¡Contacta con nosotros!
Telefono Euroinnova ¡Te llamamos!
Deja tu mensaje

Inscríbete en nuestro Master Ciencia de Datos y obtén una Doble Titulación con Título Propio Universitario Baremable en Oposiciones expedido por la Universidad Antonio de Nebrija.

Modalidad
Online
Duración - Créditos
725 horas - 5 ECTS
Baremable Oposiciones
Administración pública
Becas y Financiación
Sin Intereses
Equipo Docente
Especializado
Acompañamiento
Personalizado
Comienza tu matrícula
Paso 1:
Para matricularte introduce tu Email
Resumen matrícula:

MEJOR DESCUENTO

MEJOR DESCUENTO

MEJOR DESCUENTO


Resumen Matrícula

Precio original

Beca exclusiva

-

Descuento + cupón bienvenida

-

Plan Becas

-


Precio final:

Paso 2
¿Cómo realizarás el pago de la matrícula?
Contrarrembolso
Contrarrembolso
Pago seguro Pago 100% seguro

Opiniones de nuestros alumnos

Media de opiniones en los Cursos y Master online de Euroinnova

Nuestros alumnos opinan sobre: Master en Ciencia de Datos y Aprendizaje Automatico + Titulacion Universitaria

4,6
Valoración del curso
100%
Lo recomiendan
4,9
Valoración del claustro

Guillermo F.

SEGOVIA

Opinión sobre Master en Ciencia de Datos y Aprendizaje Automatico + Titulacion Universitaria

Necesitaba especializarme en el análisis y tratamiento de datos automático para inscribirme a una oferta de trabajo y elegí este máster por su temario tan completo. Estoy seguro que estaré más que preparado para trabajar en este sector.

Paula S.

CASTELLÓN

Opinión sobre Master en Ciencia de Datos y Aprendizaje Automatico + Titulacion Universitaria

Gracias a Euroinnova he podido obtener esta titulación que me era exigida en el trabajo. Ahora que sé lo sencillo que es ir superando cada tema, por la buena estructura de los contenidos en este tipo de formaciones en modalidad online, seguiré formándome en el centro.

Nuria F.

TERUEL

Opinión sobre Master en Ciencia de Datos y Aprendizaje Automatico + Titulacion Universitaria

Escogí este máster ciencia de datos por el precio, aunque también me fijé en metodología y contenido. Me ha parecido una buena formación que puede realizar cualquier profesional del sector. Muy útil y práctica.

Jaime R.

BARCELONA

Opinión sobre Master en Ciencia de Datos y Aprendizaje Automatico + Titulacion Universitaria

Había hecho anteriormente algunos cursos de gestión de bases de datos y considero que tras finalizar este Master en Ciencia de Datos y Aprendizaje Automático mis conocimientos y habilidades para el tratamiento y análisis de datos en línea es bastante bueno. Estoy muy satisfecho

María P.

TOLEDO

Opinión sobre Master en Ciencia de Datos y Aprendizaje Automatico + Titulacion Universitaria

La buena accesibilidad a la plataforma de Euroinnova me ha facilitado mucho la realización del Master en Ciencia de Datos y Aprendizaje Automático. Además, poder contar con los materiales para consultarlos siempre que surja alguna duda es algo que valoro muy positivamente. Mi enhorabuena a la escuela
* Todas las opiniones sobre Master en Ciencia de Datos y Aprendizaje Automatico + Titulacion Universitaria, aquí recopiladas, han sido rellenadas de forma voluntaria por nuestros alumnos, a través de un formulario que se adjunta a todos ellos, junto a los materiales, o al finalizar su curso en nuestro campus Online, en el que se les invita a dejarnos sus impresiones acerca de la formación cursada.
Alumnos

Plan de estudios de Master Ciencia De Datos

MASTER CIENCIA DE DATOS. Este máster online pone a tu disposición las competencias profesionales necesarias para desarrollar tu carrera y mejorar tu empleabilidad. Si quieres especializarte en ciencia de datos y aprendizaje automático, no esperes más y solicita información sin compromiso.

Resumen salidas profesionales
de master ciencia de datos
La ciencia de datos es una disciplina de carácter multidisciplinario que mediante la combinación de métodos científicos, procesos y sistemas pretende extraer conocimiento o un mejor entendimiento de los datos en sus diferentes formas, con independencia de que estén o no estructurados. Se trata por tanto de una prolongación del campo de estudio como la estadística, la minería de datos, el aprendizaje automático o la analítica predictiva, especialidades con las que está estrechamente vinculada. Por medio del Máster Ciencia de Datos se ofrece al alumnado la formación adecuada para especializarse en este campo de estudio, uno de los que presenta mayor demanda de personal cualificado dadas sus expectativas de desarrollo a medio y largo plazo.
Objetivos
de master ciencia de datos
Los objetivos que se pretenden alcanzar con este Máster Ciencia de Datos son los siguientes:
- Elaborar componentes software utilizando técnicas de programación estructurada para desarrollar funcionalidades en aplicaciones de gestión según especificaciones dadas.
- Utilizar objetos de acceso a datos y componentes de software realizados para acceder y manipular las informaciones soportadas en sistemas gestores de bases de datos según especificaciones del diseño.
- Realizar pruebas de los desarrollos realizados para verificar el funcionamiento de los mismos según las normas de calidad establecidas.
- Utilizar herramientas de distribución de componentes de software para implantar los desarrollos realizados según los planes de instalación previstos.
- Elaborar y mantener la documentación del software a nivel de desarrollo y de usuario utilizando herramientas de documentación para el posterior uso de los componentes desarrollados por técnicos y usuarios, según las normas de calidad establecidas.
- Realizar y modificar el diseño físico de las bases de datos a partir del diseño lógico previo, ajustándolo a los requerimientos de explotación de la base de datos.
- Implantar la política de control de acceso en los gestores de bases de datos siguiendo las normas de seguridad de la organización y la legislación vigente
- Planificar y realizar copias de seguridad, así como la recuperación de datos en caso necesario, siempre supeditado a las normas de seguridad de la organización.
- Habilitar el acceso a las Bases de Datos de acuerdo a criterios de confidencialidad, integridad y disponibilidad
- Conocer un Sistema Gestor de Bases de Datos Relacionales (SGBDR) para almacenar y manipular datos.
- Describir los principales comandos más utilizados del lenguaje SQL (independientemente de las variaciones realizadas por los editores de los diferentes SGBDR) para permitir al alumno hacerse cargo rápidamente de una base de datos relacional y ser capaz de crear tablas, de consultarlas, de modificarlas, de insertar y suprimir registros.
- Conocer los aspectos fundamentales sobre la minería de datos.
- Aprender las técnicas de aplicación.
- Aplicar técnicas descriptivas y predictivas de clasificación.
- Desarrollar campañas.
- Conocer la inteligencia artificial y sus aplicaciones.
- Conocer el test de Touring.
- Conocer las redes neuronales.
- Conocer los sistemas expertos.
- Conocer el machine learning.
- Aprender a aplicar el big data al Machine Learning.
- Conocer el Aprendizaje Profundo; el Deep Learning.
- Conocer las distintas aplicaciones del Machine Learning.
Salidas profesionales
de master ciencia de datos
Una vez finalizada tu formación, habrás adquirido los conocimientos y habilidades que aumentarán tus expectativas laborales, entre otros, en los siguientes sectores:
- Aprendizaje automático.
- Machine learning.
- Deep learning.
- Informátic.
- Estadística.
- Data mining.
- Bases de datos.
Para qué te prepara
el master ciencia de datos
Gracias al Máster Ciencia de Datos podrás adquirir las competencias y habilidades profesionales adecuadas para dominar conceptos tan relevantes para el análisis de datos como el aprendizaje automático o machine learning, el deep learning, la minería de datos, etc.
A quién va dirigido
el master ciencia de datos
Este Máster Ciencia de Datos se dirige a profesionales y estudiantes de todo tipo de ciencias y disciplinas centradas en el uso y análisis de datos en sus diferentes modalidades, como las matemáticas, la física, la estadística, la informática, etc., que tengan interés en especializarse en ciencia de datos y aprendizaje automático. De igual forma, se dirige a cualquier persona que por motivos personales o profesionales quiera formarse en esta materia.
Metodología
de master ciencia de datos
Metodología Curso Euroinnova
Carácter oficial
de la formación
La presente formación no está incluida dentro del ámbito de la formación oficial reglada (Educación Infantil, Educación Primaria, Educación Secundaria, Formación Profesional Oficial FP, Bachillerato, Grado Universitario, Master Oficial Universitario y Doctorado). Se trata por tanto de una formación complementaria y/o de especialización, dirigida a la adquisición de determinadas competencias, habilidades o aptitudes de índole profesional, pudiendo ser baremable como mérito en bolsas de trabajo y/o concursos oposición, siempre dentro del apartado de Formación Complementaria y/o Formación Continua siendo siempre imprescindible la revisión de los requisitos específicos de baremación de las bolsa de trabajo público en concreto a la que deseemos presentarnos.

Temario de Master Ciencia De Datos

Descargar GRATIS
el temario en PDF
Estoy de acuerdo con la Política de privacidad y Condiciones de Matriculación. Información básica sobre Protección de Datos aquí.
  1. Conceptos básicos. Definición de algoritmo.
  2. Metodología para la solución de problemas
  3. Entidades primitivas para el diseño de instrucciones
  4. Programación estructurada. Métodos para la elaboración de algoritmos
  5. Técnicas para la formulación de algoritmos
  6. Estructuras algorítmicas básicas
  7. Arrays. Operaciones
  8. Cadenas de caracteres. Definición, función, manipulación.
  9. Módulos
  10. Confección de algoritmos básicos.
  1. Análisis de algoritmos.
  2. Manejo de memoria
  3. Estructuras lineales estáticas y dinámicas:
  4. Recursividad.
  5. Estructuras no lineales estáticas y dinámicas
  6. Algoritmos de ordenación.
  7. Métodos de búsqueda.
  8. Tipos abstractos de datos.
  1. El entorno de desarrollo de programación.
  2. Lenguaje estructurado
  3. Herramientas de depuración.
  4. La reutilización del software.
  5. Herramientas de control de versiones.
  1. Evolución de las interfaces en el software de gestión.
  2. Características de las Interfaces, interacción hombre-máquina.
  3. Interface gráficas de usuario
  4. Normalización y estándares
  5. User Access), CDE (Common Desktop Environment), etc.
  6. Guías de estilos.
  7. Normas CUA (Common User Access)
  8. Arquitectura y herramientas para el desarrollo de GUI:
  9. Diseño y desarrollo de interfaces de gestión:
  10. Evaluación del diseño
  1. Interfaces gráficas de usuario
  2. Herramientas para el desarrollo de interfaces gráficas de usuario
  3. Técnicas de usabilidad.
  4. Rendimiento de interfaces.
  5. Notación Húngara.
  6. Estructura de un programa GUI
  7. El procedimiento de ventana
  8. Menús.
  9. Fichero de recursos.
  10. Los cajas de diálogo
  11. Controles básicos.
  12. El Interfaz de dispositivos gráficos (GDI)
  1. El cliente del SGBD. Usuarios y privilegios.
  2. El lenguaje SQL.
  3. Objetos de la base de datos.
  4. Integridad y seguridad de los datos
  5. Sentencias del lenguaje estructurado para operar sobre las bases de datos.
  6. APIs de acceso a bases de datos.
  7. Integración de los objetos de la base de datos en el lenguaje de programación estructurado.
  8. Conexiones para el acceso a datos
  9. Realización de consultas SQL desde un programa estructurado
  10. Creación y eliminación de bases de datos.
  11. Creación y eliminación de tablas.
  12. Manipulación de datos contenidos en una base de datos:
  13. Objetos de Acceso a Datos (DAO)
  14. Herramientas de acceso a datos proporcionadas por el entorno de programación.
  1. Fundamentos y objetivos de las pruebas.
  2. Tipos de errores y coste de corrección.
  3. Planificación de las pruebas
  4. Proceso de pruebas. Las pruebas en las distintas fases.
  5. Tipos de pruebas
  6. Herramientas.
  7. Normas de calidad del software
  8. Documentación de pruebas
  1. Funciones y características.
  2. Empaquetamiento, instalación y despliegue
  1. Herramientas de documentación: características.
  2. Herramientas para generación de ayudas.
  3. Documentación de una aplicación, características, tipos
  1. Concepto de base de datos relacional.
  2. Ejemplificación.
  3. Concepto de modelos de datos. Funciones y sublenguajes (DDL y DML).
  4. Clasificación los diferentes tipos de modelos de datos de acuerdo al nivel abstracción
  5. Enumeración de las reglas de Codd para un sistema relacional.
  1. Concepto de Relaciones y sus propiedades.
  2. Concepto de Claves en el modelo relacional.
  3. Nociones de álgebra relacional.
  4. Nociones de Cálculo relacional de tuplas para poder resolver ejercicios prácticos básicos.
  5. Nociones de Calculo relacional de dominios.
  6. Teoría de la normalización y sus objetivos
  1. Proceso de realización de diagramas de entidad-relación y saberlo aplicar.
  2. Elementos
  3. Diagrama entidad relación entendidos como elementos para resolver las carencias de los diagramas Entidad-Relación simples.
  4. Elementos
  5. Desarrollo de diversos supuestos prácticos de modelización mediante diagramas de entidad relación.
  1. Contextualización del modelo orientado a objeto dentro del modelado UML.
  2. Comparación del modelo de clases con el modelo-entidad relación.
  3. Diagrama de objetos como caso especial del diagrama de clases.
  1. Enumeración de las ventajas e inconvenientes respecto a otros modelos.
  2. Concepto de fragmentación y sus diferentes tipos
  3. Enumeración de las reglas de corrección de la fragmentación.
  4. Enumeración de las reglas de distribución de datos.
  5. Descripción de los esquemas de asignación y replicación de datos.
  1. Relación de estos elementos con tablas, vistas e índices.
  2. Consecuencias practicas de seleccionar los diferentes objetos de almacenamientos.
  3. Diferentes métodos de fragmentación de la información en especial para bases de datos distribuidas.
  1. Conceptos básicos, nociones y estándares.
  2. Lenguaje de definición de datos (DDL SQL) y aplicación en SGBD actuales.
  3. Discriminación de los elementos existentes en el estándar SQL-92 de otros elementos existentes en bases de datos comerciales.
  4. Sentencias de creación: CREATE
  5. Nociones sobre el almacenamiento de objetos en las bases de datos relacionales.
  6. Nociones sobre almacenamiento y recuperación de XML en las bases de datos relacionales
  1. Conceptos fundamentales.
  2. Identificación de los problemas de la concurrencia.
  3. Actualizaciones perdidas.
  4. Lecturas no repetibles.
  5. Lecturas ficticias.
  6. Nociones sobre Control de la concurrencia
  7. Conocimiento de las propiedades fundamentales de las transacciones.
  8. ACID
  9. Análisis de los niveles de aislamiento
  10. Serializable.
  11. - Desarrollo de un supuesto práctico en el que se ponga de manifiesto la relación y las implicaciones entre el modelo lógico de acceso y definición de datos y el modelo físico de almacenamiento de los datos.

  1. Descripción de los diferentes fallos posibles (tanto físicos como lógicos) que se pueden plantear alrededor de una base de datos.
  2. Enumeración y descripción de los elementos de recuperación ante fallos lógicos que aportan los principales SGBD estudiados.
  3. Distinción de los diferentes tipos de soporte utilizados para la salvaguarda de datos y sus ventajas e inconvenientes en un entorno de backup.
  4. Concepto de RAID y niveles más comúnmente utilizados en las empresas
  5. Servidores remotos de salvaguarda de datos.
  6. Diseño y justificación de un plan de salvaguarda y un protocolo de recuperación de datos para un supuesto de entorno empresarial.
  7. Tipos de salvaguardas de datos
  8. Definición del concepto de RTO (Recovery Time Objective) y RPO (Recovery Point Objective).
  9. Empleo de los mecanismos de verificación de la integridad de las copias de seguridad.
  1. Definición de SGBD distribuido. Principales ventajas y desventajas.
  2. Características esperadas en un SGBD distribuido.
  3. Clasificación de los SGBD distribuidos según los criterios
  4. Enumeración y explicación de las reglas de DATE para SGBD distribuidos.
  5. Replicación de la información en bases de datos distribuidas.
  6. Procesamiento de consultas.
  7. Descomposición de consultas y localización de datos.
  1. Conceptos de seguridad de los datos: confidencialidad, integridad y disponibilidad.
  2. Normativa legal vigente sobre datos
  3. Seguimiento de la actividad de los usuarios
  4. Introducción básica a la criptografía
  5. Desarrollo de uno o varios supuestos prácticos en los que se apliquen los elementos de seguridad vistos con anterioridad.
  1. Descripción de las herramientas para importar y exportar datos
  2. Clasificación de las herramientas
  3. Muestra de un ejemplo de ejecución de una exportación e importación de datos.
  4. Migración de datos entre diferentes SGBD
  1. Conceptos básicos, técnicas y sistemas
  2. Implantación en la empresa
  3. Definición de la necesidad
  4. Objetivos
  5. Costes
  6. Áreas de aplicación
  1. Redes neuronales de modelización predictiva
  2. Algoritmos matemáticos
  3. Árboles de decisión
  4. Técnicas de visualización de datos
  5. Elección de la técnica
  6. Explotación de datos según las necesidades de las diferentes áreas del negocio
  7. Ventajas
  1. Segmentación
  2. Clasificación y segmentación de clientes
  3. Ofertas
  4. Fidelizar clientes
  5. Operaciones básicas para descubrir la información oculta
  6. Estructurar la información
  1. Herramientas para la fidelización
  2. Entornos transaccionales
  3. Acciones promocionales puntuales
  4. Utilidad del conocimiento
  5. Reportes estándares, simulaciones ad-hoc y procesamiento de la información LOPD
  1. Introducción a la inteligencia
  2. Inteligencia de los seres vivos
  3. Inteligencia artificial
  4. Dominios de aplicación
  5. Problemas tratados por la Inteligencia Artificial
  1. ¿En qué consiste el Test de Turing?
  2. Debilidades u objeciones de la prueba
  3. La habitación china
  4. La variante de Turing
  5. Superación del test de Turing
  1. ¿Qué son las redes neuronales?
  2. Ventajas de las redes neuronales
  3. Modelo Neuronal
  4. Arquitectura
  5. Aplicaciones de las redes neuronales
  6. Aprendizaje
  1. Definición
  2. Características
  3. Componentes de un sistema experto
  4. Tipos de sistemas expertos
  5. Campos de aplicación
  1. Concepto de agente
  2. Agente racional
  3. Arquitecturas de agentes
  4. Descentralización de los agentes
  1. Aplicaciones de los agentes inteligentes
  2. Tecnologías aplicadas de la Inteligencia Artificial
  1. Concepto de aprendizaje profundo
  2. - Diferencias existentes entre el aprendizaje profundo y el aprendizaje automático

  3. Evolución e historia del aprendizaje profundo
  4. - Cronología histórica

    - Pioneros del campo del aprendizaje profundo

  5. Ventajas del aprendizaje profundo
  6. - Principales ventajas del aprendizaje profundo

  1. Redes neuronales
  2. Redes profundas y redes poco profundas
  1. Aprendizaje profundo
  2. Entorno de Deep Learning con Python
  3. Aprendizaje automático y profundo
  1. Entrada y salida de datos
  2. Entrenar una red neuronal
  3. Gráficos computacionales
  4. Implementación de una red profunda
  5. El algoritmo de propagación directa
  6. Redes neuronales profundas multicapa
  1. Concepto de aprendizaje profundo por refuerzo
  2. Los elementos que componen un modelo de aprendizaje profundo por refuerzo
  3. El funcionamiento del aprendizaje profundo por refuerzo
  4. - Recompensas vs penalizaciones

    - Algoritmos a utilizar

    - La ecuación de Bellman

  5. Posibilidades del aprendizaje profundo por refuerzo
  1. Las posibilidades futuras del aprendizaje profundo
  2. Principales usos en la actualidad
  3. Aprendizaje profundo e IoT
  4. - El concepto de IoT

  5. Aplicaciones en el entorno empresarial

Titulación de Master Ciencia De Datos

Doble Titulación:

Titulación de Master en Ciencia de Datos y Aprendizaje Automático con 600 horas expedida por EUROINNOVA INTERNATIONAL ONLINE EDUCATION, miembro de la AEEN (Asociación Española de Escuelas de Negocios) y CLADEA (Consejo Latinoamericano de Escuelas de Administración)

Titulación Universitaria en Creación y Gestión de Base de Datos SQL con 5 Créditos Universitarios ECTS. Formación Continua baremable en bolsas de trabajo y concursos oposición de la Administración Pública.

Master EuroinnovaMASTER CIENCIA DE DATOSCurso homologado universidad Antonio de Nebrija

EURO - EUROINNOVA - Privados

Cursos relacionados

Maestria en Ciencia de Datos
MAESTRÍA EN CIENCIA DE DATOS: Maestría en Ciencia de Datos (Título con validez oficial RVOE)
4,8
5250€
3675€
30% descuento
Maestria en Ciencia de Datos. Especializacion en Visualizacion de Datos
MAESTRÍA EN VISUALIZACIÓN DE DATOS: Maestría en Ciencia de Datos. Especialización en Visualización de Datos (Título con validez oficial RVOE)
4,8
5500€
3800€
31% descuento
Maestria en Ciencia de Datos. Especializacion en Inteligencia Artificial y Machine Learning
MAESTRÍA EN INTELIGENCIA ARTIFICIAL ONLINE: Maestría en Ciencia de Datos. Especialización en Inteligencia Artificial y Machine Learning (Título con validez oficial RVOE)
4,8
5500€
3800€
31% descuento
Maestria en Ciencia de Datos. Especializacion en Data Analytics
MAESTRÍA EN DATA ANALYTICS: Maestría en Ciencia de Datos. Especialización en Data Analytics (Título con validez oficial RVOE)
4,8
5500€
3800€
31% descuento

7 razones para realizar el Master Ciencia De Datos

1
Nuestra Experiencia

Más de 20 años de experiencia en la formación online.

Más de 300.000 alumnos ya se han formado en nuestras aulas virtuales.

Alumnos de los 5 continentes.

25% de alumnado internacional.

Las cifras nos avalan
Logo google
4,7
2.625 opiniones
Logo youtube
8.582
suscriptores
Logo facebook
4,4
12.842 opiniones
Logo youtube
5.856
seguidores
2
Nuestra metodología

Flexibilidad

Aprendizaje 100% online, flexible, desde donde quieras y como quieras

Docentes

Equipo docente especializado. Docentes en activo, digitalmente nativos

Acompañamiento

No estarás solo/a. Acompañamiento por parte del equipo de tutorización durante toda tu experiencia como estudiante.

Aprendizaje real

Aprendizaje para la vida real, contenidos prácticos, adaptados al mercado laboral y entornos de aprendizaje ágiles en campus virtual con tecnología punta

Seminarios

Seminarios en directo. Clases magistrales exclusivas para los estudiantes

3
Calidad AENOR

Se llevan a cabo auditorías externas anuales que garantizan la máxima calidad AENOR.

Nuestros procesos de enseñanza están certificados por AENOR por la ISO 9001, 14001 y 27001.

Certificación de calidad
4
Confianza

Contamos con el sello de Confianza Online y colaboramos con las Universidades más prestigiosas, Administraciones Públicas y Empresas Software a nivel Nacional e Internacional.

Confianza logo Proteccion logo
5
Empleo y prácticas

Disponemos de Bolsa de Empleo propia con diferentes ofertas de trabajo, y facilitamos la realización de prácticas de empresa a nuestro alumnado.

6
Nuestro Equipo

En la actualidad, Euroinnova cuenta con un equipo humano formado por más de 300 profesionales. Nuestro personal se encuentra sólidamente enmarcado en una estructura que facilita la mayor calidad en la atención al alumnado.

7
Somos distribuidores de formación

Como parte de su infraestructura y como muestra de su constante expansión, Euroinnova incluye dentro de su organización una editorial y una imprenta digital industrial.

Paga como quieras

Financiación 100% sin intereses

Hemos diseñado un Plan de Becas para facilitar aún más el acceso a nuestra formación junto con una flexibilidad económica. Alcanzar tus objetivos profesionales e impulsar tu carrera profesional será más fácil gracias a los planes de Euroinnova.

Si aún tienes dudas solicita ahora información para beneficiarte de nuestras becas y financiación.

20%
Antiguos Alumnos

Como premio a la fidelidad y confianza de los alumnos en el método EUROINNOVA, ofrecemos una beca del 20% a todos aquellos que hayan cursado alguna de nuestras acciones formativas en el pasado.

20%
Beca Desempleo

Para los que atraviesan un periodo de inactividad laboral y decidan que es el momento idóneo para invertir en la mejora de sus posibilidades futuras.

15%
Beca Emprende

Una beca en consonancia con nuestra apuesta por el fomento del emprendimiento y capacitación de los profesionales que se hayan aventurado en su propia iniciativa empresarial.

15%
Beca Amigo

La beca amigo surge como agradecimiento a todos aquellos alumnos que nos recomiendan a amigos y familiares. Por tanto si vienes con un amigo o familiar podrás contar con una beca de 15%.

* Becas aplicables sólamente tras la recepción de la documentación necesaria en el Departamento de Asesoramiento Académico. Más información en el 900 831 200 o vía email en formacion@euroinnova.es

* Becas no acumulables entre sí.

* Becas aplicables a acciones formativas publicadas en euroinnova.es

Materiales entregados con el Master Ciencia De Datos

Información complementaria

Preguntas al director académico sobre el Master Ciencia De Datos

Artículos relacionados

1495
2380
Cómodos plazos sin intereses + Envío gratis
InnovaPAY
Simulador de cuotas, selecciona número de cuotas:
150 / mes
¿Tienes dudas?
Llámanos gratis al 900 831 200
Matricularme
Trustmark

4,58

Excelente

...

Protección al Comprador

Cookies

Este sitio web utiliza cookies propias y de terceros para mejorar los servicios relacionados con tus preferencias, mediante el análisis de tus hábitos de navegación. En caso de que rechace las cookies, no podremos asegurarle el correcto funcionamiento de las distintas funcionalidades de nuestra página web.

Puede obtener más información y cambiar su configuración en nuestra política de cookies.

Configurar

Tardarás 3 minutos

El responsable del tratamiento es Euroinnova International Online Education