La maestría en Estadística Aplicada y Ciencia de Datos es un programa de formación de alto nivel en métodos estadísticos modernos relacionados con el manejo científico de datos, el aprendizaje automático, la visualización de datos con habilidades para trabajar con tecnologías de Big Data, incluida la programación en Python y R, que te permitirán tomar las mejores decisiones en las áreas y sectores como: financieras, gobierno, la industria, el comercio, la salud, sociedad y cultura.
Al terminar la maestría en Estadística Aplicada y Ciencia de Datos, podrá desempeñarse en la academia, el sector privado y público y estará en capacidad de diseñar modelos predictivos y explicativos para gestionar los riesgos de una organización, identificar nuevos clientes, realizar análisis de supervivencia en centros de salud, y dirigir trabajos de investigación en diversas áreas que involucren grandes volúmenes de datos.
Esta Maestría es la única ofrecida en Colombia como Estadística Aplicada y Ciencia de Datos.
Investigadores y profesionales de diferentes disciplinas que deseen formarse en analítica de datos y estadística aplicada.
Objetivos de estudio.
El egresado de la Maestría en Estadística Aplicada es un profesional con una formación de alto nivel en metodologías estadísticas modernas y ciencia de datos, con capacidad para realizar modelos en la industria, identificar oportunidades de mejora y liderar procesos de investigación que requieran de la estadística, para ayudar a tomar decisiones en diferentes contextos, además, podrá desempeñarse en la academia, el gobierno, y la industria del sector privado y público.
Los magísteres aplicarán los conocimientos y las habilidades adquiridas durante su formación en la producción de nuevos conocimientos, proponiendo nuevas formas de análisis e interpretación de la información a problemas complejos de diversas áreas y campos científicos como: la economía, ingeniería, ciencias básicas, ciencias de la salud, gobiernos y las nacientes ciencias del siglo XXI como son la biología molecular, ingeniería genética, nanotecnología, inteligencia artificial, teoría del caos, redes neuronales, biodiversidad, sistemas expertos, autómatas celulares y realidad virtual, entre otros.
Son magísteres capaces de procesar y extraer información relevante producto del modelado y análisis de grandes bases de datos, lo que le permite convertirse en protagonistas en la toma decisiones en múltiples áreas del conocimiento como la economía, la ingeniería, las ciencias sociales y humanidades, las ciencias médicas y la geofísica entre otras.
Estas decisiones permiten la solución de problemas relacionados con la mitigación de la pobreza, la generación de nuevas fuentes de alimentos, el mejoramiento de los estándares en salud pública, la calidad de la educación, la preservación del medio ambiente, el aprovechamiento óptimo de energías renovables, la eficiencia energética, el desarrollo económico de las regiones, la innovación en la industria y su infraestructura y el fortalecimiento de las instituciones públicas y privadas.
Habilidades en programación, estadística computacional y las temáticas propias del manejo del álgebra lineal y los cálculos, así como una formación en básica en teoría de probabilidad.
Ciclo de Fundamentación de la Disciplina (6 créditos).Conocimiento total de los métodos estadísticos para el análisis de datos y el diseño de experimentos para procesos de investigación en la Industria, el sector educativo, las ciencias de la vida, etc.
Ciclo de Profundización de la Disciplina (6 créditos).El estudiante se puede especializar en dos áreas fundamentales que son pilares del conocimiento en ciencia de datos como Data Mining y Data Science and Machine learnig.
Ciclo Electivo: (12 créditos).Cualificación de la formación a partir de módulos que previamente se definen con los estudiantes, como pueden ser:
Electivas de Estadítica Aplicada: Muestreo Estadístico, Series de tiempo y modelos econométricos, Análisis Multinivel, Procesamiento de Imágenes y Deep Learning.
Electiva de Ciencias de Datos: Business Analytics Data, Big Dta, Inteligencia Analítica de Datos, Deep Learning, Tópicos avanzadas en Inteligencia Artificial
Ciclo de Investigación (13 créditos).Se fortalecen las habilidades de investigación, competencias que se comienza a desarrollar a partir del primer semestre con los Seminario de Investigación I, II y III, las cuales se logran plasmar en el trabajo de grado y la construcción de un artículo de investigación el cual debe someter a una revista indexada en WOS o Scopus para poder terminar su formación académica e investigativa y optar a su título.