diseño y casos de uso.
§
§
§ Sistemas distribuidos: definición, tipos, estrategias de distribucióny consistencia de datos (ACID vs BASE).
Ejercicios y ejemplos usando bases de datos NoSQL: MongoDB y Neo4J.
§
_05 | Inteligencia Artificial & Ciencia de Datos
Bloque 2. Visualización y comunicación efectiva de datos _07 Este programa contribuye a la Agenda 2030 en los siguientes ODS:
_08 Visualización de Datos & Data Storytelling
Visualización de Datos con Powerbi
Visualizando datos con PowerBI.
Fundamentos de la visualización de datos.
§
§
Conectando a orígenes de datos. PowerQuery: el lenguaje M.
§
Aprender los fundamentos de la visualización que deben guiar nuestras historias basadas en datos.
§
Modelando datos con DAX.
§
Creando y publicando informes.
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, datos, objetivos visuales y narrativa.
§
_06 | Inteligencia Artificial & Ciencia de Datos
Bloque 3. Aprendizaje automático e inteligencia artificial aplicada _10 Introducción al _11
_09 Introducción a la estadística con R
_12 Deep Learning: teoría de redes neuronales
Sistemas recomendadores de productos
aprendizaje automático
Introducción a la estadística: análisis y descripción de datos.
Aprendizaje supervisado y no supervisado.
Introducción a los sistemas de recomendación.
§ Historia y evolución del Deep Learning.
§
§
§
Aplicaciones y casos de éxito en la industria y la investigación.
§
Contrastes de hipótesis.
Clustering y clasificación. Técnicas y medidas de calidad.
Sistemas de recomendación clásicos: “El carrito de la compra”.
§
§
§
Estimación de intervalos de confianza.
Estructura y componentes de una red neuronal.
§
§
Herramientas de aprendizaje automático, visualización.
Sistema de recomendación personalizados.
§
§
Entrenamiento con R.
hacia adelante y hacia atrás.
§
§
El ciclo de la minería de datos.
Caso de uso real.
§
§
§ Descenso del gradiente y optimización.
§ Implementación de las redes neuronales artificiales: Tensorflow y Keras.
§ Otras arquitecturas de redes neuronales: CNN, RNN, autoencoders.
_07 | Inteligencia Artificial & Ciencia de Datos
Bloque 3. Aprendizaje automático e inteligencia artificial aplicada _16 _13
_14 Introducción al NLP. IA Aplicada a los procesos de negocio
_15 Grandes modelos del lenguaje (LLMs)
_17 Metodología de proyectos
Modelos Secuenciales
Automatización de procesos con N8N
Introducción a los modelos secuenciales.
Introducción a los conceptos básicos del NLP.
Prompting de LLMs.
Introducción al concepto de automatización y herramientas disponibles en el mercado.
Ideas modelos de negocio.
§
§
§
§
§
§ Recuperación y generación aumentada (RAG).
Formación de grupos de trabajo.
§
Diferencias entre modelos secuenciales y tradicionales.
Carga, preprocesado y modelización de corpus de textos.
§
§
N8N: Community vs Enterprise.
Asignación tutores.
§
§
Personalización mediante fine-tuning.
§
Redes neuronales recurrentes (RNNs) y sus variantes: LSTM y GRU.
Uso de librerías de Deep Learning para tareas de clasificación de documentos, análisis de sentimientos, generación automática de resúmenes, etc.
Flujos de N8N: nodos, workflows, triggers y ejecución.
§
§
§
Multimodalidad.
§
Agentes basados en LLMs.
Conectores clave: LLMs, Google, Webhooks, bases de datos, etc.
§
§
Desafíos en los modelos secuenciales.
§
Aplicaciones prácticas.
Manejo de datos: JSON, transformación, variables, filtros y expresiones.
§
§
Ingeniería de prompts.
§
Herramientas: GPT-X, Gemini, Midjourney, etc.
Casos de uso.
§
§
Fundamentos de los modelos de lenguaje.
§
Arquitecturas de Transformers.
§
_08 | Inteligencia Artificial & Ciencia de Datos
Bloque 4. Casos de Uso _18
_19 Caso analítica Financiera
_20 Caso analítica en el sector agroalimentario
_21
_22
Caso analítica de Marketing
MLOps
Gestión y Gobierno de Datos
Aplicación al marketing digital.
Conceptos financieros y de riesgos.
Introducción de la tecnología aplicada en el sector.
Introducción a MLOps y ciclo de vida de modelos de Machine Learning.
Introducción a la gestión de datos.
§
§
§
§
§
Campañas con públicos seleccionados.
§
Aplicación práctica de BI y BIGDATA a la visión financiera/riesgos.
Aplicación de IoT, gamificación, etc., en la operativización.
Gobierno de datos: índice de madurez del dato.
§
§
§
Gestión de datos y versionado.
§
Selección de clientes mediante modelos de propensión.
§
Análisis de datos predictivos para la toma de las decisiones.
Automatización de pipelines de Machine Learning.
Gestión de la calidad del dato.
§
§
§
Obtención y preparación de datos financieros y de riesgos.
§
Monitoreo y mantenimiento de modelos en producción.
Gestión de metadatos.
§
§
Modelos estadísticos para maximizar el RAR (Rentabilidad ajustada al Riesgo) y para inferir el riesgo de operaciones financieras.
§
Definiendo e implementado un programa de gobierno en la organización.
§
Estudios de casos y mejores prácticas.
§
_09 | Inteligencia Artificial & Ciencia de Datos
Metodolgía
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 de trabajos se distribuye según una rigurosa planificación y evaluación.
SEMANA PRESENCIAL EN ESPAÑA 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:
PROYECTO FIN DE MÁSTER Los alumnos deberán realizar un Proyecto Fin de Máster al concluir el curso, que será presentado oralmente ante un tribunal. El proyecto consiste en la realización de un trabajo de aplicación práctico en grupo. Los tutores del proyecto son profesores especialistas en los temas a desarrollar en cada proyecto.
§ Ponencias
§ Talleres
§ Conferencias y mesas redondas
§ Trabajo en proyecto
_10 | Inteligencia Artificial & Ciencia de Datos
Claustro
Antonio Pita Lozano Global Head of Consulting & Analytics LUCA TELEFÓNICA DATA UNIT
Natividad Rabazo Aunon Legal Consultant of Technological and Digital Companies
En EOI, los profesores constituyen una pieza fundamental del éxito de los cursos. El claustro está formado por directivos de empresa de reconocido prestigio profesional y comprobada trayectoria en la materia impartida, que transmiten no sólo los conocimientos teóricos, sino también su propia experiencia en la aplicación práctica de los mismos. Los profesores te acompañarán durante todo el proceso de aprendizaje y estarán a tu disposición para consultas sobre cualquier tema de las materias que imparten.
Alberto Turégano Schirmer Asesor y consultor Business Intelligence & Big Data LÍDERES Y DIGITALES
Valvanera Castro Fernández Partner ONGKAT
Borja Andrino Analista de datos EL PAÍS
Ignacio Charfole Sancho Gerente de Desarrollo, Gobierno y Arquitectura BigData TELEFÓNICA
Daniel Burrueco del Río Business Intelligence & Machine Learning Consultant
Jordi Conesa i Caralt Profesor UOC
José Luis Calvo Salanova Director Inteligencia Artificial SNGULAR
Sergio Couto Ingeniero de Datos ADEVINTA
Mario Renau Arce Data Engineering Team Lead ALSTOM
Alberto Tornero Suárez Socio y Responsable del Área de Empresas de Alto Crecimiento PwC
_12 | Inteligencia Artificial & Ciencia de Datos
Juan Echeverría Fundador ECUADEMY
Rus María Mesas Jávega Data Scientist TELEFÓNICA
Fabián García Senior Advisor for Innovation and Digital Transformation ENLANZA
Leticia Monje García Gestora de Seguimiento de Riesgos Retail CAIXABANK
Miguel García Mena Experto Análisis Big Data TELEFÓNICA
José Novo Vega Data scientist & data analytics O2 ESPAÑA
Pedro García Navarro Strategic Technology Advisor SOLBYTE
Alberto Oikawa Lucas CTP and co-founder CUBENUBE
Néstor Guerra Escohotado CEO y cofundador IEC
Javier Pastor Botella Responsable de Diseño y Desarrollo de Sistemas Operacionales INDRA
Bartolomé Manobel Ponce Data Scientist INDIZEN
Iván Pastor Sanz Risk Independent Review and Control of IRB Models BNP PARIBAS
Rafael Zambrano Head of Applied Science OPENBANK
www.eoi.es
Formamos talento para un futuro seguro y sostenible
Madrid informacion@eoi.es +34 91 349 56 00 (Madrid)
Sevilla infoandalucia@eoi.es +34 95 446 33 77 (Sevilla)
Page 1 Page 2 Page 3 Page 4 Page 5 Page 6 Page 7 Page 8 Page 9 Page 10 Page 11 Page 12Made with FlippingBook flipbook maker