-
MÁSTER OFICIAL Ciencia de Datos y Aprendizaje Automático
Descarga el folleto y recibe toda la información del máster
Modalidad: Presencial (de 17 a 21h)
Plazas: 25
Créditos: 60 ECTS
Duración: 2 semestres
Fecha de inicio: Octubre 2021
Prácticas garantizadas en La Rioja
Salidas profesionales en empresas tecnológicas
Coste total créditos: 1.920 €*
"El Máster ofrece una formación específica en los métodos y técnicas necesarias para la manipulación, transformación, análisis y visualización de datos, así como en la construcción de modelos de predicción, de forma que se puedan obtener conocimientos útiles a partir de los datos masivos para la toma de decisiones."
La Ciencia de Datos es un campo interdisciplinar que involucra métodos científicos, procesos y sistemas para un mejor entendimiento de los datos y para obtener conocimiento en la toma de decisiones. En la ciencia de datos confluyen técnicas y teorías extraídas de las matemáticas, la estadística, y la informática.
El Aprendizaje Automático es una rama de la Inteligencia Artificial, que estudia los algoritmos y modelos estadísticos que los sistemas informáticos usan para realizar predicciones sin ser programados explícitamente para ello, sino que se basan en la construcción de modelos matemáticos entrenados con datos recogidos previamente.
El Máster Universitario en Ciencia de Datos y Aprendizaje Automático de la Universidad de La Rioja es un título oficial que ofrece una formación específica en los métodos y técnicas necesarias para la manipulación, transformación, análisis y visualización de datos, así como en la construcción de modelos de predicción, de forma que se puedan obtener conocimientos útiles a partir de los datos masivos para la toma de decisiones. El máster ofrece una formación avanzada y especializada de calidad, que capacita para lograr una mejor inserción en un mercado laboral cada vez más complejo y competitivo.
• Se trata de un Máster oficial que cuenta con 25 plazas.
• Duración de un curso: 60 créditos ECTS, distribuidos en 4 tramos de 8 semanas, repartidos en 2 semestres.
• Máster orientado a la empleabilidad y a la innovación.
• Competencias de los egresados:
• Implementar y gestionar soluciones computacionales en entornos de datos masivos.
• Gestionar la persistencia de los datos sobre las tecnologías más apropiada para cada caso.
• Comprender y crear algoritmos, técnicas y métodos analíticos.
• Diseñar y desarrollar algoritmos predictivos mediante técnicas de aprendizaje automático y aprendizaje profundo.
• Liderar proyectos basados en datos.
Perfil recomendado de acceso:
• Grado en Ingeniería Informática
• Otras Ingenierías en cualquiera de sus especialidades
• Matemáticas
• Física
• Bioinformática, Biotecnología u otras titulaciones afines.
También podrán acceder al máster aquellos candidatos con otras titulaciones universitarias afines, siempre que se acredite que se han conseguido las competencias requeridas o se hayan realizado los complementos de formación que la Comisión Académica de Máster determine.
Existe la posibilidad de realizar prácticas externas curriculares de carácter optativo. La duración de las prácticas será de 225 horas, que equivalen a 9 ECTS. Estos créditos prácticos podrán ser reconocidos por experiencia laboral y profesional acreditada, siempre que dicha experiencia esté relacionada con las competencias inherentes al título.
El Máster pretende que el estudiante desarrolle las siguientes capacidades:
Se pueden destacar todas aquellas actividades profesionales que se centran en el análisis de datos y en la creación de modelos de predicción:
Estos perfiles se pueden desarrollar en múltiples sectores (financiero, comercial, industrial, comunicaciones, transportes, sanitario…), y en organizaciones con las siguientes características:
*El coste del máster está estimado en función del precio crédito que aparece en la página de precios públicos de la Universidad de La Rioja: http://www.unirioja.es/estudiantes/matricula/precios.shtml#3
Los 60 créditos están distribuidos en 4 tramos de 8 semanas, repartidos en dos semestres. En cada tramo se imparten 4 asignaturas, y cada asignatura tiene una duración de 3 ECTS. En los tres primeros tramos se cursan las asignaturas obligatorias. El cuarto tramo se corresponde con las asignaturas optativas. Existe la posibilidad de realizar prácticas externas curriculares de carácter optativo. La duración de las prácticas será de 225 horas, que equivalen a 9 ECTS. Estos créditos prácticos podrán ser reconocidos por experiencia laboral y profesional acreditada, siempre que dicha experiencia esté relacionada con las competencias inherentes al título.
Para obtener el título es necesario:
• superar los 36 créditos de las 12 asignaturas obligatorias
• superar 12 créditos optativos. Los créditos optativos se pueden obtener entre las asignaturas optativas y las prácticas externas
• realizar un Trabajo Fin de Máster (12 créditos), que consiste en la realización de un proyecto, memoria o estudio en el que el estudiante aplique y desarrolle las competencias y conocimientos adquiridos
| TRAMO 1 | TIPO | ECTS |
|---|---|---|
| Métodos de análisis de datos I | OB | 3 |
| Programación para la ciencia de datos | OB | 3 |
| Almacenamiento y recuperación de datos avanzados I | OB | 3 |
| Aprendizaje automático I | OB | 3 |
| TRAMO 2 | TIPO | ECTS |
|---|---|---|
| Técnicas para la ciencia de datos | OB | 3 |
| Métodos de análisis de datos II | OB | 3 |
| Preparación de datos | OB | 3 |
| Aprendizaje automático II | OB | 3 |
| TRAMO 3 | TIPO | ECTS |
|---|---|---|
| Metodologías para la ciencia de datos | OB | 3 |
| Almacenamiento y recuperación de datos avanzados II | OB | 3 |
| Inteligencia de negocio | OB | 3 |
| Aprendizaje profundo | OB | 3 |
| TRAMO 4 | TIPO | ECTS |
|---|---|---|
| Infraestructuras para la ciencia de datos | OPT | 3 |
| Metodologías avanzadas de programación para la ciencia de datos | OPT | 3 |
| Sistemas de persistencia avanzados | OPT | 3 |
| Procesamiento de imágenes digitales | OPT | 3 |
| PRÁCTICAS EXTERNAS | TIPO | ECTS |
|---|---|---|
| Prácticas externas | OPT | 9 |
| Trabajo Fin de Máster | ECTS |
|---|---|
| Trabajo Fin de Máster | 12 |