EXPERTO EN DATA SCIENCE Y VISUALIZACIÓN DE DATOS

MODALIDAD: ONLINE

FECHA: 18 DE ENERO - 30 DE JUNIO (375 horas)

PRECIO: 1.999€ (matrícula normal) | 1.7999€ (matrícula estudiante/desempleado)

EMPRESAS: Subvencionable a través de la FUNDACIÓN ESTATAL PARA LA FORMACIÓN EN EL EMPLEO

Vivimos rodeados de datos y cada vez es mas complicado gestionar y obtener conclusiones con el gran volumen de información (“Big Data”) que existe en la actualidad.

Este máster pretende englobar tres cursos de TYC GIS los cuales abarcan tres pilares básicos si quieres ser científic@ de datos: “Machine Learning”, “Deep Learning” y “Visualización de Datos”.

A lo largo de esta formación se va a trabajar con datos geoespaciales (datos tanto vectorial como ráster) para analizarlos y visualizarlos con novedosas herramientas de gran relevancia y que aportarán al alumno suficientes capacidades para llevar a cabo proyectos relacionados con esta temática.

Al final del curso, los alumnos habrán adquirido los conocimientos necesarios para ser un Data Scientist con los que mostrar y analizar información geoespacial, de una manera accesible, coherente y profesional.

• Enseñar al alumno los conocimientos más actuales y novedosos en el campo del análisis de datos científicos (Data Science) asociados con los Sistemas de Información Geográfica (SIG).

• Dar a conocer los programas y extensiones que permitirán al usuario analizar, visualizar y sacar conclusiones de sus datos científicos.

• Realizar ejercicios prácticos que permitan al alumno la asimilación de conocimientos en este área de manera que pueda desarrollar proyectos en este sentido.

El curso está dirigido a todos aquellos estudiantes y profesionales que estén interesados en mejorar su perfil profesional en Data Science y la visualización de información. Es necesario tener conocimientos básicos de estadística y de manejo de un SIG para asimilar lo mejor posible la formación aportada. Es importante también contar con un ordenador equipado con Windows 10 y una GPU compatible con CUDA.

BLOQUE I: CURSO DATA SCIENCE

PARTE I: INTRODUCCIÓN AL LENGUAJE DE PROGRAMACIÓN R

Ud.1 - PROGRAMACIÓN CON R

  • ¿Qué es R?
  • Instalación de software. Desarrollo proyecto en RStudio
  • Vectores y Matrices.
  • Listas
  • DataFrames
  • ¿Qué hacer con los Missing Values?
  • Evaluación

Ud.2 - ESTADÍSTICA EN R

  • Funciones estadísticas
  • Tipo de estadística por grupo de datos
  • Relación entre variables
  • Distribuciones de probabilidad
  • Correlación multivariable
  • Descripción de dataset
  • Gráficos de nubes de puntos
  • Matrices de gráficos
  • Trabajando con variables cualitativas
  • Evaluación

PARTE II: MACHINE LEARNING

Ud.3 - INTRODUCCIÓN A MACHINE LEARNING

  • Introducción a Machine Learning
  • Tipos de algoritmos
  • Diferencia entre aprendizaje supervisado y no supervisado
  • Aprendizaje supervisado
  • Aprendizaje no-supervisado
  • Aplicaciones de Machine Learning
  • Evaluación

Ud.4 - REGRESIÓN LINEAL

  • Errores en la estimación
  • Regresión lineal simple
  • Residual Sum of Squares (RSS)
  • Análisis de los parámetros estimados
  • Estimación de parámetros en R
  • Precisión del ajuste del modelo
  • Regresión Lineal Múltiple
  • Gráficos
  • Evaluación

Ud.5 - MACHINE LEARNING

  • Regresión logística
  • Clasificación K Nearest Neighbors (K-NN)
  • Árboles de decisión
  • Support Vector Machines (SVM)
  • Evaluación

Ud.6 - CLUSTERING

  • K-means Clustering
  • Hierarchical Clustering
  • Evaluación

PARTE III: LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y MACHINE LEARNING

Ud.7 - ANÁLISIS DE DATOS VECTORIALES Y R

  • Capas vectoriales tipo punto
  • Capas vectoriales tipo línea
  • Capas vectoriales tipo polígono
  • Uso del paquete “rgeos“
  • Evaluación

Ud.8 - TRATAMIENTO DE DATOS RÁSTER Y R

  • Lectura de un archivo ráster
  • Visualización de datos ráster
  • Acceso a los datos del archivo ráster
  • Visualización avanzada con RasterVis
  • Conversión ráster a vectorial
  • Conversión de Spatial DataFrame a DataFrame
  • Descripción ráster satélite Landsat
  • Evaluación

BLOQUE II: CURSO DEEP LEARNING

Ud.1 - PROGRAMACIÓN EN PYTHON

  • Introducción a Anaconda
  • Fundamentos de Python
  • Instalación de librerías y de un entorno para Deep Learning y SIG
  • Numpy: Manejo y operaciones con arrays
  • Gráficas con Matplotlib
  • Pandas, manipulación de datos
  • Evaluación

Ud.2 - INTRODUCCIÓN AL MACHINE LEARNING

  • Inteligencia artificial, Machine Learning frente a enfoque tradicional
  • Tipos de sistemas de Machine Learning
  • ¿Cómo aprenden los ordenadores?
  • Aprendizaje supervisado con Scikit-Learn
  • ¿Qué es Deep Learning?
  • Deep Learning aplicado a imágenes aéreas
  • Keras y Tensorflow
  • Evaluación

Ud.3 - DEEP LEARNING: REDES NEURONALES

  • ¿Qué es una red neuronal artificial?
  • Aprendizaje en redes neuronales artificiales
  • Evaluación del modelo
  • Generalización, sobreajuste, regularización

Práctica 1: Clasificación de tipos de suelo en imágenes de Sentinel 2.
Evaluación

Ud.4 - REDES NEURONALES CONVOLUCIONALES

  • Ventajas de las redes neuronales convolucionales (CNN)
  • Estructura y componentes
  • Práctica 2: Clasificación de tipos de suelo en imágenes de Sentinel 2 con CNN
  • Arquitecturas relevantes y aprendizaje por transferencia
  • Aumento de datos y generadores de datos

Práctica 3: Clasificación de escenas en imágenes de Google Earth con CNN

Ud.5 - DETECCIÓN DE OBJETOS

  • Estrategias y arquitecturas para la detección de objetos
  • Evaluación de modelos de detección
  • RetinaNet
  • Descripción e instalación de la implementación

Práctica 4: Detección de árboles con RetinaNet
Práctica 5: Detección de vehículos con RetinaNet

Evaluación

Ud.6 - SEGMENTACIÓN SEMÁNTICA

  • ¿Qué es la segmentación semántica?

Práctica 6: Implementación de un modelo para segmentar edificios en imágenes de satélite.

  • Arquitecturas relevantes para la segmentación
  • Evaluación de modelos de detección.
  • U-Net
  • Descripción e instalación de la implementación

Práctica 7: Segmentación de edificios en imágenes de satélite con U-Net.

Evaluación.

Ud.7 - MANIPULACIÓN DE DATOS SIG EN PYTHON

  • Manipulación de datos en formato ráster
  • Manipulación de datos en formato vectorial

Práctica 8: Implementación de un sistema de Deep Learning con datos en formato SIG.

Evaluación.

BLOQUE III: CURSO VISUALIZACIÓN DE DATOS CON TABLEAU

Ud.1 - INTRODUCCIÓN VISUALIZACIÓN DATOS Y TABLEAU

  • Introducción a la visualización de datos. Definición y tipos
  • ¿Qué es Tableau?
  • Descripción de los diferentes productos
  • Alta como usuario e instalación aplicaciones
  • Partes que forman la interfaz.
  • Las hojas y el Dashboard
  • Barra de herramientas “Mostrarme”
  • Administración de la ayuda y los recursos de Tableau.
    Evaluación

Ud.2 - TRABAJANDO CON BASES DE DATOS

  • ¿Qué es una base de datos?
  • Búsqueda de fuentes de datos
  • Descarga de información
  • ¿Cómo organizar tus datos para visualización?
  • Buenas prácticas y calidad de datos
  • Uniones.
  • Relaciones entre datos, gestión de consultas y filtros
  • Los metadatos.

Evaluación

Ud.3 - VISUALIZACIÓN

  • Buenas prácticas en el desarrollo de simbología y el diseño de la visualización.
  • ¿Qué es un Dashboard? Tipos
  • ¿Cómo realizar una visualización con tus datos en Tableau?
  • Dashboard, historias y animaciones
  • Realización de mapas
  • Integración con Mapbox y servicios (WMS)

Ud.4 - ANÁLISIS

  • Nociones para la realización de análisis de datos en Tableau
  • Tipos de análisis.
  • Realización de estadísticas en Tableau
  • Realización de cálculos en Tableau
  • Generación de gráficas
  • Elaboración de diferentes tipos de gráficos.
  • Obtención de información de valor desde tus datos

Evaluación

Ud.5 - ¿CÓMO CONTAR UNA HISTORIA GRÁFICA? DATA STORELLING

  • Flujo de trabajo para desarrollar una historia gráfica en Tableau
  • Otras herramientas de visualización de datos
  • ¿Qué es una infografía?
  • Pasos para crear una infografía
  • Maneras de obtener inspiración
  • Ejemplos

Evaluación.

Ud.6 - PROYECTO TABLEAU

  • Publicación de la visualización
  • ¿Cómo compartir tu proyecto desarrollado con Tableau?
  • Pautas para crear un proyecto sobre visualización de datos

Evaluación

BLOQUE IV: DESARROLLO PROYECTO DEL CURSO

En esta unidad se establecerán las bases para el desarrollo del proyecto del curso.

Lorenzo Martínez Manero

Ingeniero Industrial especializado en Automática y Electrónica, Data Scientist en uDA (Urban Data Analytics) con más de cuatro años de experiencia. Experto en analítica de datos con Python y R.

Beatriz Ramos López

Licenciada en Biología por la Universidad de Sevilla.

Máster en Sistemas de Información Geográfica (ESRI) y Máster en Tecnologías de Información Geográfica (TIG) por la Universidad de Alcalá.

Experiencia en la realización de proyectos relacionados con WEB GIS, en el uso de programas de tipo OPEN SOURCE y en el desarrollo de visores cartográficos y su visualización en páginas web.

Adrián Pascual Bernal

Graduado en Ingeniería Electrónica y Automatización Industrial por la Universidad de Extremadura.

Experiencia en el desarrollo de sistemas de visión artificial y Machine Learning, programación GIS con Python y prototipado electrónico.

¿Por qué aprender Data Science y Visualización de datos?

Hoy en día son los campos que más proyección tienen en el ámbito tecnológico. Cada vez existen más datos (Big Data) que son necesarios analizar para sacar unas conclusiones rápidas que ayuden a la toma de decisiones, y las herramientas que se enseñan en este curso son esenciales para eso.

¿Necesito conocimiento previos de R, Python, GIS, Teledetección o Tableau?

No, el curso comienza desde cero con los lenguajes de programación y Tableau. No obstante, es muy recomendable tener conocimientos de informática, SIG y Teledetección para poder aplicarlos de manera más efectiva a lo que se enseña en el curso.

¿Qué equipo necesito para realizar el curso?

Es muy recomendable contar con un equipo con una GPU compatible con CUDA, de otro modo el entrenamiento de los modelos más grandes puede requerir tiempos excesivamente largos. Existe la opción de utilizar Google Collabs para entrenar los modelos en la nube de forma gratuita, aunque esto tiene ciertas limitaciones.

Soy trabajador con nómina en una empresa, ¿puedo subvencionar este curso a través de la Fundación Estatal para la Formación en el Empleo?

Así es, lo único que necesitas es que tu empresa se ponga en contacto con nosotros y firmemos un «Convenio  de Colaboración Formativa». Es importante tener en cuenta que este trámite puede hacerse como máximo 7  días antes de la acción formativa por lo que la inscripción al curso deberá realizarse antes de esos días.

Formación a distancia con la plataforma Moodle, para acceder a los contenidos del curso, realizar prácticas y consultas al equipo docente.

La plataforma está disponible 24 horas al día y a través de la misma el alumno/a podrá solicitar ayuda del profesorado en todo momento. Consultar material formativo online, descargar información, realizar ejercicios prácticos y realizar tests.

Además los profesores facilitarán de forma progresiva la información básica de partida para la realización de un caso práctico final.

Nuestros cursos son subvencionables a través de la Fundación Estatal para la Formación en el Empleo.

1.999 € (normal) / 1.799 € (reducida)*

* Para disfrutar del precio reducido tan sólo es necesario aportar algún documento oficial que indique su situación de estudiante o desempleado.

** Curso subvencionable a través de la Fundación Estatal para la Formación en el Empleo. Si es trabajador con nómina en una empresa española, puede acceder al crédito anual para la formación continua de los trabajadores. Puede solicitar más información en el correo formacion@tycgis.com.

** Si desea conocer el precio en otras monedas, puede consultarlo en el siguiente conversor online: The Money Converter.

iconos para matriculacion-01

Paso 1. Descarga y rellena el formulario de inscripción y envíalo a formacion@tycgis.com.

iconos para matriculacion-02

Paso 2. En cuanto lo recibamos, te enviaremos un mensaje de confirmación con los pasos a seguir para la realización del pago.

iconos para matriculacion-03

Paso 3. Realiza el pago y envíanos el justificante del mismo a formacion@tycgis.com.

iconos para matriculacion-04

Paso 4. Recibirás la confirmación de la matrícula.

Consulta nuestra *Política de devolución.

TRANSFERENCIAS NACIONALES:

NÚMERO DE CUENTA: 0049 1809 222710347481 (Banco Santander)

BENEFICIARIO: TYC GIS Soluciones Integrales SL

CONCEPTO: “Nombre Alumno” y EXPERTO DATA SCIENCE

TRANSFERENCIAS INTERNACIONALES:

NOMBRE DEL BANCO: Banco Santander

DIRECCIÓN DEL BANCO: Glorieta Ruiz Jiménez 1, 28015 Madrid (España).

BENEFICIARIO: TYC GIS Soluciones Integrales SL

DIRECCIÓN DEL BENEFICIARIO: Calle Fuencarral 158, Entreplanta, Oficina 16-17 28010 Madrid (España).

NÚMERO DE CUENTA: ES90 0049 1809 222710347481

SWIFHT: BSCHESMM    –    IBAN: ES90

Si tiene dificultades para realizar el pago, contacte con formacion@tycgis.com.

Valora el curso

1 estrella2 estrellas3 estrellas4 estrellas5 estrellas (34 votos, promedio: 4,74 de 5)
Cargando…

COMENTARIOS Y OPINIONES DE NUESTROS ALUMNOS

El curso ha cumplido las expectativas que tenía cuando me apunté. Al acabar el curso, manejas QGIS con soltura, y abarcando un amplio espectro de las aplicaciones del programa. Profesionalmente, le veo mucha utilidad para su aplicación en trabajos para el medio ambiente. Hay que dedicarle bastante tiempo, pero es imprescindible para acabar cogiendo soltura con el programa., Sin duda, lo recomiendo para aquellos profesionales que trabajan en este sector y que necesiten utilizar un GIS como herramienta profesional.
Miguel Elvira SerranoIngeniero de Montes