Idioma: ES
propuesta-banner-2 3

Maestría en Ciencia de Datos

Información General

Presentación

Uso del análisis descriptivo, predictivo y prescriptivo de datos como herramienta de soporte para dar solución a situaciones y problemáticas reales.

propuesta-banner-2 3 click para reproducir video
Maestría en Ciencia de Datos en la Escuela: los datos al servicio de las organizaciones.

Análisis de datos como herramienta para la toma de decisiones en las organizaciones

La Maestría en Ciencia de Datos de la Universidad Escuela Colombiana de Ingeniería Julio Garavito forma magísteres con capacidad de solucionar problemas empresariales por medio del entendimiento, la transformación y el modelamiento de grandes volúmenes de datos.

“El magíster en Ciencia de Datos asumirá un papel crítico en las organizaciones, buscando que la toma de decisiones genere competitividad empresarial”.

Ingeniero Wilmer Edicson Garzón Alfonso

Director

El compromiso de la Escuela es formar a los estudiantes de la Maestría en Ciencia de Datos con fuertes bases técnicas y científicas, competencias en la identificación de oportunidades, habilidades en el uso de modelos y herramientas para la solución de problemas, conocimiento de la perspectiva de negocio y liderazgo en las organizaciones, a través de la sinergia de la ingeniería industrial, la ingeniería de sistemas y la matemática. La institución lo logra por medio de una educación teórico-práctica rigurosa, laboratorios con infraestructura de punta, convenios internacionales y desarrollo de la investigación en el área del programa.

Reseña histórica del programa

La Universidad Escuela Colombiana de Ingeniería Julio Garavito ofrece la Maestría en Ciencia de Datos desde 2020, como respuesta a un mercado laboral que evidencia la necesidad de formar expertos que apliquen sus conocimientos en áreas como finanzas, marketing, gestión de operaciones, logística y supply chain, entre otras.

Desde las decanaturas de Matemáticas, Ingeniería de Sistemas e Ingeniería Industrial se propone la creación de la Maestría en Ciencia de Datos, ofrecida en las modalidades de investigación y profundización. Dichas decanaturas lideran las tres áreas del conocimiento en ciencia de datos, a saber: Estadística y Matemáticas, Tecnología y Computación, y Conocimiento del Negocio; responden no sólo a las importantes necesidades del mercado colombiano y mundial de formar expertos en ciencia de datos, sino al crecimiento académico e investigativo de la Escuela, aprovechando las fortalezas que cada una de ellas ha consolidado a lo largo de los últimos años.

La Maestría en Ciencia de Datos tiene como objetivo formar magísteres con capacidad de analizar e interpretar situaciones y problemáticas reales, abstraer información relevante y llevar a cabo proyectos de investigación de tipo aplicado, haciendo uso del análisis descriptivo, predictivo y prescriptivo de datos como herramienta de soporte para dar solución a dichas problemáticas. Además, el profesional que decida cursar el programa propuesto recibirá bases científicas que le permitan generar, apropiarse y aplicar conocimiento, enfocado en resolver problemas del sector productivo y académico, bien sean de carácter social, económico, político o interdisciplinar.

De manera general, el graduado de la Maestría en Ciencia de Datos será un profesional responsable de recolectar, analizar e interpretar grandes cantidades de datos para identificar formas de ayudar a mejorar la operación del negocio y ganar competitividad frente a otras empresas. Así mismo, ocupará un papel crítico para las organizaciones, extraerá información a partir de datos para explorar y definir problemas que necesitan ser resueltos y combinará sus habilidades técnicas para resolver retos que tendrán diferentes grados de dificultad. Quien opte por la modalidad de profundización desarrollará competencias específicas en la investigación aplicada para la solución de problemas empresariales por medio del entendimiento, la transformación y el modelamiento de datos; y quien elija la modalidad de investigación, se hará competente para generar conocimiento científico.

A la fecha se han graduado 18 profesionales de esta maestría.

Horario

  • Viernes de 6:30 a.m. a 9:00 p.m.
  • Sábados de 7:00 a.m. a 6:00 p.m. El horario definitivo depende de la selección de las asignaturas en cada periodo académico
  • Se implementan metodologías de clase acordes a la naturaleza de las asignaturas: Las clases pueden ser presenciales o remotas sincrónicas.
  • Algunas actividades académicas como conferencias, talleres y seminarios pueden desarrollarse en horarios especiales.
  • Los cursos de la Escuela Internacional de Verano pueden tener un horario especial hasta las 9:30 p.m. y podrán desarrollarse en  modalidad presencial y remota sincrónica, según la programación de cada curso.

Intensidad

El año académico tiene un total de 40 semanas efectivas de trabajo:

  • Primer periodo de 16 semanas (enero a mayo).
  • Periodo intermedio de 8 semanas (junio y julio).
  • Segundo periodo de 16 semanas (agosto a diciembre).

*Por cada hora presencial se deben dedicar por lo menos tres horas de estudio y trabajo fuera de clase.

Requisitos de grado

  • Aprobar el plan de estudios.
  • Obtener la calificación aprobatoria en las asignaturas.
  • Cumplir la Declaración de Principios, el Reglamento Estudiantil de Posgrados y las reglamentaciones del programa.
  • Entregar a la Biblioteca de la Escuela un trabajo de grado aprobado.
  • Someter un artículo en una revista, científica o de divulgación, preferiblemente indexada.
  • Sustentar públicamente el trabajo de grado.
  • Cursar el programa en un tiempo máximo de 5 años.

Registro Calificado

  • Snies 109405
  • Registro calificado Resolución MEN N.° 008278 del 28 de mayo de 2020.
  • Vigencia de la resolución 7 años.

Solicite información

Maestría en Ciencia de Datos

Admisiones

INSCRIPCIONES ABIERTAS

Maestría en Ciencia de Datos

  • Del 9 de septiembre al 17 de diciembre de 2024. Inscripciones
  • Del 23 de septiembre al 18 de diciembre de 2024 (depende del programa). Citación a entrevistas

REQUISITOS

  • Entregar documentación de inscripción completa.
  • Presentar pruebas diagnósticas de admisión o entrevista.

Calendario de admisiones

Maestría en Ciencia de Datos: periodo académico 2025-1

  • 1
    Inscripciones Del 9 de septiembre al 17 de diciembre de 2024.
  • 2
    Citación a entrevistas Del 23 de septiembre al 18 de diciembre de 2024 (depende del programa).
  • 3
    Entrevista Del 24 de septiembre al 19 de diciembre de 2024.
  • 4
    Examen diagnóstico No presenta.
  • 5
    Respuesta de admisión Del 1.° de octubre al 20 de diciembre de 2024.
  • 6
    Solicitud de homologación Del 2 de octubre al 20 de diciembre de 2024.
  • 7
    Inscripción de asignaturas Del 21 de noviembre de 2024 al 15 de enero de 2025.
  • 8
    Publicación órdenes de matrícula Del 21 de noviembre de 2024 al 15 de enero de 2025.
  • 9
    Pago ordinario en una cuota Del 21 de noviembre de 2024 al 16 de enero de 2025
  • 10
    Pago ordinario en dos cuotas 1ra. cuota: Del 21 de noviembre de 2024 al 9 de enero de 2025 / 2da. cuota: Del 10 de enero al 27 de marzo de 2025.
  • 11
    Inducción 16 de enero de 2025.
  • 12
    Inicio de clases A partir del 20 de enero de 2025.
  • 13
    Firma de matrícula Hasta el 30 de enero de 2025.

Perfil del aspirante

mujer profesional
  • Ingenieros industriales, civiles, electricistas, electrónicos, mecánicos o de sistemas; matemáticos, administradores de empresas, economistas y profesionales de áreas afines que tengan fundamentación en estadística o conocimientos básicos en análisis de datos.
  • Profesionales con interés en profundizar sus conocimientos y perfeccionar sus habilidades en la transformación, análisis y modelamiento de datos, con el fin de solucionar problemas de los sectores productivo y académico.
  • Actitud propositiva para resolver desafíos locales, regionales, nacionales e internacionales en temas relacionados con la ciencia de datos.
  • Aptitud para dialogar o interactuar con profesionales de diferentes áreas, con el fin de fortalecer la interdisciplinariedad, necesaria para el desarrollo de la investigación.

Plan de Estudios

Créditos por modalidad
Componente Profundización Investigación
Institucionales 2 2
Obligatorias 21 21
Electivas 9 7
Trabajo de Grado 8 10
Total 40 40

Las asignaturas electivas serán seleccionadas por el estudiante con la asesoría de su profesor consejero, de acuerdo con sus intereses personales, la orientación deseada y la programación establecida semestralmente por la Escuela.
Esto incluye la posibilidad de tomar electivas de otros énfasis y de otros programas.

Clasificación de asignaturas

Institucionales

Créditos 2

Obligatorias

Créditos 21

Electivas

Créditos 9

Trabajo de Grado

Créditos 8

Asignaturas

  • SEFP_M

Seminario Formulación Proyectos

Créditos
1
Cerrar
  • SEFP_M
  • Créditos 1
  • Institucionales

Seminario Formulación Proyectos

Hoy en día se reconoce y reitera la importancia que dentro de las Organizaciones reviste el apropiado Desarrollo y la efectiva Gerencia de los Proyectos. Es por esto que, en la actualidad, las organizaciones requieren de profesionales, que conozcan, apliquen y manejen exitosamente los principios, prácticas, modelos, procesos y herramientas universalmente aceptadas para el desarrollo y gerencia de sus proyectos.

  • Horas Presenciales 12,0
  • CTES_M

Ciencia, Tecnología y Sociedad

Créditos
1
Cerrar
  • CTES_M
  • Créditos 1
  • Institucionales

Ciencia, Tecnología y Sociedad

Con el estudio de esta asignatura se busca desarrollar las competencias necesarias para comprender la realidad social, económica y política del país en los estudiantes de maestría. El objetivo del curso es analizar y comprender los aspectos sociales del fenómeno científico-tecnológico, para identificar los problemas derivados de la falta de generación, apropiación y aplicación del conocimiento. El enfoque de la asignatura es interdisciplinar; en su estudio confluyen las ciencias sociales, económicas y la investigación.

  • Horas Presenciales 12,0
  • PRAD_M

Probabilidad para análisis de datos

Créditos
3
Cerrar
  • PRAD_M
  • Créditos 3
  • Obligatorias

Probabilidad para análisis de datos

La probabilidad es el lenguaje natural en el cual se presentan y se pueden abarcar distintos problemas para el análisis de datos provenientes de las nuevas tecnologías, de ahí la importancia de saber manejar las nociones básicas teóricas entorno a esta área. Durante el curso se desarrollarán competencias en conceptos teóricos y del lenguaje propio de la probabilidad para poder aplicarla estructuradamente a problemas cotidianos.

  • Horas Presenciales 36,0
  • MOET_M

Modelos estadísticos

Créditos
3
Cerrar
  • MOET_M
  • Créditos 3
  • Obligatorias

Modelos estadísticos

Curso en el que se profundiza en los conceptos teóricos básicos y en el lenguaje propio de los Modelos Estadísticos para poder aplicarlos estructuradamente a problemas de cualquier ámbito, de tal manera se permitirá un reconocimiento de las aplicaciones estadísticas fundamentales.

  • Horas Presenciales 36,0
  • PGAD_M

Programación para el análisis de datos

Créditos
3
Cerrar
  • PGAD_M
  • Créditos 3
  • Obligatorias

Programación para el análisis de datos

Curso en el que se implementan lenguajes de programación que permiten desarrollar con éxito proyectos de análisis de datos en cualquiera de sus etapas.

  • Horas Presenciales 36,0
  • MLEA_M

Machine learning

Créditos
3
Cerrar
  • MLEA_M
  • Créditos 3
  • Obligatorias

Machine learning

El curso apunta a desarrollar habilidades en “Machine Learning”, usando métodos como teoría de aprendizaje computacional e inteligencia artificial para extraer relaciones previamente desconocidas de grandes bases de datos. De manera que al finalizar el curso, los estudiantes serán capaces de sintetizar redes neuronales y métodos basados en árboles para extraer relaciones de bases de datos previamente desconocidas, evaluar el método apropiado de Machine Learning basado en el tipo de datos y problema a desarrolla y analizar de manera crítica la efectividad de los diferentes métodos de Machine Learning.

  • Horas Presenciales 36,0
  • BDAT_M

Big Data

Créditos
3
Cerrar
  • BDAT_M
  • Créditos 3
  • Obligatorias

Big Data

Con la masificación de las tecnologías móviles, bases de datos, redes sociales e internet, se hace cada vez más complicado administrar y estudiar la información. Big Data nace como una nueva estrategia tecnológica de análisis y visualización de grandes volúmenes de información.
Durante el curso se darán a conocer los conceptos básicos de Big Data y su situación en el contexto colombiano. También se aprenderán a aplicar los conceptos básicos de Big Data en proyectos de tecnología como soluciones a situaciones reales.

  • Horas Presenciales 3,0
  • Horas de trabajo independientes 6,0
  • Total horas por semana 9,0
  • GDAT_M

Gestión de datos

Créditos
3
Cerrar
  • GDAT_M
  • Créditos 3
  • Obligatorias

Gestión de datos

Ahora más que nunca los datos se han convertido en uno de los activos más valiosos para las organizaciones, por lo tanto, la transformación de los datos en información realmente valiosa para la organización, su entendimiento, administración y uso adecuado se convierten hoy en uno de los principales retos de las instituciones. En esta asignatura identificaremos los componentes base de la gestión de datos partiendo de la Estrategia de Datos hasta llegar a la administración certera de los mismos.

  • Horas Presenciales 36,0
  • TDEM_M

Toma de decisiones organizacionales

Créditos
3
Cerrar
  • TDEM_M
  • Créditos 3
  • Obligatorias

Toma de decisiones organizacionales

En el entorno empresarial actual existe la necesidad de conocer y entender las decisiones organizacionales y su respectivo impacto en cada área de la empresa. Para lograrlo se hace necesario incluir en la organización una estrategia de análisis de los datos global en la que toda la organización esté alineada en la importancia de los datos, para alcanzar realmente un impacto en los resultados de la organización. En el curso se desarrollarán competencias para tomar decisiones efectivas y diferenciadoras, en los niveles estratégicos y tácticos, basadas en la comprensión de modelos, de algoritmos y de la estructura organizacional. Lo anterior para aplicar y desarrollar estrategias bajo consideraciones conceptuales y técnicas que integren métodos propios de la Ciencia de Datos.

  • Horas Presenciales 36,0
  • ELCT(N)

Electivas

Créditos
9
Cerrar
  • ELCT(N)
  • Créditos 9
  • Electivas

Electivas

En este programa se deben cursar un total de 9 créditos en electivas.


Para más información, consultar en la pestaña "Detalle de electivas".

  • SMIN_M

Seminario de Metodologías de Investigación

Créditos
1
Cerrar
  • SMIN_M
  • Créditos 1
  • Trabajo de Grado

Seminario de Metodologías de Investigación

La asignatura enseña los fundamentos teóricos, metodológicos y estructurales de las estrategias de investigación. El objetivo es desarrollar capacidades en los estudiantes, para la resolución de problemas de investigación disciplinar, mediante el diseño de proyectos, en el marco de la apropiación y generación de conocimiento.

  • PPTG_M

Propuesta de Trabajo de Grado

Créditos
1
Cerrar
  • PPTG_M
  • Créditos 1
  • Trabajo de Grado

Propuesta de Trabajo de Grado

El trabajo de grado se desarrolla de manera gradual y por etapas. Inicia con el Seminario de metodologías de investigación, que se desarrolla en las primeras ocho (8) semanas del primer semestre. Continúa la formulación de la propuesta del Proyecto de Grado, con la asesoría del director del proyecto, durante las segundas ocho (8) semanas del mismo semestre. Al finalizar el primer semestre se presenta la propuesta de proyecto de grado para evaluación por pares. Los créditos de seminario de metodología de la investigación y propuesta de trabajo de grado, no tienen nota numérica, y su evaluación es de aprobado o no aprobado, por el profesor de la asignatura, y el comité de la maestría, respectivamente.

  • DYEVP_M

Desarrollo y Evaluación - Profundización

Créditos
4
Cerrar
  • DYEVP_M
  • Créditos 4
  • Trabajo de Grado

Desarrollo y Evaluación - Profundización

.

  • ENFI_M

Entrega Final

Créditos
2
Cerrar
  • ENFI_M
  • Créditos 2
  • Trabajo de Grado

Entrega Final

.

Seleccione una clasificación de asignaturas para ver el contenido disponible

Total de créditos del programa: 40

Clasificación de asignaturas

Institucionales

Créditos 2

Obligatorias

Créditos 21

Electivas

Créditos 7

Trabajo de Grado

Créditos 10

Asignaturas

  • CTES_M

Ciencia, Tecnología y Sociedad

Créditos
1
Cerrar
  • CTES_M
  • Créditos 1
  • Institucionales

Ciencia, Tecnología y Sociedad

Con el estudio de esta asignatura se busca desarrollar las competencias necesarias para comprender la realidad social, económica y política del país en los estudiantes de maestría. El objetivo del curso es analizar y comprender los aspectos sociales del fenómeno científico-tecnológico, para identificar los problemas derivados de la falta de generación, apropiación y aplicación del conocimiento. El enfoque de la asignatura es interdisciplinar; en su estudio confluyen las ciencias sociales, económicas y la investigación.

  • Horas Presenciales 12,0
  • SEFP_M

Seminario Formulación Proyectos

Créditos
1
Cerrar
  • SEFP_M
  • Créditos 1
  • Institucionales

Seminario Formulación Proyectos

Hoy en día se reconoce y reitera la importancia que dentro de las Organizaciones reviste el apropiado Desarrollo y la efectiva Gerencia de los Proyectos. Es por esto que, en la actualidad, las organizaciones requieren de profesionales, que conozcan, apliquen y manejen exitosamente los principios, prácticas, modelos, procesos y herramientas universalmente aceptadas para el desarrollo y gerencia de sus proyectos.

  • Horas Presenciales 12,0
  • PRAD_M

Probabilidad para análisis de datos

Créditos
3
Cerrar
  • PRAD_M
  • Créditos 3
  • Obligatorias

Probabilidad para análisis de datos

La probabilidad es el lenguaje natural en el cual se presentan y se pueden abarcar distintos problemas para el análisis de datos provenientes de las nuevas tecnologías, de ahí la importancia de saber manejar las nociones básicas teóricas entorno a esta área. Durante el curso se desarrollarán competencias en conceptos teóricos y del lenguaje propio de la probabilidad para poder aplicarla estructuradamente a problemas cotidianos.

  • Horas Presenciales 36,0
  • MOET_M

Modelos estadísticos

Créditos
3
Cerrar
  • MOET_M
  • Créditos 3
  • Obligatorias

Modelos estadísticos

Curso en el que se profundiza en los conceptos teóricos básicos y en el lenguaje propio de los Modelos Estadísticos para poder aplicarlos estructuradamente a problemas de cualquier ámbito, de tal manera se permitirá un reconocimiento de las aplicaciones estadísticas fundamentales.

  • Horas Presenciales 36,0
  • PGAD_M

Programación para el análisis de datos

Créditos
3
Cerrar
  • PGAD_M
  • Créditos 3
  • Obligatorias

Programación para el análisis de datos

Curso en el que se implementan lenguajes de programación que permiten desarrollar con éxito proyectos de análisis de datos en cualquiera de sus etapas.

  • Horas Presenciales 36,0
  • MLEA_M

Machine learning

Créditos
3
Cerrar
  • MLEA_M
  • Créditos 3
  • Obligatorias

Machine learning

El curso apunta a desarrollar habilidades en “Machine Learning”, usando métodos como teoría de aprendizaje computacional e inteligencia artificial para extraer relaciones previamente desconocidas de grandes bases de datos. De manera que al finalizar el curso, los estudiantes serán capaces de sintetizar redes neuronales y métodos basados en árboles para extraer relaciones de bases de datos previamente desconocidas, evaluar el método apropiado de Machine Learning basado en el tipo de datos y problema a desarrolla y analizar de manera crítica la efectividad de los diferentes métodos de Machine Learning.

  • Horas Presenciales 36,0
  • BDAT_M

Big Data

Créditos
3
Cerrar
  • BDAT_M
  • Créditos 3
  • Obligatorias

Big Data

Con la masificación de las tecnologías móviles, bases de datos, redes sociales e internet, se hace cada vez más complicado administrar y estudiar la información. Big Data nace como una nueva estrategia tecnológica de análisis y visualización de grandes volúmenes de información.
Durante el curso se darán a conocer los conceptos básicos de Big Data y su situación en el contexto colombiano. También se aprenderán a aplicar los conceptos básicos de Big Data en proyectos de tecnología como soluciones a situaciones reales.

  • Horas Presenciales 3,0
  • Horas de trabajo independientes 6,0
  • Total horas por semana 9,0
  • GDAT_M

Gestión de datos

Créditos
3
Cerrar
  • GDAT_M
  • Créditos 3
  • Obligatorias

Gestión de datos

Ahora más que nunca los datos se han convertido en uno de los activos más valiosos para las organizaciones, por lo tanto, la transformación de los datos en información realmente valiosa para la organización, su entendimiento, administración y uso adecuado se convierten hoy en uno de los principales retos de las instituciones. En esta asignatura identificaremos los componentes base de la gestión de datos partiendo de la Estrategia de Datos hasta llegar a la administración certera de los mismos.

  • Horas Presenciales 36,0
  • TDEM_M

Toma de decisiones organizacionales

Créditos
3
Cerrar
  • TDEM_M
  • Créditos 3
  • Obligatorias

Toma de decisiones organizacionales

En el entorno empresarial actual existe la necesidad de conocer y entender las decisiones organizacionales y su respectivo impacto en cada área de la empresa. Para lograrlo se hace necesario incluir en la organización una estrategia de análisis de los datos global en la que toda la organización esté alineada en la importancia de los datos, para alcanzar realmente un impacto en los resultados de la organización. En el curso se desarrollarán competencias para tomar decisiones efectivas y diferenciadoras, en los niveles estratégicos y tácticos, basadas en la comprensión de modelos, de algoritmos y de la estructura organizacional. Lo anterior para aplicar y desarrollar estrategias bajo consideraciones conceptuales y técnicas que integren métodos propios de la Ciencia de Datos.

  • Horas Presenciales 36,0
  • ELCT(N)

Electivas

Créditos
7
Cerrar
  • ELCT(N)
  • Créditos 7
  • Electivas

Electivas

En este programa se deben cursar un total de 7 créditos en electivas.


Para más información, consultar en la pestaña "Detalle de electivas".

  • SMIN_M

Seminario de Metodologías de Investigación

Créditos
1
Cerrar
  • SMIN_M
  • Créditos 1
  • Trabajo de Grado

Seminario de Metodologías de Investigación

La asignatura enseña los fundamentos teóricos, metodológicos y estructurales de las estrategias de investigación. El objetivo es desarrollar capacidades en los estudiantes, para la resolución de problemas de investigación disciplinar, mediante el diseño de proyectos, en el marco de la apropiación y generación de conocimiento.

  • PPTG_M

Propuesta de Trabajo de Grado

Créditos
1
Cerrar
  • PPTG_M
  • Créditos 1
  • Trabajo de Grado

Propuesta de Trabajo de Grado

El trabajo de grado se desarrolla de manera gradual y por etapas. Inicia con el Seminario de metodologías de investigación, que se desarrolla en las primeras ocho (8) semanas del primer semestre. Continúa la formulación de la propuesta del Proyecto de Grado, con la asesoría del director del proyecto, durante las segundas ocho (8) semanas del mismo semestre. Al finalizar el primer semestre se presenta la propuesta de proyecto de grado para evaluación por pares. Los créditos de seminario de metodología de la investigación y propuesta de trabajo de grado, no tienen nota numérica, y su evaluación es de aprobado o no aprobado, por el profesor de la asignatura, y el comité de la maestría, respectivamente.

  • DYEVI_M

Desarrollo y Evaluación - Investigación

Créditos
6
Cerrar
  • DYEVI_M
  • Créditos 6
  • Trabajo de Grado

Desarrollo y Evaluación - Investigación

Desarrollo y Evaluación - Investigación

  • ENFI_M

Entrega Final

Créditos
2
Cerrar
  • ENFI_M
  • Créditos 2
  • Trabajo de Grado

Entrega Final

.

Seleccione una clasificación de asignaturas para ver el contenido disponible

Total de créditos del programa: 40

Clasificación de asignaturas

Electivas disponibles

  • EDIG_M

Economía digital

Créditos
3
Cerrar
  • EDIG_M
  • Créditos 3
  • Electivas disponibles

Economía digital

*

  • Horas Presenciales 36,0
  • INEG_M

Inteligencia de negocios

Créditos
4
Cerrar
  • INEG_M
  • Créditos 4
  • Electivas disponibles

Inteligencia de negocios

*

  • Horas Presenciales 48,0
  • MIND_M

Minería de Datos

Créditos
3
Cerrar
  • MIND_M
  • Créditos 3
  • Electivas disponibles

Minería de Datos

En los últimos años, los avances tecnológicos de los computadores en cuanto a capacidad de procesamiento y de almacenamiento han hecho que las organizaciones acumulen día a día grandes volúmenes de datos. Sin embargo, es muy poco lo que las empresas hacen para explotar la inmensa riqueza de información que hay ahí. Este curso busca introducir al estudiante a los fundamentos y técnicas principales de minería de datos que se utilizan para analizar los datos y extraer conocimiento. Así como el conocimiento y dominio de alguna herramienta computacional que le permitan hacer proceso de minería de datos.

  • Horas Presenciales 3,0
  • Horas de trabajo independientes 6,0
  • Total horas por semana 9,0
  • MDDM_M

Modelos de decisión en mercados

Créditos
3
Cerrar
  • MDDM_M
  • Créditos 3
  • Electivas disponibles

Modelos de decisión en mercados

*

  • Horas Presenciales 36,0
  • TDIG_M

Transformación digital

Créditos
3
Cerrar
  • TDIG_M
  • Créditos 3
  • Electivas disponibles

Transformación digital

*

  • Horas Presenciales 36,0
  • VDAT_M

Visualización de datos

Créditos
3
Cerrar
  • VDAT_M
  • Créditos 3
  • Electivas disponibles

Visualización de datos

*

  • Horas Presenciales 36,0
  • DELE_M

Introducción a Deep Learning

Créditos
3
Cerrar
  • DELE_M
  • Créditos 3
  • Electivas disponibles

Introducción a Deep Learning

La inteligencia artificial y Machine Learning son los pilares de la próxima revolución informática. Estas tecnologías dependen de la capacidad de reconocer patrones y luego, en función de los datos observados en el pasado, predecir resultados futuros. Los recientes avances en tecnología y la analítica han permitido construir redes neuronales artificiales complejas y sofisticadas, lo que permite que las computadoras observen, aprendan y reaccionen ante situaciones complejas más rápido que los humanos. Deep Learning ha ayudado a la clasificación de imágenes, la traducción de idiomas y el reconocimiento de voz. Se puede utilizar para resolver cualquier problema de reconocimiento de patrones y sin intervención humana. En este curso introductorio se da a conocer el concepto de las tareas más comunes desarrolladas en el campo de Deep Learning, específicamente en el manejo de imágenes. Finalmente, se discutirá varios métodos avanzados usados en Deep Learning los cuales motivarán y darán al estudiante una amplia visión del potencial de Deep Learning y algunos frameworks como TensorFlow en entornos académicos e industriales.

  • Horas Presenciales 36,0
  • Horas de trabajo independientes 99,0
  • Total horas por semana 135,0
  • PROM_M

Ingeniería de Prompt y la Inteligencia Artificial

Créditos
3
Cerrar
  • PROM_M
  • Créditos 3
  • Electivas disponibles

Ingeniería de Prompt y la Inteligencia Artificial

Este es un curso introductorio a la reciente ocupación llamada “ingeniería rápida” (prompt engineering). En esta ocupación, el profesional debe ser capaz de saber cómo interactuar con terminales de modelos de lenguaje (e.g., Chat GPT) para obtener resultados que le ayuden a desarrollar de manera ágil una solución técnica a un problema complejo definido de manera explícita a través de un conjunto de preguntas dirigidas por experticia técnica. La ingeniería generalmente funciona convirtiendo una o más tareas en un conjunto de datos basado en mensajes y entrenando un modelo de lenguaje con lo que se ha llamado "aprendizaje basado en mensajes" o simplemente "aprendizaje rápido".

  • Horas Presenciales 36,0
  • Horas de trabajo independientes 99,0
  • Total horas por semana 135,0
  • VDDE_M

Visualización de Datos: Descubrimiento y Exploración

Créditos
3
Cerrar
  • VDDE_M
  • Créditos 3
  • Electivas disponibles

Visualización de Datos: Descubrimiento y Exploración

Las herramientas de visualización y generación de tableros interactivos permiten a los científicos de datos visualizar, transformar y comunicar datos de manera efectiva. Esta electiva proporciona a los estudiantes las habilidades necesarias para aprovechar al máximo la información y tomar decisiones informadas, lo que es esencial en el campo de la Ciencia de Datos, donde la interpretación de datos y la presentación de resultados son fundamentales. La adquisición de competencias en herramientas de visualización fortalece la preparación de los estudiantes y los hace altamente competitivos en un mercado laboral cada vez más orientado hacia el análisis de datos y la toma de decisiones basada en evidencia.

  • Horas Presenciales 36,0
  • Horas de trabajo independientes 99,0
  • Total horas por semana 135,0
  • EPCD_M

Ética y Privacidad en Ciencia de Datos

Créditos
2
Cerrar
  • EPCD_M
  • Créditos 2
  • Electivas disponibles

Ética y Privacidad en Ciencia de Datos

El curso de Ética y Privacidad en Ciencia de Datos aporta los elementos suficientes para que, en los procesos de recolección, tratamiento o uso, circulación y disposición final de los datos personales se garantice la privacidad de los titulares de la información, y se salvaguarde a quien ha decidido su tratamiento dentro de los marcos legales y éticos. Con el curso se busca brindar herramientas para la toma de decisiones en los procesos de estructuración de innovaciones tecnológicas, en la creación y diseño de proyectos y productos de TI, que permitan la creación de programas de datos y análisis para generar valor empresarial, sin perder de vista la privacidad por defecto y desde el diseño, además librar de debates éticos la generación de información, evitando los sesgos.

  • Horas Presenciales 24,0
  • Horas de trabajo independientes 72,0
  • Total horas por semana 96,0
  • PSAS_M

Programación en SAS para Análisis de Datos

Créditos
3
Cerrar
  • PSAS_M
  • Créditos 3
  • Electivas disponibles

Programación en SAS para Análisis de Datos

Este curso es para usuarios que quieren aprender a escribir programas SAS para acceder, explorar, preparar y analizar datos. Es el punto de entrada al aprendizaje de la programación SAS para la ciencia de datos, el aprendizaje automático y la inteligencia artificial.

El preprocesamiento de datos es esencial antes de su uso real. El preprocesamiento de datos consiste en transformar los datos crudos en un conjunto de datos limpios. El conjunto de datos se preprocesa para comprobar los valores que faltan, los datos con ruido y otras incoherencias antes de ejecutarlo en el algoritmo. La exploración de datos es el primer paso del análisis que permite comprender mejor el panorama general y obtener información más rápidamente, que se utiliza para explorar y visualizar datos con el fin de descubrir ideas desde el principio o identificar áreas o patrones en los que profundizar.

El software de SAS puede procesar datos complejos y generar perspectivas significativas que ayuden a las organizaciones a tomar mejores decisiones o predecir los posibles resultados en un futuro próximo. Se utiliza para el análisis estadístico y permite a los usuarios realizar tareas como la importación de datos de múltiples fuentes, así como el análisis y la elaboración de informes. La interfaz gráfica de usuario "apuntar y hacer clic" de SAS ayuda a los usuarios no técnicos a utilizar sus funciones para operaciones gráficas y opciones avanzadas. Aprendiendo a programar con SAS podrás extraer, modificar, gestionar, recuperar y combinar datos de diversas fuentes.

  • Horas Presenciales 36,0
  • Horas de trabajo independientes 99,0
  • Total horas por semana 135,0
  • WOFL_M

Análisis Automatizado de Datos mediante Workflows

Créditos
3
Cerrar
  • WOFL_M
  • Créditos 3
  • Electivas disponibles

Análisis Automatizado de Datos mediante Workflows

Las herramientas Low-Code o Not-Code para tratamiento y analítica de datos empiezan a cobrar relevancia hoy día al entender que la interdisciplinaridad de los profesionales a cargo del análisis de datos no permite encasillar la necesidad de lenguajes específicos en programación. Surgen herramientas que permiten hacer limpieza y transformación de datos, así como también análisis descriptivos y desarrollo de modelos predictivos por medio de flujos de trabajo donde cada nodo cumple una función específica sobre los datos configurada de forma intuitiva por el científico de datos.

  • Horas Presenciales 36,0
  • Horas de trabajo independientes 99,0
  • Total horas por semana 135,0
  • LENA_M

Introducción al Procesamiento de Lenguaje Natural

Créditos
3
Cerrar
  • LENA_M
  • Créditos 3
  • Electivas disponibles

Introducción al Procesamiento de Lenguaje Natural

El procesamiento de lenguaje natural es una disciplina clave en el área de la inteligencia artificial, que ha ganado cada vez más relevancia en la última década. La creciente cantidad de datos y el auge de los sistemas de comunicación digitales han generado una gran necesidad para entender, analizar y utilizar la información que se produce en formato de texto y voz. El objetivo de este curso introductorio es brindar a los participantes los conocimientos fundamentales para involucrarse en proyectos relacionados con el procesamiento de lenguaje natural, así como también adquirir la capacidad de resolver problemas reales mediante la aplicación de técnicas de procesamiento de texto. Al finalizar el curso, los estudiantes estarán en condiciones de desarrollar soluciones que les permitirán comprender y procesar información en forma automática, facilitando la toma de decisiones en diferentes ámbitos de la industria y la investigación.

  • Horas Presenciales 36,0
  • Horas de trabajo independientes 99,0
  • Total horas por semana 135,0
  • ATDM_M

Applied Text and Data Mining

Créditos
3
Cerrar
  • ATDM_M
  • Créditos 3
  • Electivas disponibles

Applied Text and Data Mining

Maestría en Ciencia de Datos

  • Horas Presenciales 24,0
  • Horas de trabajo independientes 72,0
  • Total horas por semana 96,0
  • HWTT_M

Hello world !! con Tensorflow 2. Técnicas Avanzadas

Créditos
3
Cerrar
  • HWTT_M
  • Créditos 3
  • Electivas disponibles

Hello world !! con Tensorflow 2. Técnicas Avanzadas

Tensorflow es una biblioteca de código abierto y una de las APIs más utilizadas en Deep Learning en entornos industriales. Tensorflow 2 marca un cambio radical en el desarrollo del software, enfocado en la facilidad de uso para todos los usuarios, desde principiantes hasta niveles avanzados. Este curso comprende escenarios avanzados de visión por computador y automatic Speech Recognition (ASR). También se introduce los conceptos detrás del uso de modelos de Deep Learning en dispositivos móviles. Finalmente, se explorarán modelos generativos tales como auto-encoders, VAE, Flujos normalizados, GANs y de difusión.

  • Horas Presenciales 36,0
  • Horas de trabajo independientes 99,0
  • Total horas por semana 135,0
Seleccione una clasificación de asignaturas para ver el contenido disponible

Total de créditos del programa: 40

Perfil del profesional

_DSC4898_jST5opq-detalle.jpg
  • Capacidad para generar soluciones a problemas interdisciplinares con pensamiento autónomo, crítico y argumentativo.
  • Desarrollo de competencias específicas en la investigación aplicada para la solución de problemas empresariales por medio del entendimiento, la transformación y el modelamiento de datos.
  • Habilidades para generar, transformar y divulgar conocimiento científico.
  • Graduado de una institución con acreditación de alta calidad otorgada por el Ministerio de Educación Nacional.
  • Magíster responsable de recolectar, analizar e interpretar grandes cantidades de datos para identificar formas de ayudar a mejorar la operación del negocio y ganar competitividad frente a otras empresas.
Wilmer Garzón

Profesores de planta

La Escuela se distingue por educar a partir del ejemplo: sus profesores son conscientes del valor de la calidad humana, se comprometen con el aprendizaje de cada estudiante y permanecen alineados con los objetivos de la institución. También, están a la vanguardia en conocimiento, investigan y publican en ediciones científicas, forman parte de la industria, participan en eventos académicos y empresariales y tienen reconocimientos nacionales e internacionales.

Profesores de cátedra

La Escuela vincula a profesores comprometidos con el fortalecimiento de los valores, la excelencia, la creatividad y la innovación y la convergencia de actividades académicas, progreso social y difusión del conocimiento.

Lo que piensa la comunidad

Angélica Dahyana Baquero Sáenz - Maestría

"La Maestría en Ciencia de Datos me ha permitido enfrentar los retos del análisis de grandes volúmenes de información y me mantiene a la vanguardia en tecnologías y metodologías que están marcando tendencia a nivel global. Esto ha sido fundamental para aportar soluciones innovadoras en mi entorno profesional".

Angélica Dahyana Baquero Sáenz

Convenios

imagen (6)

SAS Institute

knime

KNIME

aws-academy_275x135.567fe6bc072dbb6246196e0496ddf74b7ec1655b

Amazon Web Services

imagen (7)

Google Cloud

Cerrar

SAS Institute

Cerrar

KNIME

Cerrar

Amazon Web Services

Cerrar

Google Cloud

Programas relacionados