Máster en Machine Learning con R Software II edición- OCTUBRE 2021

Máster en Machine Learning con R Software II edición- OCTUBRE 2021

Toma decisiones inteligentes basadas en la experiencia de los datos

Duración10 meses – 66 ECTS

Precio2.900 €

InicioOctubre 2021

Plazo de ReservaAbierto

Aplica técnicas de Machine Learning en tus proyectos para agilizar procesos y tomar decisiones inteligentes basadas en la experiencia de los datos. Trabaja con datos en tiempo real, crea tus propios modelos de análisis y algoritmos con aprendizaje supervisado, no supervisado y aprendizaje profundo (Deep Learning).

CISC

Somos proveedores de formación en Data Science del CSIC desde el 2016

Convocatorias

Reserva tu plaza en la II edición

Inicio de las clases en octubre de 2021:

Para alumnos de España y Unión Europea

Para alumnos de Latinoamérica

Alfonso Lara

Alfonso Lara

CEO de Máxima Formación

"Un máster creado para Data Analyst en activo que quieren aplicar el Machine Learning en su realidad profesional".

Información personalizada

Contacta con nosotros y te llamamos

Gracias por solicitar información. Contactaremos contigo lo antes posible.

Destinatarios

Profesionales del análisis de datos interesados en adquirir conocimientos avanzados
sobre Machine Learning con aplicación directa a su realidad profesional.

Un Máster orientado a Graduados, Licenciados, PhD, doctorados universitarios, docentes e investigadores, interesados en:

  • Aprender a capturar y gestionar tus datos con precisión y rigor.
  • Dominar los conceptos teóricos y la aplicación práctica de los métodos de aprendizaje automático.
  • Desarrollar tus propios modelos de Machine Learning, para realizar predicciones y reconocer patrones automáticos.
  • Introducirte en el Deep Learning, una de las técnicas de Inteligencia Artificial (AI) con más proyección y potencial.

El Máster en Machine Learning con R Software es un programa de especialización pionero en la actual oferta formativa superior on-line.

Está diseñado con el enfoque práctico que requieren los profesionales del análisis de datos para transformar el conocimiento en competencias técnicas avanzadas y aplicables a su realidad profesional.

Plan de estudios

Contenidos propios, multimedia y 100% en español

 

módulo i

UNIDAD 1. INTRODUCCIÓN AL MACHINE LEARNING

• ¿Cuál es el desafío que aborda el Machine Learning?
• ¿Qué es y qué no es el Machine Learning?
• Proceso de trabajo en Machine Learning
• ¿Cómo trabaja el Machine Learning? Aprendizaje supervisado, no supervisado y profundo.
• ¿Qué modelo de Machine Learning se ajusta mejor a cada tipo de problema? Clasificación, regresión, agrupación o reducción de dimensionalidad.
• Medidas de desempeño del modelo: rendimiento o error.
• ¿Qué se necesita para crear un algoritmo de Machine Learning valioso?
• Ejemplos prácticos.

UNIDAD 2. PROGRAMACIÓN EN R E INVESTIGACIÓN REPRODUCTIBLE

• R y RStudio. Sintaxis básica y ayuda.
• Investigación reproducible con RMarkdown
• Estructura de datos. Vectores, matrices, listas, y data frames.
• Funciones, argumentos, condicionales, bucles, funciones propias.
• Conoce lo que R te puede ofrecer: gráficos avanzados, tableros y aplicaciones interactivas con Shiny.

UNIDAD 3. OBTENCIÓN, PREPROCESADO Y VISUALIZACIÓN DE DATOS

• Importar y exportar bases de datos.
• Introducción al mundo tidyverse.
• Manipular datos con dplyr.
• Transformar datos con tidyr.
• Realizar análisis exploratorio de datos y visualizar datos con ggplot2.
• Preprocesar datos con caret.
• Gestionar los datos atípicos (outliers) y datos perdidos (missing).

MÓDULO II.

UNIDAD 4. CORRELACIÓN, REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA

• Correlación simple y parcial.
• Regresión lineal simple.
• Regresión lineal múltiple.
• Regresión logística.
• Evaluación del desempeño: RMSE, R cuadrado.
• Selección de predictores: automática y por subconjuntos.
• Evaluación del modelo: gráficos de residuos y pruebas de hipótesis.

UNIDAD 5. ÁRBOLES DE DECISIÓN, MODELOS DE BAGGING Y RANDOM FOREST

• Crear árboles de decisión individuales.
• Modelos de ensemble con árboles de decisión.
• Modelos de Bagging y de Random Forest.
• Clasificación vs. Regresión.
• Proceso de modelado.
• Entrenar el modelo de árbol.
• Búsqueda de hiperparámetros del modelo.
• Evaluación del desempeño: métricas de rendimiento y validación cruzada.
• Importancia de las características.
• Comparación de modelos.
• Predicción.

UNIDAD 6. CLASIFICACIÓN POR K-VECINOS (kNN) Y MÁQUINA DE VECTORES DE SOPORTE (SVM)

• ¿Qué son y cómo funcionan? Ventajas y desventajas de cada uno.
• Presentación del algoritmo k-Nearest Neighbor (kNN).
• Distancia y similitud.
• Selección del factor k.
• Presentación de las máquinas de vectores de soporte (SVM)
• ¿Qué es un hiperplano?
• Selección y ajuste de parámetros.
• Métodos kernel SVM
• Evaluación del desempeño.

Qué aprenderás en los Módulos I y II:

MÓDULO III.

UNIDAD 7. ANÁLISIS CLUSTER (JERÁRQUICO Y POR K-MEDIAS) Y ANÁLISIS DE COMPONENTES PRINCIPALES (PCA)

• ¿Qué son y cómo funcionan? ¿cómo interpretar los resultados?
• Agrupación jerárquica y no jerárquica (por k-medias).
• Medidas de distancia y métodos de agrupación.
• Visualiza e interpreta con el Dendrograma.
• Número óptimo de grupos.
• Estadísticas de validación y rendimiento.
• Interpretación de los grupos.
• Reducción de dimensionalidad con Análisis de Componentes Principales.
• Centrar y escalar los datos.
• Visualiza e interpreta con Biplots.
• Personalización de gráficos.
• Descripción de las dimensiones.
• Elementos suplementarios y filtrado.

UNIDAD 8. ANÁLISIS DE SERIES TEMPORALES: MODELOS ARIMA Y SARIMA

• Análisis exploratorio de series temporales.
• Identificar datos atípicos (outliers) y faltantes (missing).
• Identificar puntos de cambio en las series.
• Clúster jerárquico con series temporales.
• Descomponer la serie temporal: método clásico, SLT y SMA.
• Prueba de tendencia y prueba de estacionalidad.
• Estacionariedad de la serie temporal: pruebas formales e informales.
• Estacionarizar la serie en media y varianza.
• Correlación y autocorrelación: funciones ACF, PACF y CCF.
• Modelos ARIMA (AutoRegresive Integrated Moving Average).

UNIDAD 9. ORDENACIÓN Y REDUCCIÓN DE LA DIMENSIÓN

• Conceptos básicos de aprendizaje profundo y redes neuronales.
• Optimización y validación de la red neuronal.
• Construcción de redes neuronales simples.
• Predicción.

Qué aprenderás en el Módulo III:

 

TFM

Trabajo de Fin de Máster (TFM)
Una vez aprobado el temario del Máster deberás realizar un TFM en el que aplicarás en la práctica las técnicas abordadas en el Máster.

El TFM es una oportunidad excelente para demostrar que cuentas con habilidades avanzadas en adquisición, preparación, visualización, programación, modelado, evaluación e interpretación de datos para resolver problemas de Machine Learning con aplicación a cualquier rama de conocimiento.

 
 

Últimas valoraciones de nuestros alumnos titulados

 
Ana Muñoz van den Eynde

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

Ana Muñoz van den Eynde Responsable de la Unidad de investigación CTS (CIEMAT).
Autora de La percepción social de la ciencia.

Merece la pena. Han sido 10 meses intensos, pero he aprendido mucho. Lo recomiendo. El acompañamiento docente impecable. Un máster online solo es útil si los profesores te ayudan, y han sido de gran ayuda.

Desireé Valera Gran

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

Desireé Valera Gran Doctora en Medicina.
Universidad Miguel Hernández.

Este Máster es una gran oportunidad para reforzar conocimientos y aprender técnicas estadísticas específicas, da una visión amplia de técnicas específicas avanzadas que suelen ser necesarias para el ámbito de la investigación. Del equipo docente destaco su atención y el seguimiento constante de la evolución del aprendizaje.

Carlos Jesús Megía

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

Carlos Jesús Megía Responsable de compras.
Mobelshops

Excelente Máster de especialización. Enfoque practico de la Estadística, y de todas y más actuales técnicas para el análisis de datos. Ahora puedo analizar la información sin estar perdido con grandes volúmenes de datos, y saber que técnicas debo de utilizar.

Francisco Félix Zarzuela (España)

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

Francisco Félix Zarzuela (España) Técnico ambiental y bioestadístico.
Freelance

Honestamente, excelente. Me ha encantado el Máster y sobre todo la atención del profesorado. El material es muy completo, los ejemplos y los ejercicios de evaluación te hacen adquirir un conocimiento práctico muy útil.

Fernando Caravaca (España)

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

Fernando Caravaca (España) Médico.
Hospital 12 de Octubre

Un Máster con un programa académico muy completo de análisis de datos con R software. Los ejemplos resultan de utilidad para entender mejor las técnicas y su aplicación.

José Luis Loren

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

José Luis Loren Digital Insights Manager.
Zooplus

Mi experiencia con el Máster ha sido en general muy buena. Sobre todo, me ha gustado la posibilidad de aplicar en mi trabajo desde el primer momento la mayoría del temario.

Liliana Alonso (España)

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

Liliana Alonso (España) Global Actuarial Trainee Program.
Mapfre

Adquieres de forma rápida y sencilla conocimientos estadísticos y su aplicación en el entorno R de software. La mayor aportación para mi desarrollo profesional es la profundización en modelos avanzados: lineal, lineal generalizado, aditivo, aditivo generalizado y mixto.

Jhon Alberto Gajardo (Chile)

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

Jhon Alberto Gajardo (Chile) Magister en Ciencias del Mar.
Universidad Católica del Norte

El Máster cumplió con mis expectativas, pude adquirir herramientas nuevas y poderosas desempeñar de mejor manera mi trabajo profesional. Me ha aportado muchísimo en estadística multivariada.

Juan Gavazza (Argentina)

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

Juan Gavazza (Argentina) Administrador.
Poder Judicial de la Nación.

El Máster es excelente en todo sentido. Agregó valor a mi vida profesional, permitiéndome explorar más allá de las difundidas técnicas paramétricas y la regresión lineal.

Natalia Raffo (Colombia)

Máster en Estadística Aplicada para la Ciencia de Datos con R Software

Natalia Raffo (Colombia) Estadística.
DATA360

Profundicé y desarrollé nuevos conocimientos en Estadística a través de métodos y técnicas avanzadas y sobre el manejo en R muy útil para el desarrollo de soluciones a problemas reales.

 

Competencias

Machine Learning con aplicación directa a tu día a día profesional

Con este Máster adquirirás un conocimiento práctico profundo del Machine Learning con R Software, y estarás capacitado para:

  • Progresar en tu operativa con los datos.
  • Diseñar proyectos ágiles de Machine Learning, eficaces e impactantes.
  • Obtener información y respuestas de forma rápida y automatizada.
  • Aplicar soluciones que evolucionan por sí mismas.
  • Tomar decisiones inteligentes, confiables e informadas basadas en la experiencia de los datos.

Temáticas principales:

Pre-procesamiento de datos.

Visualización de datos.

Análisis exploratorio de datos.

Aprendizaje automático / Machine Learning.

Aprendizaje supervisado.

Aprendizaje no supervisado.

Aprendizaje profundo / Deep Learning.

Enfoque práctico

La práctica hace al maestro

El Máster en Machine Learning con R Software, es un programa práctico impartido con la metodología exclusiva de Máxima Formación, 100% on-line y learn by doing (aprender haciendo).

¿Por qué es único?
Porque está diseñado con el enfoque práctico que requieren los profesionales del análisis de datos cuyo objetivo es transformar el saber en habilidades prácticas avanzadas con aplicación directa a su operativa con los datos.

Nuestro programa formativo con enfoque práctico:

  • Garantiza una curva de aprendizaje progresiva y se adapta a tu nivel de desempeño, con independencia de los conocimientos previos sobre Machine Learning y R con los que inicies el Máster. Desde nivel cero a nivel experto.
  • Pone el énfasis en el seguimiento diario de tus necesidades de aprendizaje particulares y en un asesoramiento de calidad que te permite aplicar los nuevos conocimientos adquiridos en tus proyectos, desde el primer día.
  • Incluye el estudio de casos reales con códigos de programación disponibles, para que puedas extraer conclusiones extrapolables a tus proyectos profesionales.
 

Información sobre el máster

Claustro docente

El seguimiento personalizado es uno de nuestros puntos fuertes.

En este Máster contarás con el asesoramiento y las tutorías ilimitadas de dos docentes expertos que van compartir contigo todo su conocimiento y su experiencia en el sector de la Ciencia de Datos:

Rosana Ferrero

Rosana Ferrero

Data Scientist con más de 10 años de experiencia en consultoría, investigación y docencia.Colabora en proyectos de diversos centros de investigación como el Consejo Superior de Investigaciones Científicas (CSIC), CAPES-PUC, IAS-CSIC y LINCGlobal. Asesora y consultora en Biomáxima.

Ignacio García

Ignacio García

Analista de Riesgos con más de 10 años de experiencia en la creación de modelos de riesgo, marketing y mejora de procesos, aplicando métodos de Machine Learning. Su capacidad para conjugar aspectos de negocio y técnicos lo convierte en el docente idóneo para esta formación especializada.

Metodología

100% on-line y learn by doing.

Marca tu propio ritmo de aprendizaje, donde y cuando quieras, de forma progresiva y con la flexibilidad que te ofrece nuestra metodología con evaluación continua:

  • Tutorización personalizada. Con el apoyo individualizado de un docente comprometido con tus necesidades de aprendizaje. Consulta sin límites.
  • Enfoque Learn by doing. Pon en práctica los nuevos conocimientos analizando casos reales completamente aplicables a tu realidad profesional.
  • A tu ritmo. Aprende cuándo y dónde quieras, marca tu propio ritmo de aprendizaje, sin fechas ni plazos de entrega.
  • Contenidos de calidad. Evoluciona paso a paso con materiales didácticos, actualizados y prácticos aplicables a tus proyectos profesionales.
  • Evaluación continua. Basada en el apoyo individualizado del alumno para garantizar la comprensión de conceptos y su capacidad técnica para resolver los ejercicios propuestos.
  • Recursos. Materiales audiovisuales, guías prácticas y bibliografía complementaria, para ir más allá en tu desempeño.

Contenidos y recursos

Propios, actualizados y en idioma español.

Desde el inicio del Máster tendrás acceso permanente al Campus Virtual y a todos los contenidos desde cualquier dispositivo móvil, un sistema LMS online que facilita el seguimiento y la ejecución de tus tareas formativas en entornos de movilidad.

Este Máster incluye:

  • Lecciones en vídeo descargables.
  • Lecciones en formato presentación (ppt/pdf).
  • Recursos descargables: hojas de trucos, guías rápidas, plantillas de código, mapas conceptuales y esquemas.
  • Estudio de casos reales con los códigos de programación disponibles.
  • Tareas prácticas para resolver.
  • Tares opcionales para adquirir habilidades más avanzadas.
  • Recursos complementarios: bibliografía para profundizar en los aspectos que más te interesen.
  • Foros de debate comunitarios con respuestas de tus tutores.
  • Wiki comunitaria para compartir recursos recomendados.

Centro de atención al estudiante (CAE):

Ponemos a tu disposición una línea telefónica para responder todas tus dudas y resolver cualquier problema que se te presente, durante y después de obtener tu Título académico con nosotros.

Título universitario

El Máster en Machine Learning con R Software está acreditado con el Título Propio de la Universidad Nebrija de Madrid.

Universidad de Nebrija

Gastos adicionales:

  • Tasas por la expedición del título universitario: 50 €
  • Legalización y apostillado: 50 €
  • Envío del título fuera de España: 60 €

Requisitos de acceso

Para acceder al Máster en Machine Learning con R Software, se establecen los siguientes requisitos:

  • Alumnos de España: Título universitario compulsado.
  • Alumnos de Latinoamérica: Título universitario apostillado.

Cómo matricularse

Con la garantía de Confianza on-line.

Confianza Online Confianza Online

Para formalizar tu matrícula:

Una vez realizado el pago nos pondremos en contacto contigo para que nos remitas completadas y firmadas la Autorización de Tratamiento de Datos Personales y la Solicitud de Admisión, junto con la siguiente documentación a cursos@maximaformacion.es:

  • Alumnos españoles: fotocopia del DNI y del Título universitario compulsado.
  • Alumnos Unión Europea: fotocopia del documento de identificación personal y del Título universitario compulsado.
  • Alumnos extranjeros pertenecientes al Convenio de la Haya: fotocopia del documento de identificación personal y del Título universitario apostillado. En caso en que el título no esté en castellano deberá ir acompañado de una traducción jurada.
  • Alumnos de Latinoamérica: fotocopia la cédula de ciudadanía o pasaporte y del Título universitario apostillado.
  • Alumnos extranjeros no pertenecientes al Convenio de la Haya: fotocopia del Título universitario debidamente compulsado por organismo oficial competente o por notario. En caso en que el título no esté en castellano deberá ir acompañado de una traducción jurada.

Formas de pago

En cada convocatoria, se establece:

  • Un periodo de RESERVA DE PLAZA, hasta un mes antes del inicio de las clases, que conlleva el pago de 700 € en concepto de reserva y un pago de 2.200 € al inicio de las clases, íntegro o fraccionado en 4 meses.
  • Un periodo de MATRICULACIÓN, un mes antes el inicio de las clases, que conlleva el pago íntegro de la matrícula de 2.900 €

Formación bonificable para empresas:

Realizamos gratuitamente las gestiones para la solicitud de la bonificación de la formación con Fundae.

Si quieres ampliar información sobre formas de pago o plantearnos tu caso particular, contacta con: Alfonso Lara | (+34) 635 659 391 | gerente@maximaformacion.es

 
 
UNA EXPERIENCIA ÚNICADescubre por qué más de 1000 investigadores del CSIC nos han elegido para desarrollar competencias prácticas avanzadas en Machine Learning
Confianza OnlineConfianza Online

Másters relacionados

En Máxima Formación utilizamos cookies propias y de terceros con finalidad analítica y publicitaria. En nuestra política de cookies te contamos cuáles usamos y cómo desactivarlas si quieres. Aceptar todas Configurar/Rechazar

Diseño web: Albin Soft.