MicroMáster en Machine Learning e Inteligencia Artificial
MicroMáster
Consiguie preparación en las técnicas más avanzadas y herramientas clave del sector, respaldado por una red de expertos en economía, finanzas, tecnología y sostenibilidad.
¿A quién está dirigido?
- Personas con un título universitario, fundamentos tecnológicos y conocimento de lenguajes de programación como R y Python, e interesados en aprender las técnicas más usadas de Machine Learning con un enfoque aplicado.
- Personas que quieran fortalecer las capacidades de programación orientadas al uso de técnicas de Machine Learning necesarias para poder desarrollar, posteriormente, una carrera de éxito en analítica de datos.
- Profesionales en áreas como tecnología, negocio o departamentos cuantitativos o analíticos, que necesitan de estos conocimientos para seguir avanzando en su carrera, fortaleciendo sus capacidades de programación para poder desarrollar una carrera en la industria de Data Science, Big Data e Inteligencia Artificial.
Consigue un Máster completo
Salidas profesionales
- Analista de Datos Junior: Apoya en la recolección, limpieza y análisis de datos, utilizando herramientas como Excel, Python y VBA para obtener insights básicos.
- Asistente de Machine Learning: Colabora en proyectos de machine learning, ayudando en la preparación de datos, implementación de modelos básicos y monitoreo de resultados.
- Consultor Junior en IA y Data Science: Participa en la implementación de soluciones de IA en empresas, orientado a mejorar procesos y extraer insights, bajo la supervisión de especialistas senior.
- Técnico en Automatización de Procesos: Usa técnicas de IA y machine learning para optimizar procesos específicos en la empresa, como análisis predictivo sencillo y clasificación de datos.
- Especialista en Herramientas de Análisis de Datos: Aplica conocimientos de Excel, Python y VBA para crear dashboards y realizar análisis de datos básicos para la toma de decisiones.
- Desarrollador Junior de Aplicaciones IA: Colabora en el desarrollo de aplicaciones sencillas de IA, enfocadas en tareas específicas, como modelos de recomendación básicos o análisis de patrones.
Objetivos
- Profundizar en los fundamentos de programación y los principales lenguajes que se usan en el entorno profesional, aprendiendo las principales técnicas de Machine Learning.
- Conocer los fundamentos y detalles de las técnicas analíticas tradicionales y modernas existentes actualmente (modelos predictivos, Machine Learning, reconocimiento de patrones, web mining, text mining, redes sociales...).
Metodología
Describiría mi experiencia en la Escuela como muy enriquecedora. En mi caso particular, ha supuesto un cambio significativo de orientación profesional, dado que los últimos 5 años me había dedicado al diseño y dirección de proyectos de ingeniería multidisciplinar, especialmente de índole civil. Mis ganas de aprender y seguir evolucionando me llevaron a iniciarme en Big Data y Data Science de la mano de Afi Escuela. Afi y sus profesionales han permitido que este cambio haya resultado super productivo. Este curso, me ha permitido conocer y profundizar el uso de técnicas y herramientas fundamentales para un Data Science y abrirme las puertas hacia un sector lleno de nuevas oportunidades.
Mi experiencia fue muy buena. Pude poner en práctica y ampliar todos mis conocimientos en matemáticas, especialmente en la parte práctica, que es la más importante a la hora de trabajar. El punto más importante es el hecho de poder aprender habilidades y técnicas que se pueden aplicar en la vida real, y que son las que me han hecho poder pasar mis entrevistas y que me contraten.
La experiencia ha sido muy positiva. Las clases han sido muy completas, siempre con una parte de teoría y otra de práctica. Me gustaría destacar que en las partes prácticas siempre hemos tenido libertad de compartir resultados y dudas con los otros compañeros y, por supuesto, también con el profesor. La verdad es que la parte de comparar tu trabajo con tus compañeros me ha gustado mucho.
Sin duda la experiencia que he tenido en la escuela ha sido muy enriquecedora. Considero que he aprendido mucho, pero no solo conocimientos técnicos sino también a como desenvolverme en el mundo laboral. Adicionalmente, creo que el trato por parte de la escuela ha sido excelente y el ambiente que se ha creado con el resto de mis compañeros y profesores, siempre con un trato muy cercano, ha hecho que el día a día se haga muy ameno y que se establezcan muy buenas relaciones.
Mi experiencia durante la escuela fue excepcional y muy completa. Gracias a los convenios que esta tiene con varias empresas, tuve la oportunidad de combinar el máster con unas prácticas en un departamento de analítica y big data en una empresa del sector bancario, y de esta forma pude poner en práctica los conocimientos que adquiría durante el máster.
Mi experiencia en la escuela fue muy positiva, tanto dentro como fuera de la clase. Un ambiente y un ritmo de trabajo exigente, pero al mismo tiempo muy enriquecedor. Cabría destacar el amplio abanico de herramientas analíticas que hemos podido aprender a lo largo del master dándonos la capacidad de poder desarrollarnos plenamente en el ámbito laboral. Además, las numerosas ofertas de trabajo y convenios con distintas empresas que proporciona AFI escuela, permiten una integración más rápida en el mercado.
La experiencia en la escuela cursando el Máster en Data Science y Big Data ha sido muy buena. Por un lado se tiene un enfoque de las diferentes técnicas que existen orientadas a los problemas reales que se están resolviendo ahora mismo en el mundo de la empresa, pero sin dejar de lado una parte más teórica de las mismas. Además, en mi caso, se me dio la oportunidad de compaginar la parte lectiva del Máster con unas prácticas en Instituto de Ingeniería del Conocimiento.
Mi experiencia ha sido muy grata. A pesar de ser un máster muy intenso, tiene muchísimo contenido, tratando de abarcar todo a lo que se refiere finanzas desde una perspectiva matemática. Dado que soy extranjera, destaco el haber conocido otra cultura a nivel pedagógico, ya que el nivel de enseñanza es superior al de mi país, con docentes muy preparados en la materia.
La experiencia en la Escuela ha sido tremendamente positiva. Sobra decir a estar alturas que 2020 ha sido un año cargado de retos, pero el equipo docente, de coordinación y administrativo de Afi Escuela ha redoblado esfuerzos para mantener la calidad y rigor de su programa formativo inalterados.
Fue una experiencia espectacular tanto personal como laboral. En cuanto a lo personal, me llevo grandes amigos, con la ventaja de que todos ellos trabajan en el sector financiero, por lo que también te abre una cartera de contactos que antes del máster no tienes. En cuanto a lo laboral, es un año duro de trabajo y estudio pero que acaba mereciendo la pena, debido a que el máster te da una diferenciación reconocida en el sector.
Un claustro de élite
Conoce algunos de los profesores y expertos que participan en esta formación
Plan de estudios
El MicroMáster en Machine Learning e Inteligencia Artificial cuenta con un pre-campus, de carácter no obligatorio, con el fin de normalizar los conocimientos básicos para seguir el programa. El programa del Máster consta de más de 176 horas lectivas que se detallan a continuación:
Requisitos
Se puede iniciar el MicroMáster en Machine Learning e Inteligencia Artificial sin necesidad de tener el título de Grado / Licenciatura, aunque para obtener el título de Postgrado, será necesario presentar el título de Licenciado / Graduado.
- MÓDULO 1. ANÁLISIS DE DATOS
- Unidad 1. Análisis estadístico
- Regresión múltiple y técnicas de remuestreo
- Optimización. Programación lineal y no lineal, entera estocástica y con restricciones. Algoritmos.
- Análisis multivariante. Reducción de la dimensión, componentes principales y análisis factorial.
- Unidad 2. Aprendizaje automático básico (Machine Learning o ML)
- Modelos lineales generalizados, GLM.
- Regresión avanzada (Ridge, Lasso)
- Clustering
- Análisis discriminante
- Naïve Bayes
- Series temporales. Modelos ARIMA, suavizado exponencial y regresión dinámica.
- Máquinas de vector soporte, SVM.
- Algoritmo de vecinos próximos, kNN.
- Redes neuronales
- Árboles de decisión
- Random forest y ensambles
- Unidad 3. Aprendizaje automático avanzado
- Aprendizaje profundo
- NLP (PLN o Programación de Lenguaje Natural)
- Grafos y análisis de redes
- Fundamentos de teoría de grafos y medida de centralidad
- Modelos estadísticos de redes
- Análisis de redes sociales. Detección de opinión, influencia, marketing social y geomarketing.
- Sistemas de recomendación
- Aprendizaje por refuerzo
- Unidad 1. Análisis estadístico
- MÓDULO 2. ANÁLISIS DE DATOS NO ESTRUCTURADO
- Unidad 1. Text mining
- Clasificación y agrupación de textos
- Análisis de sentimiento
- Herramientas de text mining: NLTK
- Unidad 2. Web mining
- Herramientas de extracción de datos de la web
- Unidad 3. Procesamiento de imágenes
- Clasificación automática de imágenes
- Extracción automática de features
- Unidad 1. Text mining
Matrícula
Matrícula
El coste de la matrícula del MicroMáster de Valoración de instrumentos derivados es de 6.500€.Este coste incluye los derechos de matrícula incluyen la asistencia a las sesiones que componen el programa y a aquellas conferencias, jornadas y sesiones de trabajo que se organicen en el marco del mismo. Admisión: Puedes tramitar tu solicitud on-line o enviar la documentación solicitada a nuestro correo electrónico: afiglobaleducation@afi.es DNI, pasaporte o NIE.Título académido y certificado de notas.Currículum Vitae y carta de motivación.
Becas
La beca executive cubre hasta el 30% de la matrícula.La beca #MujeresQueTransforman cubre hasta el 30% de la matrícula.
Presencial + Streaming
6500 €
