Maestría Universitaria en Ciencia de Datos

Solicita información

Maestría Universitaria en Ciencia de Datos

Contenido
Maestría Universitaria en Ciencia de Datos.
- Campus: Madrid - Princesa
- Modalidad: En línea
- Tipo: Maestría
- Duración: 1 año
- Maestría con Título Oficial Europeo
- Titulación oficial: Máster Universitario en Ciencia de Datos
- Centro responsable: Escuela Politécnica Superior
- Total Créditos: 60 créditos.
- Mínimo 12 ECTS y máximo 60 ECTS por matrícula y periodo lectivo
Perfil del alumno:Los perfiles de ingreso recomendados del Máster son los que se corresponden con los Grados de Matemáticas, Física, Ingeniería informática y otras ingenierías relacionadas. El Máster tiene un marcado carácter transversal, ya que el egresado adquirirá una base sólida necesaria para realizar el análisis de datos avanzado. Por este motivo, el Máster se dirige a profesionales con diferentes titulaciones universitarias previas, o cercanas a las mismas.

Tecnologías, programación y data science con conocimientos aplicados de análisis y gestión de datos.

En la última década el análisis de datos y la toma de decisiones basadas en ellos ha cambiado y está transformando la mayoría de los sectores industriales, tanto a nivel nacional como a nivel global.

La demanda de perfiles de Científicos de Datos por las empresas se ha visto incrementada y se prevé́ que esta tendencia continúe, como parte de la transformación digital de las empresas. Según el informe de Indicadores de Uso de Inteligencia Artificial en las Empresas Españolas, solamente un 7% de las empresas españolas utilizan Inteligencia Artificial, españolas, solamente un 7% de las empresas españolas utilizan Inteligencia Artificial, por lo que hay un gran espacio para profesionales formados en este campo.

Las grandes empresas tecnológicas están apostando fuertemente por el reclutamiento de personas con conocimiento en algoritmia, estadística y negocio que puedan continuar investigando y desarrollando nuevos modelos basados en datos.

El alto componente tecnológico de este sector hace que las titulaciones tengan que estar adaptadas a las necesidades y cambios que se producen constantemente en este campo. Este exclusivo programa tiene una clara orientación profesional, ya que es un complemento idóneo para muchos profesionales del sector tecnológico. Graduados en Matemáticas, Física, Ingeniería informática y otras ingenierías relacionadas pueden completar su formación con este Máster, perfil muy demandado por las empresas.

Prepárate para liderar la innovación en el mundo.

INSTALACIONES TOTALMENTE EQUIPADAS
Los estudiantes tienen a su disposición unos laboratorios equipados con los mejores equipos, pensados y diseñados para aprender practicando.

ÚLTIMAS TENDENCIAS EN AI
El programa incluye competencias específicas para comprender y diseñar algoritmos de aprendizaje automático (Machine Learning) y de aprendizaje profundo (Deep Learning, redes neuronales).

UNA MODALIDAD ADAPTADA A TUS NECESIDADES
La posibilidad de cursar el programa de manera presencial o a distancia permite al estudiante compatibilizar su vida personal y profesional con su formación.

Plan de Estudio.

Primer Semestre

6 ECTS | Matemáticas aplicadas a ciencia de datos

6 ECTS | Análisis exploratorio de datos

6 ECTS | Lenguajes de programación para ciencia de datos

6 ECTS | Bases de datos

6 ECTS | Aprendizaje automático I

Segundo Semestre

6 ECTS | Redes neuronales y Aprendizaje profundo

6 ECTS | Aprendizaje automático II

6 ECTS | Gestión de proyectos

6 ECTS | Prácticas

6 ECTS | Trabajo fin de máster

Competencias.

C1: Diseñar las diferentes fases del ciclo de desarrollo de un proyecto de ciencia de datos, y establecer las tareas necesarias y los perfiles técnicos que han de formar parte del equipo.

C2: Aplicar los conocimientos, habilidades y competencias adquiridas en el Máster para desarrollar, exponer y defender públicamente ante un tribunal, un trabajo individual en el área de Ciencia de Datos.

C3: Identificar y evaluar qué datos del producto/proceso/servicio pueden aportar valor al negocio. Identificar qué datos del producto/proceso/servicio pueden ser recolectados, con el fin de detectar qué mejoras y beneficios puede aportar el tratamiento de estos al negocio.

C4: Implementar en un entorno profesional, los conocimientos, habilidades y competencias adquiridas en las asignaturas del Máster.

C5: Validar modelos de aprendizaje utilizando conjuntos de datos que incluyan características y variables objetivo que sean acordes al problema a resolver. Diseñar y crear conjuntos de datos que incluyan características y variables objetivo que sean acordes al problema a resolver.

C6: Diseñar e implementar mecanismos para la captura de datos de diferentes fuentes (web, repositorios, aplicaciones) utilizando mecanismos diversos: queries, API, scrapping, etc.

C7: Actuar con los principios éticos y legales necesarios para una correcta manipulación de datos y aplicación de modelos, según el ámbito de cada aplicación.

C8: Valorar el flujo de datos y determinar la infraestructura necesaria para el despliegue automático de los modelos en producción.

C9: Evaluar las técnicas de optimización para maximizar o minimizar funciones, que son fundamentales en la modelización de problemas y en el aprendizaje automático.

Salidas Profesionales.
- Director/a de Big Data y/o Analítica Avanzada
- Responsable de Analítica Avanzada o de Analytics
- Responsable de Inteligencia de Negocio (BI)
- Manager de IA
- Responsable de Análisis de Datos
- Responsable de Modelos
- Manager de DS
- Experto en IA
- Data Scientist
- Modelizador
- Experto en NLP
- Consultor/a o Técnico/a DS
- Consultor/a o Técnico/a de Big Data
- Experto en Deep Learning