Máster en Machine Learning con R

⭐ Formación bonificable para empresas:Realizamos gratuitamente las gestiones para la solicitud de la bonificación de la formación con Fundae.⭐ Formación bonificable para empresas:Realizamos gratuitamente las gestiones para la solicitud de la bonificación de la formación con Fundae.⭐ Formación bonificable para empresas:Realizamos gratuitamente las gestiones para la solicitud de la bonificación de la formación con Fundae.⭐ Formación bonificable para empresas:Realizamos gratuitamente las gestiones para la solicitud de la bonificación de la formación con Fundae.

Lugar / ModalidadOnline

Duración10 meses - 66 ECTS

Fechas30 Noviembre 2026

Descripción del programa

Toma decisiones inteligentes basadas en la experiencia de los datos con nuestro excepcional Máster en Inteligencia Artificial Machine Learning. En un mundo impulsado por la información, la capacidad de analizar y extraer conocimientos valiosos de grandes conjuntos de datos se ha vuelto esencial. Este programa, no solo te proporcionará las habilidades esenciales en machine learning, sino que también profundizará en el innovador campo de la inteligencia artificial.

Con este Máster en Inteligencia Artificial y Machine Learning, desarrollarás un conocimiento práctico y profundo que te permitirá adentrarte de manera experta en el mundo del Machine Learning con el respaldo y la versatilidad del software R. Estarás perfectamente capacitado para enfrentar los desafíos contemporáneos en el ámbito de la inteligencia artificial, adquiriendo habilidades esenciales que te permitirán destacar en tu carrera profesional.

El programa abarca no solo la teoría sino también la aplicación práctica, asegurando que no solo entiendas los fundamentos del Machine Learning con R, sino que también seas capaz de implementarlos con éxito en situaciones del mundo real.

Al completar este máster, no solo habrás adquirido conocimientos avanzados en el campo, sino que también serás capaz de aplicarlos de manera efectiva en diversos escenarios profesionales.

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

Ver más ↓Ver menos ↑

¿A quién va dirigido?

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.

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.

Ver más ↓Ver menos ↑

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.

Ver más ↓Ver menos ↑

Titulación

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

Ver más ↓Ver menos ↑

Temario del curso

Programa formativo

01UNIDAD 1. INTRODUCCION 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.

02UNIDAD 2. PROGRAMACIÓN EN R E INVESTIGACIÓN REPRODUCIBLE+

- 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.

03UNIDAD 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).

04UNIDAD 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.

05vUNIDAD 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.

06UNIDAD 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.

07UNIDAD 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.

08UNIDAD 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.

09UNIDAD 9. INTRODUCCIÓN A REDES NEURONALES (NN)+

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

10Trabajo 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.

11Claustro 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:

12Rosana 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.

13Ignacio 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.

Preguntas frecuentes

¿Cuánto dura el programa?

10 meses - 66 ECTS

¿Cuándo empieza?

Fechas30 Noviembre 2026

¿A quién va dirigido / qué requisitos necesito?

¿Qué titulación obtengo?

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

¿Cómo es la 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. Consul…

¿En qué modalidad se imparte?

Online