TEMARIO
Fundamentos de Programación y Matemáticas: Fundamentos de Python, Python avanzado, Fundamentos R, Proyecto: Análisis de un dataset público de la copa mundial de fútbol, Matemática analítica, Estadística descriptiva, Estadística inferencial y Proyecto: Conocimiento de usuarios y Sistema Recomendador en una plataforma de streaming de películas.
Inteligencia Artificial: Introducción a la IA y Machine Learning, Algoritmos de regresión. Evaluación y métricas, Ecosistemas de Machine Learning en la nube, Proyecto: Análisis predictivo del precio de la vivienda, Clasificación binaria, multiclase y métricas. Curva ROC, Clasificación con Naive Bayes, Clasificación con Support Vector Machine (SVM), Proyecto: Evaluación del estado de salud de un bebé durante el parto, Clasificación con KNN, regresión logística y softmax, Regresión y clasificación con árboles de decisión, Combinación de clasificadores: ensembles y random forests, Proyecto: Desarrollo de un análisis predictivo sobre la propensión a abandonar la empresa por parte del personal empleado, Reducción de dimensionalidad en los datos: PCA, Algoritmos de agrupamiento: K Medias y jerárquico, Técnicas de detección de anomalías y Proyecto: PCA y CLUSTERING utilizando Python.
Machine Learning: Hitos del Deep Learning y fundamentos de las redes neuronales, Frameworks de Deep Learning: TensorFlow, Ajuste de modelos de Deep Learning, Proyecto: Análisis donde se aplican técnicas de Deep Learning, Fundamentos de las CNNs: kernels, convolución, pooling, etc., Modelos pre-entrenados: Transfer Learning y Fine-Tuning, Deep Learning en producción, Proyecto: Análisis de un problema de clasificación de imágenes con Deep Learning, Personalización creada por datos, Filtrado Colaborativo, Aplicaciones, tendencias y retos de los sistemas de recomendación, Proyecto: Implementando un algoritmo de SR con la librería Surprise de Python, Introducción al Procesamiento del Lenguaje Natural, Modelos Probabilísticos de NLP y Métodos de Aplicación, NLP Modelos y Algoritmos y Proyecto: Investigación detallada de un caso de estudio de NLP.
Almacenamiento de Datos Escalables: Bases de Datos Relacionales, Fundamentos de SQL, Bases de datos NOSQL, Proyecto: Análisis del impacto de los anuncios de TV en las visitas a la página web del anunciante, Tipos y arquitectura de un Data Warehouse vs Data Lake, MongoDB Atlas, Fundamentos de Azure y AWS, Proyecto: Diseño e implementación de la automatización de una infraestructura sobre AWS, Arquitectura Batch y Streaming. Arquitectura, Lambda, Herramientas del ecosistema Hadoop: Hive, Gestión de recursos: YARN y Proyecto: Arquitectura distribuidora en funcionamiento.
Procesamiento de Datos Escalables: Extracción, Transformación y Carga de datos, Fundamentos y herramientas del ecosistema Hadoop, Gestión de datos Streaming, Proyecto: Desarrollo de una aplicación
de ingesta y análisis de datos, Introducción a Spark y programación en batch sobre RDDs, Spark SQL, Dataframes y GraphX, Spark Streaming y MLlib y Proyecto: Procesamiento en Streaming de un Modelo de ML con Spark Streaming y MLlib.
Otras acciones de procesamiento de datos: Procesos ETL con Python, Web Scraping, Servicios Web y APIs y Proyecto: Extracción y análisis de reviews de películas mediante web scraping.
Proyecto Global
Masterclass: Masterclass: KNIME, Masterclass: Salesforce - Visión 360º del cliente, Masterclass: Sqoop, Taller de Python y Workshop: Recomendaciones para aumentar tu empleabilidad como especialista técnico.