Modalidad: A Distancia
150
6 ECTS
Modalidad Abierta
Si posees un perfil, el entendimiento de los nuevos paradigmas y modelos debería ser razón suficiente para capacitarte. El mercado evoluciona al compás de la tecnología, ¡y es crucial que te sumes a esta tendencia!
Lo que SEAS te brinda es un grado académico con 6 ECTS reconocidos por la Universidad San Jorge. Te instruye en la amplia gama de técnicas de inteligencia y aprendizaje automático que se utilizan en la actualidad, y que te capacitan para extraer sabiduría de los datos con el fin de mejorar procesos, anticipar comportamientos o identificar irregularidades. ¡Te convertirás en un elemento fundamental para cualquier compañía!
Son únicamente 150 horas, pero SEAS se esfuerza al máximo:
- Con un plan de estudios bien delimitado y completamente actualizado, que abarca lo esencial: virtualización de datos, tratamiento, exploración y aprendizaje automático en la industria 4.0 ¿La meta principal? ¡Aprovechar al máximo la información!
- Con un grupo de docentes que son expertos en activo, y que están siempre disponibles a través del Aula Virtual, el teléfono u otros medios de contacto.
- Con clases en vivo a través de webinars muy dinámicos y participativos.
- Con la oportunidad de realizar prácticas en compañías, según disponibilidad, y tener acceso continuo a una bolsa de trabajo.
- Con la inclusión en la comunidad Alumni SEAS, que se asegura de que los materiales estén siempre al día. ¡Es una red de más de 50.000 estudiantes!
Arquitecto/a de soluciones Big Data
INTRODUCCIÓN AL BIG DATA
El problema del Big Data.El problema del almacenamiento. El problema del procesado.
INTRODUCCIÓN A LA VIRTUALIZACIÓN
¿Qué es la virtualización? Aplicaciones de la virtualización local. Centros de datos. Sistemas en la nube.
INTRODUCCIÓN AL TRATAMIENTO DE DATOS
Estadística básica para tratamiento de datos.Limpieza y preparación de los datos. Búsqueda e ingeniería de características en los datos.Evaluación del error y elección de sets de entrenamiento y validación.Elección del método de tratamiento de datos.
VISUALIZACIÓN Y EXPLORACIÓN DE DATOS
Análisis de la muestra.Análisis temporal.Análisis multivariable.Análisis de redes y grafos.
MACHINE LEARNING EN LA INDUSTRIA 4.0 (I)
¿Qué es Machine Learning?.Modelos de regresión.Modelos de clasificación.Detección de anomalías.
MACHINE LEARNING EN LA INDUSTRIA 4.0 (II)
Reducción de dimensiones.Árboles de decisión.Composición de modelos: Boosting y Baggin.
MACHINE LEARNING EN LA INDUSTRIA 4.0 (III)
Clasificadores Bayesianos ingenuos.Algoritmos genéticos.Redes neuronales clásicas.Redes neuronales avanzadas.