University College London (UCL)

Maestría en Ciencias de Datos

Enseñando y aprendiendo

El método principal para comunicar información y estimular el interés son las clases magistrales, que proporcionan una base de conocimientos formal a partir de la cual se puede desarrollar la comprensión. La comprensión del material de clase se refuerza mediante clases de problemas, talleres de informática y tutorías grupales, así como mediante el autoaprendizaje. El aprendizaje asistido por pares, las discusiones con otros estudiantes y las conversaciones individuales con el personal también refuerzan el proceso de aprendizaje.

Si bien las clases magistrales son el principal vehículo para acumular conocimientos, tus habilidades intelectuales, académicas y de investigación se desarrollarán principalmente fuera del aula, por ejemplo, abordando y debatiendo problemas planteados con regularidad (normalmente semanalmente). Algunos cursos requieren que desarrolles tu pensamiento más allá de la memorización y que vincules ideas entre los diferentes módulos. Se te animará a razonar abiertamente mediante el debate de los problemas planteados en las tutorías. En algunos módulos, los talleres te permiten trabajar en problemas de forma individual o en grupo, con la presencia del profesorado o los asistentes para ayudarte. El profesorado también ofrece horas de consulta regulares durante las cuales puedes acudir a hacer preguntas sobre el material y recibir asistencia y retroalimentación individualizadas.

Las habilidades prácticas y transferibles se desarrollan mediante la oportunidad de adquirir experiencia práctica a través de talleres y proyectos regulares. Las demostraciones y ejercicios de análisis de datos son un componente esencial de los módulos principales, y gran parte de la enseñanza de computación estadística se realiza en talleres de informática, lo que te permitirá aprender mediante la participación activa. Los talleres adicionales que se imparten durante los trimestres lectivos preparan para el proyecto de investigación de verano y abarcan la comunicación estadística, por ejemplo, la presentación de gráficos y tablas estadísticas. Los supervisores del proyecto te orientarán sobre cómo gestionar eficazmente una tarea extensa, y te animamos a que supervises tu propia práctica laboral mediante un cuestionario de autoevaluación, así como a que supervises tu progreso mediante la autocalificación de las tareas no evaluadas.

Toda la evaluación sumativa se organiza a nivel modular durante el año académico en el que se cursa el módulo. La mayoría de los módulos de Ciencias Estadísticas e Informática combinan un examen escrito de fin de curso con trabajos de curso para evaluar los conocimientos específicos de la materia y las habilidades académicas, aunque algunos módulos se basan completamente en trabajos de curso. El proyecto de análisis de datos evalúa además las habilidades intelectuales, académicas y de investigación mediante informes escritos en procesador de texto y, en el caso del proyecto de investigación de verano, una presentación oral.

El trabajo del curso está diseñado para animarte a desarrollar tus conocimientos y habilidades a medida que avanza cada módulo. Si bien no todo el trabajo del curso contribuye a la evaluación formal, te brindará la oportunidad de demostrar tus habilidades intelectuales y prácticas respondiendo por escrito a las hojas de ejercicios y oralmente durante las tutorías. La retroalimentación se presenta principalmente a través de tutorías, clases de problemas y talleres, y de forma individual si la solicitas.

En promedio, se espera que un estudiante dedique 150 horas de estudio a cada módulo de 15 créditos. Esto incluye tiempo lectivo, estudio personal y trabajos de curso. Los módulos suelen impartirse en sesiones semanales de dos horas durante 10 semanas por trimestre.

Para los estudiantes de tiempo completo, las horas de contacto típicas son de unas 12 horas semanales. Además de las clases, seminarios, talleres y tutorías, los estudiantes de tiempo completo suelen estudiar el equivalente a un trabajo de tiempo completo, dedicando el tiempo restante al estudio autónomo y a la realización de las tareas del curso.

Durante el primer y segundo trimestre, los estudiantes a tiempo completo suelen contar con entre 10 y 12 horas lectivas semanales, que se dividen en clases magistrales, seminarios, talleres, revisiones y tutorías. Durante el tercer trimestre y el verano, los estudiantes realizarán su propio proyecto de investigación y mantendrán contacto regular con sus supervisores.

Módulos

Tiempo completo

La metodología básica se imparte mediante un módulo básico (para repasar conceptos básicos de probabilidad y estadística) y otros módulos obligatorios, y se ilustra con diversas aplicaciones. En los módulos básicos se introducen técnicas de programación para que los estudiantes puedan codificar sus propios métodos estadísticos. Posteriormente, los estudiantes pueden centrarse en sus áreas de interés mediante la elección adecuada de módulos optativos.

El proyecto de investigación consolida el componente docente del máster. Normalmente, los estudiantes analizarán e interpretarán datos de un problema real y complejo, lo que les permitirá generar soluciones viables. Los temas del proyecto pueden seleccionarse de una lista del departamento o los estudiantes pueden aportar sus propias sugerencias. Esta lista suele incluir proyectos de colaboración con socios industriales.

Medio tiempo

El programa también se ofrece a tiempo parcial durante dos años. Los módulos impartidos se reparten entre el primer y el segundo año, pero dentro de cada año, las clases de un módulo en particular son las mismas que asisten los estudiantes a tiempo completo (es decir, no se ofrecen horarios lectivos especiales para el programa a tiempo parcial).

El módulo básico se cursa al inicio del primer año. Se recomienda que los estudiantes también cursen el módulo obligatorio Introducción a la Ciencia de Datos Estadísticos (STAT0032) durante el primer año, y deben cumplirse los prerrequisitos del módulo. Sin embargo, existe cierta flexibilidad en el orden de estudio de los módulos restantes. Los estudiantes a tiempo parcial entregan su proyecto al final del segundo año. Es posible acordar con el supervisor del proyecto comenzar a trabajar en él antes que los estudiantes a tiempo completo, pero los estudiantes a tiempo parcial no tienen derecho a una mayor supervisión en general.

• Módulos obligatorios
• Introducción al aprendizaje automático
• Quincena de la Fundación
• Diseño estadístico de investigaciones
• Computación estadística
• Introducción a la ciencia de datos estadísticos
• Proyecto de investigación
• Módulos opcionales
• Sistemas estocásticos
• Previsión
• Decisión y riesgo
• Métodos estocásticos en finanzas
• Métodos estocásticos en finanzas II
• Modelado cuantitativo del riesgo operacional y análisis de seguros
• Métodos bayesianos aplicados
• Inferencia a escala
• Modelos gráficos
• Aprendizaje automático aplicado
• Recuperación de información y minería de datos
• Procesamiento estadístico del lenguaje natural
• Aprendizaje Profundo Aplicado

Tenga en cuenta que la lista de módulos que se presenta aquí es orientativa. Esta información se publica con bastante antelación a la inscripción y el contenido y la disponibilidad de los módulos están sujetos a cambios.

Los estudiantes cursan módulos por un valor de 180 créditos. Al completarlos satisfactoriamente, obtendrán una Maestría en Ciencias de Datos.

Lo que este curso te aportará

• El área de Ciencias Estadísticas UCL tiene una amplia gama de intereses de investigación, pero tiene fortalezas particulares en el área de estadística computacional y en la interfaz entre estadística y ciencia informática.
• El Centro de Estadística Computacional y Aprendizaje Automático de UCL , en el que participan muchos miembros del departamento, tiene un programa de seminarios, clases magistrales y otros eventos.
• UCL es uno de los miembros fundadores del Instituto Alan Turing, y tanto UCL Ciencia Estadística como la Ciencia Informática UCL desempeñarán papeles importantes en este nuevo y apasionante desarrollo que convertirá a Londres en un foco importante para la investigación de big data.
• Clasificada en el quinto lugar en el Reino Unido por el QS World University Rankings by Subject 2024 en Estadística e Investigación Operativa, le ofrecemos una excelente educación con altos estándares de enseñanza.

La base de tu carrera

Es probable que los profesionales de la ciencia de datos sean cada vez más solicitados, ya que la integración de herramientas analíticas estadísticas y computacionales se vuelve esencial en todo tipo de organizaciones y empresas. Se espera que los mejores profesionales posean un profundo conocimiento de los fundamentos. Por ejemplo, en aplicaciones en marketing, el sector sanitario y la banca, las habilidades computacionales deben ir acompañadas de conocimientos estadísticos a nivel de posgrado. Los científicos de datos necesitan un amplio conocimiento para poder adaptarse a los desafíos en constante evolución.

Empleabilidad
Los graduados de Ciencias Estadísticas de UCL generalmente ingresan al empleo profesional en una amplia gama de sectores industriales o continúan sus estudios académicos.

Las áreas de empleo incluyen TI, tecnología y telecomunicaciones, y contabilidad y servicios financieros, y los graduados consiguen puestos en una variedad de empleadores, incluidos Deloitte y Huawei.

Redes
El Departamento ofrece experiencia de primer nivel y sólidos vínculos con profesionales, y su ubicación dentro de UCL proporciona a los estudiantes una amplia gama de conocimientos (por ejemplo, el Instituto de Ciencias Matemáticas y Estadísticas UCL , el Centro de Estadística Computacional y Aprendizaje Automático UCL y el Instituto Alan Turing). El personal también colabora directamente con hospitales, compañías eléctricas, organismos reguladores gubernamentales y el sector financiero. En consecuencia, los estudiantes de posgrado tienen la oportunidad de colaborar con instituciones externas. Existe la posibilidad de que organizaciones externas impartan conferencias y seminarios técnicos, mientras que la lista de proyectos de investigación de maestría suele incluir proyectos de colaboración con compañías farmacéuticas y otros socios industriales.

Acreditación
Este programa de máster está acreditado por la Royal Statistical Society. El periodo de acreditación actual cubre a los estudiantes que se matriculen por primera vez entre septiembre de 2023 y septiembre de 2028.