Universidad Nebrija

Máster en Ciencia de Datos

Perfil del alumno

El perfil de ingreso de este Máster Universitario en Ciencia de Datos, queda definido del siguiente modo:

• Titulados en Ingeniería, principalmente los titulados en Grados de Ingeniería Informática o sus equivalentes en las titulaciones del sistema precedente (Ingenieros Técnicos en Informática de Gestión, Ingenieros Técnicos en Informática de Sistemas e Ingenieros en Informática) y titulaciones afines de la rama de la Informática, como por ejemplo, los Grados en Sistemas de Información, Ingeniería del Software o en Ingeniería de Computadores.
• Titulados en disciplinas cuantitativas (Matemáticas, Física, Estadística).

El estudiante debe cursar 60 créditos

Primer Semestre 30 ECTS

• 3 ECTS | Modelos matemáticos de aprendizaje automático
• 6 ECTS | Lenguajes de programación para ciencia de datos
• 6 ECTS | Análisis exploratorio de datos
• 3 ECTS | Gestión y almacenamiento de datos
• 6 ECTS | Aprendizaje automático supervisado
• 3 ECTS | Aprendizaje automático no supervisado
• 3 ECTS | Aplicaciones de aprendizaje automático en casos reales

Segundo Semestre 30 ECTS

• 6 ECTS | Modelos matemáticos de redes neuronales
• 3 ECTS | Redes neuronales y Aprendizaje profundo
• 3 ECTS | Procesamiento del lenguaje natural e imágenes
• 3 ECTS | Sistemas de recomendación
• 3 ECTS | Aplicaciones de redes neuronales en casos reales
• 6 ECTS | Prácticas Académicas Externas

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.

Destacan las siguientes posiciones como salidas laborales:

• 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