Conviértete en analista de datos experto con la experiencia de Máxima Formación. Somos garantía del máximo rendimiento del tiempo invertido:

• Estudia a tu ritmo 100% on-line.
• Tutorías personalizadas.
• Evaluación continua.
• Enfoque práctico sobre casos reales.
• Compromiso real con el aprendizaje del alumno.

Según el XIII Informe Los + Buscados 2018 de Adecco el experto en Data Science es hoy uno de los perfiles profesionales más demandados. Al finalizar el Máster podrás desarrollar con competencia técnica demostrable las siguientes actividades profesionales:

• Científico de datos (Data Scientist)
• Analista de negocio
• Investigador
• Consultor analista
• Gestor de análisis de Big Data y Data mining

Con el Título propio de la Universidad Pública Rey Juan Carlos de Madrid, reconocido en toda la UE y convalidable en Latinomérica.

Este Máster está destinado a Graduados, Licenciados y Doctorados universitarios interesados en alcanzar el perfil de experto en Ciencia de Datos para:

• Adquirir una visión global de los procesos estadísticos en el análisis de grandes volúmenes de datos complejos.
• Aplicar la Estadística para resolver problemas de una forma eficiente en áreas de trabajo de diversa índole (científicas, industriales o sociales) y construir modelos analíticos y algoritmos.
• Dotarse de habilidades especializadas en estadística, programación, visualización y comunicación, para dar explicación a los resultados obtenidos.
• Ocupar puestos de trabajo nacionales e internacionales en empresas, administración e industrias, vinculados a proyectos de investigación, desarrollo e innovación (I+D+i).

PRIMER MÓDULO – TÉCNICAS CLÁSICAS Y ROBUSTAS
15 ECTS – 3 Meses

Este módulo te ayudará a lidiar con datos complejos (muestras de pequeño tamaño, presencia de datos extremos o atípicos, el incumplimiento de los supuestos clásicos de la estadística -normalidad y homogeneidad de varianza-).

Comenzamos con una rápida introducción al Software R y a las herramientas de gestión y manipulación de bases de datos. Aplicarás herramientas de estadística descriptiva clásica y conocerás técnicas actuales de estadística robusta que te permitirán obtener resultados más fiables. Serás capaz de generar gráficos potentes para resumir los principales patrones de tus datos. Profundizarás en los contrastes de hipótesis (paramétricos, no paramétricos y robustos) con los que pondrás a prueba las preguntas de tu investigación.

Te enseñaremos a elegir la técnica más adecuada a cada caso para que saques el mayor partido a tus datos. Y por último veremos cómo informar de tus resultados estadísticos, aprenderás a detectar el alcance de tus resultados, la potencia estadística de tus análisis y cómo necesitas plantear tu estudio para obtener más chance de detectar efectos significativos.

• TEMA 1. SOFTWARE R

Manejo de bases de datos en el software R. Programación.

• TEMA 2. ESTADÍSTICA DESCRIPTIVA

Variables categóricas y numéricas. Estadísticos clásicos y robustos. Gráficos avanzados.

• TEMA 3. ESTADÍSTICA INFERENCIAL

Pruebas paramétricas, no paramétricas y robustas.

• TEMA 4. REGRESIÓN Y CORRELACIÓN

Correlación simple, múltiple, parcial y robusta. Regresión lineal simple y múltiple. Selección de variables y transformaciones. Regresión robusta simple y múltiple.

SEGUNDO MÓDULO: TÉCNICAS AVANZADAS
15 ECTS – 3 Meses

Aprenderás diseños experimentales y modelos avanzados de análisis estadístico. Este módulo te permitirá analizar tus datos según su diseño experimental y crear diseños experimentales óptimos para responder a tus preguntas de investigación.

También utilizarás técnicas avanzadas de modelado para predecir comportamientos. Modelos aditivos (AM), lineales generalizados (GLM, de Poisson, Binomiales negativos y Logísticos), mixtos (MM) y sus combinaciones (GAM, GAMM, GLMM). Los modelos mixtos, que están tan de moda, permiten modelar varianzas no constantes, efectos aleatorios y datos correlacionados (temporales y/o espaciales).

• TEMA 5. DISEÑO EXPERIMENTAL

ANOVA uni y bi-factorial. Diseño experimental por bloques aleatorizados, Diseño de medidas repetidas, Diseño split-plot, Diseño anidado o jerárquico y ANCOVA.

• TEMA 6. MODELOS AVANZADOS

Modelo lineal (LM), Modelo aditivo (AM), Modelo lineal generalizado (GLM) univariante, Modelo aditivo generalizado (GAM), Introducción al Modelo mixto (MM).

TERCER MÓDULO: TÉCNICAS MULTIVARIANTES
30 ECTS – 3 Meses

Estas técnicas actuales se conocen como Big Data o Data mining y se han puesto muy de moda debido a su capacidad de analizar grandes volúmenes de datos y estudios donde tenemos múltiples variables respuesta (biomarcadores, perfiles de clientes, etc.).. Aprenderás métodos de clasificación automática o no supervisada como los Análisis Cluster y métodos de clasificación supervisada como el Análisis Discriminante y los Árboles de Regresión Multivariantes.

Aplicarás distintas técnicas probar si existen diferencias significativas entre grupos para un conjunto de variables respuesta (MANOVA, ANOSIM, ADONIS, MRPP, Mantel) y técnicas de ordenación y reducción de las dimensiones de los datos.

• TEMA 7. CLASIFICACIÓN

Análisis de conglomerados (Clúster) jerárquico y no jerárquico.

• TEMA 8. DISCRIMINACIÓN

Análisis discriminante (LDA) y Árbol de regresión multivariada (MRT).

• TEMA 9. COMPARACIÓN MULTIVARIANTE

Pruebas para diferencias multivariadas entre grupos (MANOVA, MRPP, ANOSIM, NPMANOVA, MANTEL).

• TEMA 10. ORDENACIÓN Y EXPLICACIÓN

Análisis de correspondencias (CA), CA sin tendencia (DCA), CA parcial (pCA), y CA canónico (CCA), Análisis de componentes principales (PCA), Análisis de redundancia (RDA).