Esta es una ficha de muestra, con los enlaces desactivados. Con cuenta, las fichas de los 7.463 otros títulos, con su web, sus versiones anteriores y las novedades de cada semana.
Solicitar acceso gratuito
Máster en Ciencia de Datos e Inteligencia Artificial
Ficha del título
Precio
23.000,00 €
Duración
Más de 500 horas
Modalidad
Presencial + Streaming
Practicas
Incluye más de 100 convenios, bolsa de trabajo y prácticas garantizadas de al menos 3 meses.
Calendario
Del 28 de septiembre de 2026 al 23 de julio de 2027.
Descripción
El Máster en Ciencia de Datos e Inteligencia Artificial de AFI Global Education está diseñado para titulados universitarios, perfiles técnicos, analíticos y profesionales que quieren impulsar su carrera en ciencia de datos, inteligencia artificial, machine learning, Big Data, IA generativa o analítica avanzada.
Profesorado
- Borja Foncillas García - Presidente y consejero delegado de Afi
- José Manuel Rodríguez - Responsable Data Analytics, Afi
- Miguel Ángel Corella - Consultor Senior de Data Analytics de Afi
- Álvaro Barbero - Chief Data Scientist, Instituto de Ingeniería del Conocimiento (IIC)
- Marcos de la Oliva Wilkinson - Expert Manager, Data scientist en Bain & Company
- Juan de Dios Romero Palop - Data & AI Product Manager en Adyen
- María Medina Pérez - Applied Data Science en Microsoft
- Sergio Gil - Data Scientist en IA, Instituto de Ingeniería del Conocimiento
Certificación
Título de Postgrado en Ciencia de Datos e Inteligencia Artificial.
Plan de estudios
- Temas
- Digitalización y contexto
- Sectores de impacto donde se trabaja con datos
ModuloSectores - Temas
- Programación en Python
- Programación en R
- Uso de git y buenas prácticas de programación
- SQL: bases de datos relacionales
- Docker
- Visualización estática
- Visualización dinámica
ModuloHerramientas de trabajo - Temas
- Ecosistema Big Data: HDFS y Map/Reduce
- Procesamiento de datos con spark (Pyspark)
- Almacenamiento de datos (bases de datos NoSQL)
- Bases de datos columnares (Cassandra)
- Bases de datos orientadas a documentos (MongoDB)
- Bases de datos vectoriales (MongoDB)
- Bases de datos orientadas a grafos (Neo4j)
- Bases de datos en memoria (Redis)
ModuloData Engineering y Big Data - Temas
- Fundamentos de estadística
- Estadística descriptiva
- Distribuciones y simulación
- Intervalos de confianza y contraste de hipótesis
- Regresión lineal
- Preprocesado estadístico de información
- Optimización
- Programación lineal y entera
- Programación con restricciones
- Introducción a proyectos de ciencia de datos y modelado predictivo
- Aprendizaje supervisado
- GLM y regresión avanzada (Ridge y Lasso)
- Modelos de series temporales
- K-Nearest Neighbors (KNN)
- Support Vector Machines (SVM)
- Redes neuronales
- Árboles de decisión
- Modelos de Ensembles: bagging, boosting, stacking y voting.
- Aprendizaje no supervisado
- Clustering jerárquico y no jerárquico
- Reducción de dimensionalidad con PCA
- Entrenamiento de modelos con SparkML
ModuloData Analytics y Data Science - Temas
- Natural Language Processing (NLP)
- Deep Learning
- Reinforcement Learning
- Inteligencia Artificial Generativa
- Construcción de Large Language Models (LLMs)
- Prompting y Retrieval Augmented Generation (RAG)
- Frameworks para trabajar con LLMs
- Agentes basados en LLMs
ModuloInteligencia Artificial - Temas
- Implementando y desplegando modelos de machine learning en producción
- Análisis de coste y beneficios de un modelo predictivo
- Explicabilidad de modelos
- Balanceo, reducción de sesgo y justicia de modelos
- MLOps: APIs y despliegue automático
ModuloPuesta en producción de modelos - Temas
- Aplicación de machine learning e inteligencia artificial en proyectos reales
- Proveedores tecnológicos
- Masterclases de casos de uso reales de la industria
ModuloAplicaciones del mundo real
Publico objetivo
Titulados universitarios y profesionales que quieran especializarse en ciencia de datos, machine learning, Big Data e inteligencia artificial.
Requisitos previos
Se puede empezar el Máster sin tener el título de Grado/Licenciatura, pero para obtener el título de Postgrado, será necesario presentar el título de Grado/Licenciatura.
Metodologia docente
Metodología práctica basada en Data Driven Learning, masterclasses, proyectos reales y casos de uso de industria.
Proceso de admision
Solicitudes abiertas, con información sobre matrícula, becas y descuentos disponibles.
Aspectos diferenciales
- 100% de empleabilidad, convenios y prácticas
- Profesorado experto y conexión con la industria
- Masterclasses y contenidos de máxima actualidad
- Networking y comunidad Alumni
Habilidades principales
- Análisis de datos
- Machine learning
- Big Data
- Inteligencia artificial
- Data engineering
Informacion de contacto
Solicitudes de admisión y más información a través de la página de contacto de Afi Global Education.