Seleccionar p√°gina
Master banner

Master¬īs program

MASTER IN Data Science & Advanced Analytics

Acelere su carrera en el área de ciencias de datos con el programa MASTER IN Data Science & Advanced Analytics. Desarrolle las habilidades de ciencia de datos más demandadas: Data Mining, Business Analytics, Big Data, Inteligencia Artificial, Machine Learning y Deep Learning. Obtenga experiencia práctica en las tecnologías clave como R, Python, Tableau, MongoDB, Hadoop y Spark. Esta certificación en Master Program, avalado por la Universidad Central de Venezuela, lo capacitará de manera práctica con estudios de casos del mundo real, lo que garantiza que esté listo para el mercado. Conviértase hoy en el experto que las organizaciones buscan a nivel mundial.

Universidad Central de Venezuela

Logo UCV

Inicio: Inscripciones abiertas

Sesiones semanales de tutoría online dirigidas por el instructor

Modalidad: 100% online

Duraci√≥n: 12 meses / 1 a√Īo

Constituido por 6 Diplomados, 2 Seminarios/Talleres y un Proyecto de Grado

Avalado por la Universidad Central de Venezuela

Sobre el programa

El Programa MASTER IN Data Science & Advanced Analytics, es un programa completo que le permitirá dominar esta fascinante área  y lo encaminará a dominar las habilidades que definen a un data scientist. Desarrolle las habilidades de ciencia de datos más demandadas: Data Mining, Business Analytics, Big Data, Inteligencia Artificial, Machine Learning y Deep Learning. Obtenga experiencia práctica en las tecnologías clave como R, Python, Tableau, MongoDB, Hadoop y Spark.

Toda la experiencia de aprendizaje del Master, está vinculada con proyectos del mundo real y simulaciones, para ayudarlo a obtener experiencia en el dominio. Después de completar todos los aspectos de la formación, estará preparado para los roles de Data Scientist.

El Programa MASTER IN Data Science & Advanced Analytics, lo encaminará a dominar las habilidades que incluyen estadísticas, pruebas de hipótesis, data mining, clustering, árboles de decisión, regresión lineal y logística, visualización de datos, modelos de regresión, machine learning, Hadoop, Spark, motor de recomendación, aprendizaje supervisado y no supervisado y más.

La oferta program√°tica cubre una amplia gama de capacitaci√≥n en ciencia de datos, que combina MasterClass dirigidas por un instructor, un aprendizaje autodidacta desarrollado, sesiones de mentor√≠a y laboratorios de entrenamiento en l√≠nea de¬† casos pr√°cticos y ejercicios reales de proyectos de de la industria. El programa concluye con un proyecto final dise√Īado para reforzar el aprendizaje mediante la construcci√≥n de un producto real de la industria que abarca todos los aspectos clave aprendidos a lo largo del programa.

Obtener una comprensión profunda de la estructura de datos y la manipulación de datos.

Aprenderá a analizar y visualizar datos con Pentaho, Power BI y Tableau y a dominar la creación de dashboards interactivos.

Obtenga una comprensi√≥n profunda de los modelos de aprendizaje supervisados ‚Äč‚Äčy no supervisados, como la regresi√≥n lineal, la regresi√≥n log√≠stica, la agrupaci√≥n, la reducci√≥n de la dimensionalidad y K-NN.

Comprender ya implementar proyectos de Big Data con los diferentes componentes del ecosistema Hadoop.

Dominar los conceptos de motor de recomendación y modelado de series de tiempo y un dominio práctico sobre los principios, algoritmos y aplicaciones del inteligencia artifiacial y machine learning.

Aplicar modelos analíticos y predictivos a situaciones de negocio con programación estadística en Python y R .

Implementar Bases de Datos NoSQL como MongoDB para almacenar y procesar datos con Hadoop.

Desarrollar nuevos modelos de negocio con las herramientas de Business Analytics para text mining, web mining, an√°lisis de las redes sociales y sentiment analysis.

Aprender√° a trabajar con HBase, su arquitectura y almacenamiento de datos, conozca la diferencia entre HBase y RDBMS, y use Hive e Impala para particionar.

Comprender MapReduce y sus características, además aprenderá cómo ingerir datos usando Sqoop y Flume.

Data Science es una sólida elección de carrera para profesionales nuevos y experimentados. Los aspirantes a profesionales de cualquier formación académica con un estado de ánimo analítico son los más adecuados para seguir la Formación del Master, que incluye:

Aspirantes a analistas de Data Ascience, Business Intelligence / Busines Analytics, incluidos recién graduados universitarios y aquellos que buscan hacer un cambio de carrera.

Nuevos analistas de negocios que desean mejorar su oficio

Otros puestos que realizan tareas de análisis empresarial, como administradores, gerentes y líderes de proyectos.

Profesionales de TI.

Jefes de proyecto.

Profesionales bancarios y financieros.

Directores de marketing.

Profesionales de ventas.

Economistas, administradores, contadores.

Gerentes de red de la cadena de suministro.

Principiantes en el dominio de la analítica de datos.

El programa MASTER IN Data Science & Advenced Analytics, cubre todos los fundamentos; no existe un requisito previo obligatorio, pero se recomienda cierta experiencia en análisis de negocios.

Para postularse a este programa, es necesario:

Tener al menos un grado académico equivalente o mayor a TSU o Licenciatura.

Tener estudios o experiencia en Análisis de la Información.

Conocimientos básicos de programación, así como en estadística y matemática.

Para más información,

ingresa tus datos

¬°Ll√°manos!

Contacta con uno de nuestros especialistas de inscripciones para mayor información y armar un plan a tu medida.

¬°Cont√°ctanos!

Contacta con uno de nuestros especialistas de inscripciones para mayor información y armar un plan a tu medida.

Herramientas cubiertas

Power BI
Tableau
Pentaho logo
MySQL
PostgreSQL
MongoDB
Oracle-Logo
1000px-Hadoop_logo.svg1_-600x155
Spark
RStudio
Python

¬ŅQuienes son tus facilitadores?

Contaras con la tutoría y mentoría de un equipo de profesionales especializados en el área de Data Science

M√°ximo Hidalgo
Máximo HidalgoData scientist en el área de consultoría de DiplomadosOnline.com.
Read More
Lic. en Matemática, Esp. en Modelos Aleatorios UCV y tesista de la Maestría en Matemática, todas en la Universidad Central de Venezuela (UCV). Docente / Investigador en la Escuela de Matemáticas de la UCV. Jefe de División de Estudios Económicos y Fiscales de la Asamblea Nacional. Data Scientist en el área de consultoría y en el MASTER IN Data Science & Business Analytics de DiplomadosOnline.com.
José Rafael Sosa
José Rafael SosaData scientist en el área de consultoría de DiplomadosOnline.com.
Read More
Lic. Computaci√≥n de la Universidad Central de Venezuela (UCV), Data Scientist en la empresa consultora Everis Per√ļ. L√≠der t√©cnico en proyectos de Transformaci√≥n Digital e Innovaci√≥n tecnol√≥gica basados en el uso del Big Data y Ciencia de Datos en varias Corporaciones p√ļblicas y privadas. Docente / Investigador del programa MASTER In Data Science de DiplomadosOnline.com.
Carlos Buitrago
Carlos BuitragoCoordinador Académico e Investigaciones - DiplomadosOnline.com
Read More
Lic. en F√≠sica y en Educaci√≥n, Menci√≥n F√≠sica, ambos en la Universidad Central de Venezuela (UCV). MSc. en Educaci√≥n, Menci√≥n F√≠sica en la Universidad Pedag√≥gica Experimental Libertador (UPEL). Candidato a Dr. en Educaci√≥n, menci√≥n Filosof√≠a de la Ciencia de la UPEL. Coordinador de la Maestr√≠a en la Ense√Īanza de la F√≠sica del Instituto Pedag√≥gico de Caracas (IPC)-UPEL. Coordinador Acad√©mico, Docente en Simulaciones Computacionales para la Ingenier√≠a y Metodolog√≠a de la Investigaci√≥n Tecnol√≥gica en DiplomadosOnline.com
Ronald Pietri
Ronald PietriData Scientist en el área de consultoría de DiplomadosOnline.com
Read More
Lic. en Computación de la Universidad Central de Venezuela. Ha sido consultor de Analytics en varias organizaciones como: Fundación Gran Mariscal de Ayacucho, CANTV, PDVSA. Docente / Investigador en la UCV y en el MASTER IN Data Science & Business Analytics de DiplomadosOnline.com.
Leonel Atencio
Leonel AtencioIngeniero de Telecomunicaciones
Read More
Ing. en Telecomunicaciones de la Universidad Nacional Experimental de las Fuerzas Armadas (UNEFA). Magister en Gerencia de las TIC¬īs de la UNEFA y Magister Scientiarum en Administraci√≥n de Negocios en la Universidad Latina de Panam√°. Certificado en Data Engineering Nano Degree. Ha publicado m√°s de 5 aplicaciones m√≥viles en la Google Play Store. Docente / Investigador de los Master in Business Intelligence & Big Data y el Master in Information Technology Management de DiplomadosOnline.com
Eduardo Sthory
Eduardo SthoryData scientist en el área de consultoría de DiplomadosOnline.com.
Read More
Ingeniero en Computación de la Universidad Bicentenaria de Aragua (UBA), Especialista en Data Science, Machine Learning Engineer & Big Data Architect y Magister Scientiarum en Matemáticas y Ciencias de la Computación, ambos en la Universidad de Carabobo. Egresado del MASTER IN Data Science & Business Analytics de DiplomadosOnline.com.
Previous
Next

Plan de estudios

Diplomado 1

Introducción a Data Science: Análisis Estadístico de Datos

En este diplomado, usted obtendrá formación técnica, teórica y práctica, para el análisis de datos estadísticos y la toma de decisiones, en el ámbito académico, laboral y de negocios, aplicables en  distintas disciplinas, con las herramientas para análisis estadísticos de datos estadística RStudio y Python. Al tener la disciplina de la Ciencia de los datos una importante base estadística y probabilistica, en una primera aproximación, es de importancia presentar una introducción a estos conceptos fundamentales, los cuales, servirán a su vez, para adquirir experiencia valiosa en el manejo y gestión del sistema de análisis de datos.

Modelos De Pronósticos

  • Introducci√≥n al an√°lisis cuantitativo
  • Concepto y aplicaci√≥n de probabilidad y pruebas de hip√≥tesis
  • An√°lisis de decisi√≥n
  • Modelos de series de tiempo
  • Modelos de regresi√≥n
  • Modelos econom√©tricos
  • Modelos de pron√≥sticos cualitativos
  • T√≥pico avanzado de pron√≥stico

 

Modelos de Optimización

  • Modelos de control de inventarios
  • Programaci√≥n lineal
  • Modelo de transporte
  • Programaci√≥n entera, programaci√≥n por metas y programaci√≥n no lineal
  • Modelo de redes
  • Modelo de las de espera y teor√≠a de colas
  • Modelado de la simulaci√≥n
  • An√°lisis de Markov
  • Control estad√≠stico de calidad
  • M√©todos avanzados de optimizaci√≥n

 

Teoría de Juegos, Teoría del Caos y La Complejidad

  • Teor√≠a de juego
  • Predicci√≥n, caos y complejidad

Diplomado 2

Business Intelligence con Pentaho, Power BI y Tableau Desktop

En la actualidad, las plataformas de Business Intelligence & Analytics¬† permiten a las organizaciones acceder, preparar y analizar todos los datos de cualquier fuente, en cualquier entorno, mejorando la comunicaci√≥n, la integraci√≥n y la automatizaci√≥n de los flujos de datos.¬†Aprende desde cero las habilidades para dise√Īar, modelar y desarrollar¬†soluciones Business Intelligence con los principales tecnolog√≠as de la industria.

Constituido por más de 10 cursos teóricos/prácticos, y casos de estudio de la vida real, usted podrá poner en practica cada uno de las habilidades  para convertirse en un Especialista en el área de Business Intelligence.

  • Fundamentos Data management & Data Governance

    Fundamentos de Business Intelligence & Business Analytics

    Arquitecturas y componentes de una solución de BI

    Metodologías de desarrollo de Soluciones de BI & BA

    Fundamentos del Modelado Dimensional y construcción de Data Warehouse

    Taller ETL (Extracción Transformación y Carga)

    Desarrollo de soluciones OLAP

    Pentaho Essential Training

    Power BI Essential Training

    Tableau Essential Training

Seminario 1

Seminario de Taller de Investigación

El Taller Seminario de Investigación y Proyecto tiene por propósito preparar al participante de Máster para que aborde adecuadamente, y desde una perspectiva de investigación científica, tecnológica, científico-tecnológica, de desarrollo tecnológico, o el nivel y tipo que requiera, problemáticas concernientes al mundo de de la tecnología, los negocios y las ciencias aplicadas.

Fundamentos de la investigación tecnológica

Planteamiento y formulación del Problema de Investigación Tecnológica.

Marco Teórico РMetodológico de Investigación Tecnológica.

Teoría del Problema Tecnológico.

Defensa TEG

Diplomado 3

Diplomado en Data Mining for Business Analytics

Business Analytics (BA) es la práctica y el arte de aportar datos cuantitativos para la toma de decisiones. Data Mining for Business Analytics presenta un enfoque aplicado a los conceptos y métodos de data mining, utilizando los programas RStudio y Python. Aprenderá a cómo implementar una variedad de algoritmos populares de data mining  para abordar problemas y oportunidades comerciales. También aprenderá cómo los analistas de datos describen, predicen e informan decisiones comerciales en las áreas específicas de marketing, recursos humanos, finanzas y operaciones, y desarrollará conocimientos básicos de datos y una mentalidad analítica que lo ayudarán a tomar decisiones estratégicas basadas en en datos. 

Fundamentos de Data Mining for Business Analytics

  • Definiciones b√°sicas
  • ¬† ¬† ¬†Conceptos de Business Analytics, Data Mining, Big Data y Data Science.
  • ¬† ¬† ¬†Relaci√≥n con otras disciplinas. Aplicaciones y ejemplos.
  • ¬† ¬† Objetivos de la Data Mining, Patrones y Modelos.
  • √Āreas de aplicaci√≥n y ejemplos
  • ¬† ¬† ¬†Ejemplos de aplicaci√≥n en varias √°reas
  • ¬† ¬† ¬†Tareas de miner√≠a de datos para construir modelos.
  • Metodolog√≠as y est√°ndares
  • ¬† ¬† ¬†Proceso KDD y Metodolog√≠a CRISP-DM
  • Caracter√≠sticas de los datos:
  • ¬† ¬† ¬†Fuentes de datos.
  • ¬† ¬† ¬†Conjuntos de datos.
  • Caja de herramientas.
  • Introducci√≥n al lenguaje R.
  • Generaci√≥n de n√ļmeros aleatorios.
  • Programaci√≥n vectorial e indexaci√≥n l√≥gica.
  • Familia de funciones applay.
  • Visualizaci√≥n de los datos.
  • Persistencia de datos y modelos.

 

Fundamentos de los métodos descriptivos en Data Mining.

  • Selecci√≥n de atributos.
  • Pre-procesamiento y limpieza.
  • Problema de la dimensionalidad.
  • Extracci√≥n de caracter√≠sticas.
  • Tipos de m√©todos en Miner√≠a de Datos.
  • An√°lisis exploratorio de datos.
  • Mapa de correlaciones.
  • Modelos estad√≠sticos.
  • Bondad de ajuste.
  • An√°lisis de Componentes Principales (PCA)
  • ¬† ¬† ¬†Plano principal.
  • ¬† ¬† ¬†Relaci√≥n entre variables.
  • ¬† ¬† ¬†Calidad de la representaci√≥n.
  • ¬† ¬† ¬†Reducci√≥n de la dimensionalidad con el PCA.
  • Identificaci√≥n de conglomerados.
  • ¬† ¬† ¬†La Inercia y el teorema de Fisher.
  • ¬† ¬† ¬†C√°lculo de la distancia.
  • ¬† ¬† ¬†Estimaci√≥n del n√ļmero de grupos.
  • ¬† ¬† ¬†√Ārboles de Clasificaci√≥n Jer√°rquica.
  • ¬† ¬† ¬†M√©todo de nubes din√°micas con K-medias.
  • ¬† ¬† ¬†Paralelizando el m√©todo de K-medias.

 

Fundamentos de los métodos predictivos en la Minería de Datos.

  • ¬†

  • M√©todos de clasificaci√≥n. Calibraci√≥n y selecci√≥n de modelos.

    • Definiciones de clasificaci√≥n
    • Problema de separabilidad
    • Uso de funciones Kernel
    • Entrenamiento y testing
    • Medidas de calidad
    • ¬† ¬† ¬†C√°lculo de errores. Matriz de confusi√≥n
    • ¬† ¬† ¬†Curvas ROC
    • M√©todos de clasificaci√≥n
    • ¬† ¬† ¬†An√°lisis discriminante
    • ¬† ¬† ¬†An√°lisis discriminante cuadr√°tico
    • ¬† ¬† ¬†M√©todo Bayesiano ingenuo
    • ¬† ¬† ¬†Regresi√≥n log√≠stica
    • ¬† ¬† ¬†M√©todo de K-vecinos m√°s cercanos
    • ¬† ¬† ¬†M√°quinas de Soporte Vectorial (SVM)
    • ¬† ¬† ¬†√Ārboles de decisi√≥n
    • ¬† ¬† ¬†Bosques aleatorios
    • ¬† ¬† ¬†Redes neuronales
    • Evaluaci√≥n de los m√©todos
    • Problemas del uso de conjuntos de entrenamiento y testing
    • Sobre ajuste o especializaci√≥n
    • Validaci√≥n cruzada
    • Calibraci√≥n de los m√©todos
    • ¬† ¬† ¬†Calibraci√≥n del K-medias
    • ¬† ¬† ¬†Calibraci√≥n del SVM

Diplomado 4

Desarrollo de KPI (Key Performance Indicator)

Los KPI (Key Performance Indicator) o Indicador Clave de Desempe√Īo,¬† hace referencia a una serie de m√©tricas que se utilizan para esquematizar la informaci√≥n sobre la eficacia y productividad de las acciones y operaciones que se lleven a cabo en un negocio con la finalidad de poder tomar decisiones y establecer aquellas que han sido m√°s efectivas a la hora de cumplir con los objetivos proyectados en un proceso o proyecto concreto.¬†

Este programa presenta una formación completa en el campo de los KPI y se basa en las mejores prácticas identificadas en el entorno empresarial. Adquiera conocimientos a su propio ritmo y aprenda a afrontar los aspectos más desafiantes de trabajar con KPI. Se le guiará a través de cada módulo del curso, comenzando con lecciones en video, ejercicios, lecturas individuales, herramientas de trabajo y desarrollo de un proyecto,

Análisis Estratégico. Introducción a la Gestión Estratégica.

  • Introducci√≥n a la direcci√≥n estrat√©gica
  • Creaci√≥n de Valor, Stakeholders y Gobierno¬†
  • La Orientaci√≥n y los Objetivos Estrat√©gicos
  • An√°lisis del Entorno General
  • An√°lisis del Entorno Competitivo
  • An√°lisis Interno

 

Key Performance Indicator

  • Introducci√≥n a KPI
  • Caracteristicas de los KPI
  • Principales errores al definir KPI
  • Mejores pr√°cticas para definir KPI
  • Taller de formulaci√≥n de KPI
  • Ajustes y redifiniciones de KPI

 

Balanced Scorecard

  • Definici√≥n e importancia del balanced scorecard
  • Pasos para elaborar el mapa estrat√©gico y construir un balanced scorecard
  • Mapa estrat√©gico y las perspectivas del balanced scorecard
  • Objetivo y destino estrat√©gico
  • Conexi√≥n entre objetivos estrat√©gicos en cada perspectiva
  • Estrategias funcionales e iniciativas

 

Construcción e implementación del Balanced Scorecard

  • ¬† Perspectiva financiera: Estados financieros b√°sicos y principales indicadores
  • ¬† Perspectiva de mercado y clientes: principales indicadores de mercado y principales indicadores de clientes
  • ¬† Perspectiva de procesos internos: principales indicadores de innovaci√≥n y principales indicadores operativos
  • ¬† Perspectiva de aprendizaje y crecimiento: principales indicadores del capital humano y otros indicadores de capacidades
  • ¬† Vinculaci√≥n de indicador con la estrategia
  • ¬† Metas, iniciativas, asignaci√≥n de recursos y presupuestos
  • ¬† La gesti√≥n de la estrategia del negocio: capacitaci√≥n, alineaci√≥n, comunicaci√≥n, objetivos personales y del equipo, y planes de incentivo
  • ¬† El feedback y el proceso de aprendizaje estrat√©gico

Seminario 2

Taller de Inglés Instrumental

El Taller Seminario de Investigación y Proyecto tiene por propósito preparar al participante de Máster para que aborde adecuadamente, y desde una perspectiva de investigación científica, tecnológica, científico-tecnológica, de desarrollo tecnológico, o el nivel y tipo que requiera, problemáticas concernientes al mundo de de la tecnología, los negocios y las ciencias aplicadas.

Morphology:  study of words, how they are formed, and their relationship to other words in the same language. You can see:

Nouns and their type: Proper/ Common, abstract/concrete, countable/uncountable, individual/collective, simple/compound, primitive/derivative, animate/inanimate.

Verb: Actions, emotions and natural events in a sentence.

Adjectives: describe the features, characteristic or properties of the nouns

Adverbs: Modify nouns, verbs and adjectives. Manner, place, frequency, time, degree, order, certain.

Sintaxis: study of  the set of rules, principles, and processes that govern the structure of sentences, usually including word order. They  are:

Articles: Indefinite and definite

Pronouns: Personal, object, possessive, reflexive

Prepositions: place or location, movement and time.

Suffixes/Prefixes: Build up  new words adding particles at the beginning or at the end on the words in order to change their meaning or function.

Verbal Tense: grammatical category that has the function of indicating the moment in which an action is carried out.

Diplomado 5

Big Data Hadoop and Spark Developer

El dominio del campo de Data Science comienza con la comprensión y el trabajo con los frameworks tecnológicos básicos utilizados para analizar Big Data. Aprenderás los frameworks de desarrollo y programación Hadoop y Spark, usados para procesar cantidades masivas de datos en un entorno informático distribuido. Desarrollarás experiencia en algoritmos complejos de Data Science y su implementación utilizando R, el lenguaje de preferencia para el procesamiento estadístico. 

El Diplomado en Big Data te ofrece la oportunidad de aprender los nuevos enfoques de la gestión de Big Data con los proyectos Hadoop & Spark, el almacenamiento masivo distribuido por HDSF, el framework de desarrollo paralelo denominado MapReduce, las Bases de Datos NoSQL, entre otras tecnologías, las cuales te permitirán identificar, extraer, consolidar, analizar, gestionar, modelar y predecir de forma eficaz y ágil patrones e información del Análisis de Negocio.

Fundamentos de Big Data y el proyecto Hadoop

  • La era digital
  • Definiciones b√°sicas
  • √Āreas de aplicaci√≥n
  • Ejemplos de Big Data
  • El proyecto Hadoop y sus componentes
  • Hadoop Distributed File System (HDFS)
  • Ejercicio: Usando HDFS

 

Programación bajo el paradigma MapReduce

  • Fundamentos de la computaci√≥n paralela y distribuida
  • El paradigma MapReduce
  • Algunos ejemplos b√°sicos: Consultas y cruces de datos
  • Implementaci√≥n de algoritmos de an√°lisis de datos: clustering, regresi√≥n lineal, regresi√≥n log√≠stica, clasificaci√≥n, vecinos m√°s cercanos, entre otros
  • Sistemas de recomendaci√≥n, Jerarquizaci√≥n con el m√©todo PageRank
  • Fundamentos del Text Mining y el Web-Mining
  • Fundamentos del an√°lisis de redes sociales

 

Implementación de proyecto bajo las Bases de datos NoSQL

  • Introducci√≥n a las bases de datos NoSQL (NoSQL o ‚Äúno solo SQL‚ÄĚ)
  • Tipos de bases de datos NoSQL: clave-valor, orientadas a columnas, Orientadas a documento, Bases de datos de grafos
  • Fundamentos de HBASE
  • Fundamentos de MongoDB

Diplomado 6

Analìtica Avanzada

En este diplomado, usted obtendrá formación técnica, teórica y práctica, para comprender, mejorar e implementar algoritmos de aprendizaje, para afrontar el desafío de la inteligencia artificial, en el ámbito académico, laboral y de negocios, aplicables en distintas disciplinas, con la herramienta estadística R y Python.

Clusterización y Sistemas de Recomendación

  • Cluster Avanzado
  • Sistemas de Recomendaci√≥n basados en contenido, colaborativos e h√≠bridos

Machine Learning y Redes Neuronales

  • Introducci√≥n a Machine Learning
  • Fundamentos de Redes Neuronales
  • Redes Multicapa y el Algoritmo de Backpropagation
  • Aplicaci√≥n de Redes Neuronales a las Series de Tiempo
  • Proyectos de Software

Deep Learning y Algoritmos Genéticos

  • Introducci√≥n al Deep Learning
  • Redes Profundas
  • Aplicaciones de Redes Profundas
  • Introducci√≥n a los Algoritmos Gen√©ticos
  • Programaci√≥n en Lenguaje Natural

Trabajo Especial de Grado

Trabajo Especial de Grado

Como requisito final del programa, cada estudiante debe desarrollar, defender y aprobar un Trabajo Especial de Grado para obtener el certificado del M√°ster del √°rea.

El trabajo Especial de Grado (TEG), es el producto de la investigación y desarrollo de un determinado problema, perteneciente al campo de investigación científica, tecnológica, científico-tecnológica, de desarrollo tecnológico, o el nivel y tipo que requiera, problemáticas concernientes al mundo de de la tecnología, los negocios y las ciencias aplicada y disciplinas afines. La síntesis de los resultados obtenidos deberá ser presentada de acuerdo a las modalidades de un trabajo monográfico. Para ello será necesario definir debidamente los límites y alcances del tema propuesto, a fin de no desviar la atención hacia aspectos secundarios y de escasa relevancia para los resultados de la investigación. El TEG, está bajo la conducción y supervisión de un Tutor.

Online TEG Defense
master liston

Master's Program Certificate

Certificado del MASTER IN Data Science & Advanced Analytics

Para obtener el Diploma de MASTER IN Data Science & Advanced Analytics, debe cumplir con los siguientes criterios:

Logo UCV

Avalado por la Universidad Central de Venezuela

Lo que dicen nuestros Egresados

Preguntas Frecuentes

El costo del programa es de $5.000 USD, pero usted puede aprovechar la promoción / descuento vigente a la fecha.

Necesitar√°s acceso a una computadora. Una m√°quina con sistema operativo en Windows, macOS o Linux funcionar√° bien.

No. El master es autodidacta y se dividirá en segmentos cortos de video pregrabados con evaluaciones periódicas para verificar su progreso.

Si usted no puede participar en una sesión online, usted la podrá ver luego pues esta queda grabada y estará disponible dentro de los recursos de los foros de sesiones online.

Cada programa tiene un foro activo en l√≠nea donde los estudiantes pueden ayudarse entre s√≠. Adem√°s, los instructores, los asistentes de ense√Īanza y otros facilitadores de DiplomadosOnline.com supervisar√°n los foros e intentar√°n ayudar. A menudo, la respuesta m√°s r√°pida proviene de otro estudiante.

Recibirá una calificación final, pero la calificación no estará en la confirmación de finalización del curso. Para recibir un certificado de finalización, deberá alcanzar el 65% en material calificado. Hay tres tipos diferentes de evaluaciones dentro del curso que integran al master: auto-evaluaciones, laboratorios y examen final. Las auto-evaluaciones no cuentan para su calificación, pero lo ayudarán a verificar su comprensión. Los laboratorios / entregas parciales comprenderán la mitad de su calificación y el examen final / proyecto la mitad de su calificación. Desafortunadamente, debido a la gran cantidad de estudiantes y en aras de la equidad, no se pueden aceptar tareas tardías.master

Conviertete en MASTER IN Data Science & Advanced Analytics

Matric√ļlate y acepta el reto de ser el pr√≥ximo profesional que el mercado est√° buscando

All search results

Ingrese sus datos, para poder enviarte el brochure