Masterdiploma van permanente vorming in data science
Madrid, Spanje
DUUR
36 Weeks
TALEN
Spaans
TEMPO
Full time
DEADLINE VOOR AANMELDING
Aanvraagdeadline
EERSTE STARTDATUM
Vraag de vroegste startdatum aan
COLLEGEGELD
EUR 4.800
STUDIE FORMAAT
Op de campus
Invoering
De masteropleiding Data Science van de Rey Juan Carlos Universiteit komt voort uit de behoefte om gekwalificeerde professionals op te leiden die kennis combineren in zowel engineering als analyse van complexe datasets voor hun toepassing in meerdere industriële, onderzoeks- en innovatiesectoren. Momenteel is er een grote vraag naar dit type professional die lastig te bevredigen is, gezien de schaarste aan kandidaten die een adequaat kennisprofiel integreren en bovendien praktijkervaring hebben met het ontwerpen, ontwikkelen en inzetten van dit soort projecten.
Goals
- Integreer de theoretische en praktische kennis die nodig is voor de praktijk van data science, waarbij zowel de engineering- als de data-analysedimensies worden geïntegreerd.
- Verwerf vaardigheden in het gebruik van de belangrijkste architecturen en technologische hulpmiddelen, evenals wiskundige en statistische methoden die worden gebruikt in datawetenschap.
- Breng de verworven kennis in de praktijk om deze toe te passen in een echte werkomgeving (bedrijfsstages) en ontwikkel een compleet data science-project (masterproef).
toelatingen
leerplan
Het trainingsprogramma is opgebouwd uit 4 kennismodules. Fundamentele vakken (6 ECTS-credits) en specialisatievakken (3 ECTS-credits) zijn inbegrepen. In alle lessen wordt theoretische kennis gecombineerd met oefeningen en praktisch werk. Een onderscheidend aspect van de master is de integratie van aspecten van data-engineering (Spark, Hadoop, cloud-architecturen, dataverzameling en opslag) en data-analyse (statistische modellen, datamining, simulatie, grafiekanalyse of visualisatie en communicatie).
Aantal studiepunten: 60
Lijst met onderwerpen en onderwerpen.
I. Statistische methoden
- Data Science-technieken en -methoden (6 sp.).
- Datamining (3 sp.).
- Simulatie- en computermethoden (3 sp.).
II. Gegevensverzameling en -opslag
- Gegevensverzameling (3 ECTS).
- Informatie zoeken en ophalen (3 ECTS).
- Onconventionele databases (3 sp.).
- Privacy en gegevensbescherming (3 ECTS).
III. Gegevensverwerking
- Gedistribueerde gegevensverwerkingssystemen (6 sp.).
- Cloud-architecturen (3 ECTS).
- Programmeren gericht op gegevensverwerking (3 ECTS).
IV. Gegevensanalyse
- Business Intelligence en Analytics (6 sp.).
- Analyse van grafieken en sociale netwerken (3 sp.).
- Visualisatie: communicatie en presentatie van resultaten (3 sp.).
Programma resultaat
Algemene competenties
Kennis bezitten en begrijpen die een basis of kans biedt om origineel te zijn in de ontwikkeling en/of toepassing van ideeën, vaak in een onderzoekscontext
Dat studenten weten hoe ze de verworven kennis moeten toepassen en hun vermogen om problemen op te lossen in nieuwe of weinig bekende omgevingen binnen bredere (of multidisciplinaire) contexten die verband houden met hun studiegebied
Dat studenten in staat zijn om kennis te integreren en de complexiteit onder ogen te zien van het maken van oordelen op basis van informatie die, omdat deze onvolledig of beperkt is, reflecties omvat over de sociale en ethische verantwoordelijkheden die verband houden met de toepassing van hun kennis en oordelen
Dat studenten weten hoe ze hun conclusies en de ultieme kennis en redenen die hen ondersteunen, op een duidelijke en ondubbelzinnige manier aan een gespecialiseerd en niet-gespecialiseerd publiek kunnen communiceren
Dat studenten over de leervaardigheden beschikken die hen in staat stellen te blijven studeren op een manier die grotendeels zelfsturend of autonoom zal zijn.
Vermogen om originele ideeën op het gebied van engineering en data-analyse te ontwikkelen en toe te passen, met behulp van beschikbare methodologieën en technologische hulpmiddelen.
Vermogen om originele ideeën op het gebied van business intelligence te ontwikkelen en toe te passen en de besluitvorming te helpen, met behulp van datamining- en optimalisatietools en -modellen.
Vermogen om multidisciplinaire teams te leiden om problemen met betrekking tot engineering en data-analyse in meerdere toepassingsgebieden het hoofd te bieden en op te lossen.
Vermogen om oordelen te vellen op basis van gegevens door middel van methodologieën, modellen en analysehulpmiddelen die rekening houden met het niveau van daarmee samenhangende onzekerheid, allemaal gebaseerd op maatschappelijk verantwoorde nutsfuncties.
Vermogen om de alternatieven/beslissingen voor het ontwerp en de constructie van informatiesystemen voor data-engineering en analyse volledig te rechtvaardigen, die begrijpelijk kunnen zijn voor verschillende soorten doelgroepen.
Mogelijkheid om door te gaan met trainen op het gebied van engineering en data-analyse via informatiebronnen en betrouwbare en bewezen referenties.
Capaciteit voor analyse en synthese, organisatie en planning
Mondelinge en schriftelijke communicatieve vaardigheden
Kritisch en zelfkritisch vermogen
Vermogen om te integreren en te communiceren met experts uit andere gebieden, in verschillende contexten en op verschillende detailniveaus.
Vermogen om technische en wetenschappelijke documenten te schrijven en te presenteren.
Specifieke competenties
Vermogen om de verschillende datamining-methodologieën, -processen en -hulpmiddelen te begrijpen, vooral toegepast op de detectie van latente informatie in heterogene gegevensbronnen.
Vermogen om de toepassing van Big Data-methoden en -technologieën te begrijpen die worden toegepast op het bereiken en verbeteren van zakelijke doelstellingen en vereisten.
Mogelijkheid om tools voor extractie, voorbereiding, opslag en analyse van big data te gebruiken.
Vermogen om de verbindingen en onderlinge relaties tussen de verschillende engineering- en data-analysemethodologieën en -technieken te begrijpen.
Vermogen om de belangrijkste aspecten te begrijpen die verband houden met de beveiliging van informatiesystemen, vooral in de context van engineering en data-analyse.
Vermogen om de meest relevante concepten en paradigma's van gedistribueerde computersystemen te begrijpen voor het ontwerp en de implementatie van data-engineeringsystemen.
Vermogen om geavanceerde datavisualisatietechnieken te begrijpen, ontwerpen en implementeren, waardoor de resultaten van de analyse effectief kunnen worden overgedragen.
Mogelijkheid om cloud computing-architecturen te ontwerpen en implementeren die het mogelijk maken om op een schaalbare en elastische manier aan de vereisten van data-analyseprocessen te voldoen.
Vermogen om de verschillende verspreidingsforums te kennen die verband houden met data-engineering, gedistribueerde en cloudcomputing, data-analyse en business intelligence en de meest geschikte te selecteren voor een specifiek doel.
Mogelijkheid om massaopslagsystemen voor heterogene gegevens te ontwerpen, implementeren en beheren.
Mogelijkheid om geavanceerde datamodellen te ontwerpen die zijn aangepast aan complexe data-engineeringsystemen.
Mogelijkheid om met tools om te gaan die het proces van engineering en data-analyse automatiseren.
Vermogen om de analyse van besluitvormingsprocessen te structureren en op een gestructureerde manier deel te nemen aan onderhandelingen.
Ce14. Mogelijkheid om met de modelleringstools van Business Intelligence en beslissingsanalyse om te gaan.
Ce15. Vermogen om de kenmerken van nieuwe trends in de ontwikkeling van technische systemen en data-analyse te begrijpen en te benutten.
Programma collegegeld
Programma Toelatingseisen
Toon uw toewijding en bereidheid om te slagen op een business school door het GMAT-examen af te leggen. Dit is het meest gebruikte toelatingsexamen dat uw kritisch denk- en redeneervaardigheden meet.
Download de GMAT-miniquiz om een idee te krijgen van de vragen die u in het examen zult tegenkomen.