Data Science - CODE SPACE Academy

Curso

–Data Science–

Con el curso de Data Science te convertirás en todo un experto en datos. Aprenderás técnicas de análisis de datos avanzadas, machine learning y la creación desde 0 de un modelo predictivo.

Quiero saber más

Destaca, fórmate en

Data Science

El curso de Data Science está diseñado para que aprendas, desde cero, a utilizar las técnicas más avanzadas de inteligencia artificial y machine learning, además de trabajar sobre base de datos relacionales (lenguaje SQL). El Work Camp de Data Science te permitirá resolver problemas y ayudar a la toma de decisiones en industrias gracias a la información de valor que obtendrás.

– ¿Qué vas a aprender? –

Nivel 1: Data Analytics

Storytelling

Storytelling.
Comunicación efectiva.
Gráficos efectivos.

Data Analytics & Bases de datos, AWS

Introducción a las BBDD.
BBDD relacionales
Modelo Entidad-Relación.
Nuestro setup (despliegue de una bbdd en la nube, clientes SQL, integración con
python)
SQL (DCL, DDL, DML)
Herramientas adicionales (carga de datos, tablas de sistema, mejora de rendimiento)

Herramientas de Análisis de Datos

Introducción a las herramientas de explotación de datos.
Power BI.
Conectores Power BI.
ETL process en Power BI.
Dashboards en Power BI

Business Case

Puesta en común de las correcciones.
Exposición con jurado, de los dashboards y el análisis de datos implementado.

Nivel 2: Data Science

INTRODUCCIÓN DATA SCIENCE

La Industria 4.0
Estadística Básica para Data Scientists.
Introducción a Python: Programación Orientada a Objetos
Introducción a Python: Numpy y Pandas

Data Acquisition y Data Wrangling

Principales librerías para realizar adquisiciones de datos
Bases de datos. Crear conector y utilizar pandas con SQL
APIs. Explorar la posibilidad de recibir diferentes tipologías de respuestas.
Web Scrapping. Posibles técnicas que pueden ser utilizadas.
Manipulación de datos. Diferentes técnicas para realizar featuring engineering. Respuestas a principales problemas a los que enfrentarse
Ejemplo: Desafío de KYC para entrar a Revolut/N26 (Parte 1).

Exploratory Data Analytics (EDA) & Insight Discovery

Principales librerías para realizar un análisis exploratorio (Dash, Matplotlib, Seaborn, Streamlit, SciPy).
Importancia de hacer un EDA antes de desarrollar un modelo estadístico/ML. (precisición, test, …)
Principales tipos de gráficos y principales formas de representar la información utilizando estadísticos descriptivos (media, mediana, desviación).
Diferencia entre variables cualitativas y cuantitativas.
Cualitativas. Posibles formas de captar correlación (no causalidad). Análisis de relevancia de atributos (IV, WoE).
Cuantitativas. Posibles formas de captar correlación (no causalidad)
Distribuciones de datos y el teorema central del limite.
Posibles test para utilizar en análisis exploratorios. Análisis univariados, bivariados y multivariados.
Ejemplo: Desafío de KYC para entrar a Revolut/N26 (Parte 2).

Metodologías y Herramientas Tecnológicas para Data Science

Principales herramientas de uso del Data Scientist (Anaconda, VSCode, Google Colab)
Introduccion al Machine Learning y la Inteligencia Artificial.
Aprendizaje Supervisado: clasificación VS regresión
Proceso de ajuste de modelo.
Mi primer modelo predictivo
Principales desafíos del Data Scientist

Algoritmos de Machine Learning

Modelos de clasifificación y regresión
Aprendizaje No Supervisado: clustering
Deep Learning.
Esto es una carrera de fondo: recomendaciones para continuar el aprendizaje.
Caso de Uso: caracterización del problema, EDA, selección de modelos, aprendizaje y testing, conclusiones

Machine Learning Operations

Intro a MLOps qué es y por qué es tan importante
MLFlow: nuestra herramienta de MLOps
Manos a la obra: pipe de MLOps end-to-end
Advanced MLOps
Práctica: Mi modelo a competición I: encapsulando el modelo en una API
Práctica: Mi modelo a competición II: procesamiento de datos en tiempo real.

Real Life Experience: Datathon CoderSpaceAcademy

– Descarga dossier –

Contacta con nosotros y nuestras asesoras se pondrán en contacto contigo para informarte de todo lo que necesites.

– Profesores –

SALVADOR FERNÁNDEZ

Product Owner Data Analytics en Heidelberg Materials. Graduado en Economicas y Máster en Big data & Analytics. Cuenta con experiencia en diferentes departamentos, sectores y países en proyectos relacionados con el ciclo de vida del dato. Apasionado del dato, así como de la aplicación que éste tiene en todos los ámbitos que nos rodean.

ANDRÉS MATESANZ

Computer Vision Lead en Sngular, desde que escuchó hablar de inteligencia artificial por primera vez no ha dejado de estudiarla y vivirla. Graduado en Óptica, con un Máster en Ingeniería del Software e Inteligencia Artificial y otro en Desarrollo de VR y Videojuegos. Co-Fundador de Málaga AI donde ha impartido multitud de cursos y charlas. Ha trabajado como investigador en la UMA y con varias empresas como Computer Vision Developer.

JORGE RINCÓN

Amante del proceso de transformar datos en sabiduría. Ha estudiado en universidades españolas de renombre como Instituto de Empresa y Escuela de Organización Industrial. La mayor parte de su trayectoria profesional ha estado vinculada a la ciencia de datos en consultoría.

RUBÉN CARMONA

Es un apasionado del dato y de la revolución que está liderando. Ingeniero de la Energía, Máster en advanced analytics on big data, Máster en sistemas eléctricos y Doctorando en redes inteligentes. Trabaja actualmente como Data Analytics Lead dirigiendo proyectos innovadores para la transición energética.

JOSÉ NOVO

Considera el mundo de los datos su oficio y además una de sus aficiones. Ingeniero de Telecomunicaciones por la UPM y Máster en Big data & Analytics por la EOI, tiene amplia experiencia en distintas posiciones alrededor del dato en Telefónica España. Actualmente es responsable de BI en O2 España

Estas son algunas de nuestras empresas Partners