Máster de Formación Permanente en Ciencia e Ingeniería de Datos

El Máster de Formación Permanente en Ciencia e Ingeniería de Datos responde a la demanda social y profesional en el mercado laboral y a la creciente relevancia de la ciencia e ingeniería de datos en la toma de decisiones y desarrollo de soluciones en diversas industrias. La era digital ha generado una gran cantidad de datos que requieren gestión, análisis e interpretación para obtener información valiosa y tomar decisiones informadas. La demanda de profesionales capacitados en el manejo de datos ha aumentado notablemente en los últimos años. Este máster ofrece a los estudiantes las habilidades necesarias para trabajar en la industria tecnológica y la analítica, incluyendo minería de datos, inteligencia artificial y aprendizaje automático. Además, permite entender cómo los datos pueden mejorar la eficiencia y rentabilidad empresarial. El Máster fomenta la curiosidad por el uso de datos para resolver problemas complejos y mejorar la calidad de vida. Los estudiantes aprenden sobre las últimas tendencias y avances en la ciencia e ingeniería de datos, obteniendo una perspectiva amplia y actualizada.

El programa de formación se estructura en 4 módulos de conocimiento. Se incluyen asignaturas fundamentales (6 créditos ECTS) así como asignaturas de especialización (3 créditos ECTS). En todas ellas se combinarán conocimientos teóricos con ejercicios y trabajos prácticos.
Un aspecto diferenciador del Máster es la integración de aspectos de ingeniería de datos (Spark, Hadoop, arquitecturas cloud, obtención y almacenamiento de datos) y analítica de datos (modelos estadísticos, minería de datos, simulación, análisis de grafos o visualización y comunicación).

Listado de Materias y Asignaturas.

I. Métodos Estadísticos

• Técnicas y Métodos de Ciencia de Datos (6 ECTS).
• Minería de Datos (3 ECTS).
• Simulación y Métodos de Computación (3 ECTS).

II. Captura y Almacenamiento de Datos

• Obtención de Datos (3 ECTS).
• Búsqueda y Recuperación de Información (3 ECTS).
• Bases de Datos no Convencionales (3 ECTS).
• Privacidad y Protección de Datos (3 ECTS).

III.Procesamiento de Datos

• Sistemas Distribuidos de Procesamiento de Datos (6 ECTS).
• Arquitecturas Cloud (3 ECTS).
• Programación Orientada a Procesamiento de Datos (3 ECTS).

IV.Análisis de Datos

• Inteligencia y Analítica de Negocios (6 ECTS).
• Análisis de Grafos y Redes Sociales (3 ECTS).
• Visualización: Comunicación y Presentación de Resultados (3 ECTS).

Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.

• Ingeniería Informática, Ingeniería Técnica en Informática de Gestión, Ingeniería Técnica en Informática de Sistemas.
• Ingeniería de Telecomunicación.
• Ingeniería Industrial y Organización Industrial.
• Licenciatura en Matemáticas o Estadística.
• Licenciatura en Ciencias Económicas, Administración y Dirección de Empresas.
• Otras áreas de conocimiento afines a las anteriormente citadas.

Modalidad: Presencial.

• Integrar los conocimientos teóricos y prácticos necesarios para la práctica de la ciencia de datos, integrando tanto la dimensión de ingeniería como la de análisis de datos.
• Adquirir destrezas en la utilización de las principales arquitecturas y herramientas tecnológicas, así como métodos matemáticos y estadísticos utilizados en ciencia de datos.
• Poner en práctica los conocimientos adquiridos para aplicarlos en un entorno real de trabajo (prácticas en empresa) y desarrollar un proyecto completo de ciencia de datos (trabajo fin de máster).