Clases
Haz nuestras clases interactivas a través de las grabaciones en nuestra plataforma en línea cuando más te convenga antes de poner en práctica todo lo aprendido.
Próximas convocatorias
Apúntate a nuestros próximos cursos intensivos en línea
Loading...
Información sobre el curso
Domina las habilidades imprescindibles de un Data Scientist
Herramientas de análisis de datos
Dominarás las herramientas esenciales de los analistas de datos: Python como base fundamental, SQL para la realización de consultas y Jupyter Notebooks para la visualización.
Python
SQL
Jupyter
Matplotlib
Ciencia de la decisión
Sacarás el máximo partido de las estadísticas para elaborar análisis avanzados y tomar decisiones empresariales fundamentadas: conclusiones estadísticas, pruebas de hipótesis, regresión lineal múltiple e intervalos de confianza.
Pandas
Numpy
Statsmodels
Aprendizaje automático y aprendizaje profundo
Conocerás de primera mano los flujos de trabajo del Machine Learning y Deep Learning (preparación de datos, selección de modelos, evaluación y ajuste) y comprenderás los conceptos matemáticos y las implementaciones numéricas que hay detrás de los modelos.
Scikit-Learn
Tensorflow
Google Compute
Ingeniería de ML y proyectos en equipo
Empaquetarás tus modelos en código Python replicable que podrás entrenar con Big Data en la nube mediante máquinas virtuales y bases de datos online. Supervisarás y volverás a entrenar los modelos cuando sea necesario y harás que sean accesibles mediante API.
Git
Docker
MLflow
FastAPI
¡Puedes empezar GRATIS! Apúntate a un seminario web en directo sobre desarrollo web, Data Science o diseño UX.
Cómo es nuestro curso de Data Science
Puedes aprender de forma flexible o a tiempo completo. Echa un vistazo a nuestro plan formativo.
Formación previa: prepárate para el curso
Una vez te hayamos confirmado la admisión en el curso, recibirás alrededor de 40 horas de contenido formativo en línea seleccionado específicamente por Le Wagon que te resultará intuitivo e interactivo. Esta formación previa te dará las bases que necesitas en Python y en matemáticas antes de empezar el curso.
- Configuración de tu entorno de aprendizaje (notas, editor de texto...)
- Terminal, Git y comandos básicos de tu sistema operativo
- Fundamentos de Python
- Fundamentos de matemáticas (¡aprenderás de forma divertida e intuitiva!)
Lo que harás en la práctica
- 40 horas de tutoriales en línea
- Recursos seleccionados por Le Wagon para aprender las bases fundamentales
Análisis de datos
Aprende Python para Data Science: extrae datos de bases de datos relacionales, manipula matrices de datos y crea visualizaciones. Comprende los conceptos fundamentales de las matemáticas para el análisis de datos, como estadística y álgebra lineal.
- Extrae datos de archivos, webs o API
- Manipula datos con Python, Pandas y Numpy
- Consulta y almacena datos con SQL y Google Big Query
- Visualiza con Jupyter Notebook, Matplotlib, Seaborn y Plotly
Lo que harás en la práctica
- Una base de datos construida a partir de librerías en línea con la técnica scraping
- Análisis avanzado de rendimiento en el fútbol en SQL
- Panel visual conectado a API del mercado bursátil
Ciencia de la decisión
Ponte en el lugar de un consultor de datos y aprende a gestionar la fase de preparación de información obtenida a partir de una gran base de datos. Saca conclusiones mediante la interpretación de resultados estadísticos basados en modelos de regresión lineal múltiple, pruebas de hipótesis e intervalos de confianza.
- Modelos estadísticos de regresión lineal/logística múltiple
- Empaquetado y programación con lenguaje orientado a objetos en Python
- Presentaciones en Notebook con gráficos interactivos
Lo que harás en la práctica
- 40 horas de ejercicios prácticos de consulta basados en datos reales
- Presentaciones individuales de resultados clave orientadas al cliente
Machine Learning
Implementa los flujos de trabajo del Machine Learning con Scikit-Learn (preparación de datos, desarrollo de funcionalidades, selección de modelos, evaluación y reajuste) y comprende las intuiciones matemáticas y las implementaciones numéricas de modelos del ML.
- Librerías Scikit-learn y XGBoost
- Aprendizaje supervisado (lineal, KNN, máquina de soporte vectorial, árboles de decisión, ensembles...)
- Aprendizaje no supervisado (PCA, K-means, t-SNE, DBSCAN)
- Datos estructurados (tabulares, series temporales con SARIMAX...)
- Datos no estructurados (imágenes, texto con Naive-Bayes, Tf-idf, LDA...)
Lo que harás en la práctica
- Modelos de Machine Learning adaptados a tus ejercicios
- Ejercicios que combinan procesamiento de datos y predicciones de modelos
- Modelos de compresión de imágenes mediante la agrupación de colores
- Algoritmos de detección de spam
- Modelo de predicción sobre el coste de viviendas
Deep Learning
¡Descubre la magia que hay detrás del Deep Learning! Comprende la arquitectura de las redes neuronales (neuronas, capas, estructuras de datos) y sus parámetros (activaciones, pérdidas, optimizadores). Construye tus propias redes neuronales (densas, recurrentes o convolucionales) para trabajar con imágenes, secuencias y textos. Aprende cómo reutilizar y transferir información de modelos ya entrenados a partir de investigaciones abiertas. Atrévete con codificadores automáticos, procesamiento de datos por lotes y entrenamiento de GPU.
- Librerías Scikit-learn y XGBoost
- Aprendizaje supervisado (lineal, KNN, máquina de soporte vectorial, árboles de decisión, ensembles...)
- Aprendizaje no supervisado (PCA, K-means, t-SNE, DBSCAN)
- Datos estructurados (tabulares, series temporales con SARIMAX...)
- Datos no estructurados (imágenes, texto con Naive-Bayes, Tf-idf, LDA...)
Lo que harás en la práctica
- Red neuronal densa para la detección de transacciones fraudulentas
- Transferencia de aprendizaje para la clasificación de imágenes
- Codificadores automáticos para la compresión de imágenes y eliminación de ruido
- Redes recurrentes para la previsión del tiempo
Machine Learning Engineering (MLOps)
Convierte tus mejores modelos en paquetes de Python replicables que podrás entrenar con Big Data en la nube mediante máquinas virtuales y bases de datos online. Supervisa el rendimiento de tus modelos al recibir nuevos datos, vuelve a entrenarlos cuando sea necesario y expón sus predicciones mediante API o páginas web.
- VS code y línea de comandos
- Entrenamiento con Google Cloud, Virtual Machines, SSH
- MLflow y Prefect para grafos acíclicos dirigidos
- Docker y Fast API para el back-end
- Streamlit para el front-end
Lo que harás en la práctica
- Modelo de ML para predecir tarifas de taxis entrenado con Big Data en la nube con GPU
- Panel web visual que muestre predicciones en tiempo real (en gráficos, mapas, etc.)
- Modelos entrenados en producción capaces de mejorar automáticamente
- Word embedding para el análisis de opiniones o autocompletado de textos
Proyectos
La fase de proyectos es la última etapa del curso. Colabora de forma eficiente en equipos de 3-4 personas en un proyecto real de Data Science en el que podrás liderar tu propia idea o participar en la idea de otro compañero. Utiliza repositorios de datos abiertos (iniciativas estatales, Kaggle, Papers with Code, etc.) o aporta una base de datos propia. Recibe apoyo de nuestros profesores expertos en todo momento y haz realidad tu idea.
Lo que harás en la práctica
- Una aplicación basada en un modelo de predicciones que presentarás en vivo
- Un análisis exhaustivo de un conjunto de datos
- Una réplica de las últimas investigaciones en IA con modelos de datos
Career Weeks: ¡empieza tu carrera en Data Science!
Conoce a expertos en Data Science que trabajan en start-ups o grandes empresas, prepara tu currículum y haz entrevistas de prueba para prepararte para encontrar trabajo. Profundiza en temas fundamentales sobre el sector.
- Prepárate para la búsqueda de empleo
- Únete a una red de más de 15.000 antiguos alumnos y más de 985 colaboradores
Lo que harás en la práctica
- Mentoría individual
- Revisión de tu CV y tu carta de presentación
- Preparación de entrevistas técnicas
Formación previa: prepárate para el curso
Una vez te hayamos confirmado la admisión en el curso, recibirás alrededor de 40 horas de contenido formativo en línea seleccionado específicamente por Le Wagon que te resultará intuitivo e interactivo. Esta formación previa te dará las bases que necesitas en Python y en matemáticas antes de empezar el curso.
- Configuración de tu entorno de aprendizaje (notas, editor de texto...)
- Terminal, Git y comandos básicos de tu sistema operativo
- Fundamentos de Python
- Fundamentos de matemáticas (¡aprenderás de forma divertida e intuitiva!)
Lo que harás en la práctica
- 40 horas de tutoriales en línea
- Recursos seleccionados por Le Wagon para aprender las bases fundamentales
Análisis de datos
Aprende Python para Data Science: extrae datos de bases de datos relacionales, manipula matrices de datos y crea visualizaciones. Comprende los conceptos fundamentales de las matemáticas para el análisis de datos, como estadística y álgebra lineal.
- Extrae datos de archivos, webs o API
- Manipula datos con Python, Pandas y Numpy
- Consulta y almacena datos con SQL y Google Big Query
- Visualiza con Jupyter Notebook, Matplotlib, Seaborn y Plotly
Lo que harás en la práctica
- Una base de datos construida a partir de librerías en línea con la técnica scraping
- Análisis avanzado de rendimiento en el fútbol en SQL
- Panel visual conectado a API del mercado bursátil
Ciencia de la decisión
Ponte en el lugar de un consultor de datos y aprende a gestionar la fase de preparación de información obtenida a partir de una gran base de datos. Saca conclusiones mediante la interpretación de resultados estadísticos basados en modelos de regresión lineal múltiple, pruebas de hipótesis e intervalos de confianza.
- Modelos estadísticos de regresión lineal/logística múltiple
- Empaquetado y programación con lenguaje orientado a objetos en Python
- Presentaciones en Notebook con gráficos interactivos
Lo que harás en la práctica
- 40 horas de ejercicios prácticos de consulta basados en datos reales
- Presentaciones individuales de resultados clave orientadas al cliente
Machine Learning
Implementa los flujos de trabajo del Machine Learning con Scikit-Learn (preparación de datos, desarrollo de funcionalidades, selección de modelos, evaluación y reajuste) y comprende las intuiciones matemáticas y las implementaciones numéricas de modelos del ML.
- Librerías Scikit-learn y XGBoost
- Aprendizaje supervisado (lineal, KNN, máquina de soporte vectorial, árboles de decisión, ensembles...)
- Aprendizaje no supervisado (PCA, K-means, t-SNE, DBSCAN)
- Datos estructurados (tabulares, series temporales con SARIMAX...)
- Datos no estructurados (imágenes, texto con Naive-Bayes, Tf-idf, LDA...)
Lo que harás en la práctica
- Modelos de Machine Learning adaptados a tus ejercicios
- Ejercicios que combinan procesamiento de datos y predicciones de modelos
- Modelos de compresión de imágenes mediante la agrupación de colores
- Algoritmos de detección de spam
- Modelo de predicción sobre el coste de viviendas
Deep Learning
¡Descubre la magia que hay detrás del Deep Learning! Comprende la arquitectura de las redes neuronales (neuronas, capas, estructuras de datos) y sus parámetros (activaciones, pérdidas, optimizadores). Construye tus propias redes neuronales (densas, recurrentes o convolucionales) para trabajar con imágenes, secuencias y textos. Aprende cómo reutilizar y transferir información de modelos ya entrenados a partir de investigaciones abiertas. Atrévete con codificadores automáticos, procesamiento de datos por lotes y entrenamiento de GPU.
- Librerías Scikit-learn y XGBoost
- Aprendizaje supervisado (lineal, KNN, máquina de soporte vectorial, árboles de decisión, ensembles...)
- Aprendizaje no supervisado (PCA, K-means, t-SNE, DBSCAN)
- Datos estructurados (tabulares, series temporales con SARIMAX...)
- Datos no estructurados (imágenes, texto con Naive-Bayes, Tf-idf, LDA...)
Lo que harás en la práctica
- Red neuronal densa para la detección de transacciones fraudulentas
- Transferencia de aprendizaje para la clasificación de imágenes
- Codificadores automáticos para la compresión de imágenes y eliminación de ruido
- Redes recurrentes para la previsión del tiempo
- Word embedding para el análisis de opiniones o autocompletado de textos
Machine Learning Engineering (MLOps)
Convierte tus mejores modelos en paquetes de Python replicables que podrás entrenar con Big Data en la nube mediante máquinas virtuales y bases de datos online. Supervisa el rendimiento de tus modelos al recibir nuevos datos, vuelve a entrenarlos cuando sea necesario y expón sus predicciones mediante API o páginas web.
- VS code y línea de comandos
- Entrenamiento con Google Cloud, Virtual Machines, SSH
- MLflow y Prefect para grafos acíclicos dirigidos
- Docker y Fast API para el back-end
- Streamlit para el front-end
Lo que harás en la práctica
- Modelo de ML para predecir tarifas de taxis entrenado con Big Data en la nube con GPU
- Panel web visual que muestre predicciones en tiempo real (en gráficos, mapas, etc.)
- Modelos entrenados en producción capaces de mejorar automáticamente
Proyectos
La fase de proyectos es la última etapa del curso. Colabora de forma eficiente en equipos de 3-4 personas en un proyecto real de Data Science en el que podrás liderar tu propia idea o participar en la idea de otro compañero. Utiliza repositorios de datos abiertos (iniciativas estatales, Kaggle, Papers with Code, etc.) o aporta una base de datos propia. Recibe apoyo de nuestros profesores expertos en todo momento y haz realidad tu idea.
Lo que harás en la práctica
- Una aplicación basada en un modelo de predicciones que presentarás en vivo
- Un análisis exhaustivo de un conjunto de datos
- Una réplica de las últimas investigaciones en IA con modelos de datos
Career Week: ¡empieza tu carrera en Data Science!
Conoce a expertos en Data Science que trabajan en start-ups o grandes empresas, prepara tu currículum y haz entrevistas de prueba para prepararte para encontrar trabajo. Profundiza en temas fundamentales sobre el sector.
- Prepárate para la búsqueda de empleo
- Únete a una red de más de 15.000 antiguos alumnos y más de 985 colaboradores
Lo que harás en la práctica
- Mentoría individual
- Revisión de tu CV y tu carta de presentación
- Preparación de entrevistas técnicas
¿Necesitas más información sobre nuestro curso de Data Science?
Te contamos el objetivo de la preparación previa
Te mostramos el plan de estudios organizado por semanas
Te explicamos nuestra metodología
4.98 / 5
2259 opiniones
4.98 / 5
2301 opiniones
4.9 / 5
714 opiniones
Descargue nuestro programa de estudios Curso de Data Science
Loading form...
Un programa intensivo que acelera
tus habilidades tecnológicas en solo unas semanas
Infórmate
Todo lo que necesitas saber sobre Le Wagon En línea
Descubre todo lo que esconde la vida de nuestro campus en línea. Te contamos cómo es nuestro proceso de admisión y otras ventajas.
-
¿Qué fue lo que más te gustó de Le Wagon en línea?
-
Aprende a programar desde casa | Un día en la vida de un estudiante de Le Wagon en línea
-
Empieza tu carrera tecnológica a distancia con Le Wagon en línea
Orientación profesional
Consigue el trabajo de tus sueños con la ayuda de nuestro equipo
Te daremos un asesoramiento personalizado, asistirás a ferias de empleo, te ayudaremos a prepararte para entrevistas de trabajo y te pondremos en contacto con reclutadores.
985
alumnos contratados por nuestros colaboradores
93 %
de nuestros alumnos encuentran trabajo
3 meses
de media para encontrar trabajo
Te contamos lo que nuestros alumnos
de Data Science están haciendo ahora
Financiación
¿Necesitas ayuda con la financiación?
Descubre cómo financiar tu curso y si cumples con los requisitos.
- Plan de cuotas - Paga tu matrícula a plazos.
- Financiación pública - Consigue financiar tu formación con ayudas y fondos del estado.
- Préstamos - Solicita un préstamo a través de uno de nuestros colaboradores.
- Becas - Benefíciate de programas de impacto social y descuentos para grupos minoritarios.
Matrícula
Cómo acceder a nuestro curso de Data Science
Nuestro curso de Data Science es completo y muy intenso. Pero no te preocupes, si no cumples con los requisitos recomendados, ¡te ayudaremos a cumplirlos!
1
Requisitos sugeridos
Programación: tendrás que sentirte cómodo con datos y variables, condiciones, bucles, funciones y estructuras de datos.
Matemáticas: necesitarás un nivel de matemáticas de bachillerato, lo que significa que te sentirás cómodo con funciones, derivadas y sistemas de ecuaciones lineales.
2
Una entrevista con nuestro equipo
Una vez hayas solicitado la matrícula, nos pondremos en contacto contigo para programar una entrevista de 30 minutos. Hablaremos de tu proyecto profesional y de tu motivación.
3
Un cuestionario técnico
Realizarás un cuestionario para evaluar tus conocimientos en programación y matemáticas y entender cuál es tu nivel actual.
4
Opciones de pago y trámites previos
El último paso consistirá en encontrar la opción de financiación más adecuada para ti. Después, ya podrás empezar con la formación de 40 h de iniciación al curso.
¿Tienes alguna duda?
Elige el curso que más se adapte a ti
Encuentra la mejor opción de financiación
Descubre nuestra plataforma de aprendizaje
Elige el horario que más te convenga: a tiempo parcial o a tiempo completo
4.98 / 5
2259 opiniones
4.98 / 5
2301 opiniones
4.9 / 5
714 opiniones
Agenda una llamada con nosotros
Loading form...
