Esta formación pretende formar profesionales con una perspectiva interdisciplinar y altamente cualificada, preparados para desarrollar modelos de IA y matemáticos. La formación abarca analítica descriptiva, predictiva y prescriptiva, junto con habilidades en visualización, narrativa de datos, investigación e inglés técnico, permitiendo ofrecer soluciones avanzadas para la toma de decisiones estratégicas en diversos negocios.
Todas aquellas personas que estén interesadas en aprender a reconocer y aplicar herramientas de software para el análisis de datos en problemas matemáticos. .
PRIMER CURSO
Cálculo 6 ECTS - Básica
Introducción al cálculo diferencial e integral, desde la base numérica (racional, real, compleja) hacia la noción de cálculo multivariante; estudio de derivadas, integrales y herramientas para interpretar las funciones que dependen de varias variables.
Álgebra lineal 6 ECTS - Básica
Introducción a los conceptos de álgebra lineal necesarios para desarrollar análisis de datos y su visualización; estudio de los conceptos algebraicos (álgebra geométrica, numérica y matricial) para la modelización formal y resolución de problemas de ciencia de datos.
Matemáticas discretas 6 ECTS - Básica
Introducción de los conceptos base de las matemáticas discretas, como lógica, teoría aritmética, teoría combinatoria, teoría de grafos, con énfasis en aspectos algorítmicos y computacionales.
Probabilidad y estadística 6 ECTS - Básica
Estudio de los conceptos de cálculo de probabilidades, variables y vectores aleatorios, distribuciones de probabilidad univariantes y multivariantes, teoría de la probabilidad (convergencias y leyes límite), inferencia básica y no paramétrica, modelo de regresión lineal e introducción al diseño de experimentos y técnicas de análisis de la varianza.
Arquitectura de computadores y sistemas operativos 6 ECTS - Básica
Introducción a la arquitectura de computadores y los sistemas operativos, con énfasis en sistemas Linux y lenguaje de scripting.
Fundamentos de programación 6 ECTS - Básica
Revisión de los conceptos de programación las principales estructuras de control programático en el lenguaje Python, centrada en la resolución de problemas del ámbito de la ciencia de datos. Abordaje de otros lenguajes de apoyo al desarrollo de aplicaciones de ciencia de datos, como R.
Introducción a la ciencia de datos 6 ECTS - Obligatoria
Revisión de conceptos fundamentales para introducirse en el mundo de la ciencia de los datos, tales como las fases del ciclo de vida del dato, los roles y características de un científico de datos, la computación en la nube. Se plantea cuáles son los dilemas éticos del nuevo paradigma y también qué impacto tiene en las organizaciones la responsabilidad de gestionar estos datos.
Inteligencia artificial e ingeniería del conocimiento 6 ECTS - Obligatoria
Dar una visión descriptiva de conceptos y técnicas relacionados con búsqueda, representación y sistemas basados en el conocimiento y estudio del papel de la inteligencia artificial dentro de la informática, sus contribuciones y sus limitaciones. Estudio de la metodología CommonKADS para el análisis y desarrollo de sistemas basados en conocimiento. Evaluación de diferentes sistemas de representación de conocimiento (redes semánticas, sistemas basados en
reglas, sistemas basados en conocimiento, web semántica, etc.). Exploración de cómo la inteligencia artificial contribuye en el manejo del conocimiento.
Fundamentos de empresa y economía 6 ECTS - Básica
Estudio de los conceptos y herramientas básicos de la administración de empresas, fundamentos de economía de empresas, de las diferentes áreas funcionales y de actividad de la empresa tales como recursos humanos, finanzas, comercial, marketing, estrategia empresarial o producción, entendimiento del funcionamiento operativo de la empresa y la toma de decisiones.
Algoritmos y estructuras de datos 6 ECTS - Básica
Revisión de conocimientos para resolver problemas usando técnicas algorítmicas y de programación.
SEGUNDO CURSO
Cálculo y métodos numéricos en ciencia de datos 6 ECTS - Obligatoria
Obtención de soluciones numéricas a problemas matemáticos, mediante algoritmos eficientes; formulación, análisis e interpretación de modelos analíticos de optimización de decisiones (modelos de optimización lineal y discreta).
Análisis multivariante 6 ECTS - Básica
Estudio de la estadística multivariante, distancia multivariante y distribuciones de probabilidad, análisis discriminante, análisis factorial, análisis de correspondencias, correlación canónica, escalamiento multidimensional y clustering.
Optimización 6 ECTS - Básica
Estudio de conceptos básicos de optimización lineal, entera, no lineal, multiobjetivo, así como algoritmos de optimización y sus propiedades teóricas y búsqueda estocástica.
Sistemas estocásticos 6 ECTS - Obligatoria
Introducción a los procesos estocásticos, cadenas de Markov discretas y de tiempo continuo, procesos de renovación, teoría de colas, gráficos aleatorios y revisión casos de estudio.
Modelado estadístico para la toma de decisiones 6 ECTS - Obligatoria
Revisión de técnicas avanzadas de análisis de datos y de herramientas probabilísticas y estadísticas para la toma de decisiones a partir de los datos basadas en técnicas de inferencia paramétrica de enfoque clásico y la selección de muestras. Conocer la definición de KPI (key performance indicators), la elaboración de cuadros de mandos, etc., y su uso para la toma de decisiones estratégicas.
Análisis bayesiano de datos 6 ECTS - Obligatoria
Introducción a la modelización e inferencia Bayesiana en el contexto de la ciencia de datos.
Metodologías de desarrollo y despliegue de aplicaciones para ciencia de datos 3ECTS - Obligatoria
Estudio de metodologías ágiles (DevOPS) para el desarrollo y despliegue de aplicaciones, en particular en el ámbito de ciencia de datos, como despliegue de Modelos de Machine Learning (MLOps), aplicaciones de Big Data (DataOPS), y en general despliegue de aplicaciones para la toma de decisiones, con énfasis en el desarrollo del pensamiento estratégico/crítico para plantear soluciones a casos reales.
Bases de datos relacionales 6 ECTS - Obligatoria
Revisión de conceptos, procedimientos y buenas prácticas para la creación y manipulación de bases de datos que apoyanla construcción de almacenes de datos (data warehouse), profundizando en el aprendizaje de aspectos de diseño conceptual, lógico y físico de bases de datos, del lenguaje SQL y de otros complementos que ofrece SQL con fines analíticos
Bases de datos no relacionales 6 ECTS - Obligatoria
Introducción a las bases de datos NoSQL, proporcionando una visión de los múltiples conceptos y modelos de datos no relacionales, como alternativa a las bases de datos relacionales, especialmente idóneos en entornos Big Data.
Captura y preparación de datos (tipología y fuentes de datos) 6 ECTS - Obligatoria
Estudio de técnicas de captura y agregación de datos provenientes de múltiples fuentes en un mismo espacio de almacenamiento, manteniendo la coherencia entre ellos, así como de los procesos de limpieza y preparación de datos mediante técnicas de ingeniería de características, incluyendo eliminación de outliers o valores extremos, reducción de dimensionalidad, transformaciones de los datos, web scraping, etc..
Introducción a Finanzas 3 ECTS - Obligatoria
Estudio de algunas consideraciones de valoración financiera, de rentas financieras, operaciones, decisiones y productos financieros, valoración de proyectos de inversión y de riesgos.
TERCER CURSO
Computación concurrente, distribuida y paralela 6 ECTS - Obligatoria
Estudio de las plataformas avanzadas, como clusters y cloud computing, que ofrecen computación de gran escala y alto rendimiento basado en sistemas concurrentes, paralelos y distribuidos.
Diseño de interacción y diseño de interfaces 6 ECTS - Obligatoria
Estudio de técnicas de diseño de interacción en el contexto del diseño de interfaces entre humanos y computadores (human-computer interaction – HCI), abordando otros conceptos relacionados como arquitectura de la información, usabilidad y diseño de interfaces gráficas, en el contexto de ciencia de datos.
Análisis en entornos de bases de datos (análisis exploratorio de datos) 6 ECTS - Obligatoria
Estudio del análisis de datos desde una forma exploratoria, revisión de las técnicas y procedimientos esenciales para la adquisición, la exploración, descripción y resumen de datos, así como el uso del software adecuado para todos los procesos. Uso de herramientas para el tratamiento de datos y la extracción de información/conocimiento. Infraestructura para el procesamiento de
Big Data 6 ECTS - Obligatoria
Revisión de los diferentes modelos y arquitecturas de procesamiento de Big Data, tales como el modelo de procesamiento MapReduce y las arquitecturas para procesamiento batch y streaming, como Hadoop MapReduce, Spark, Flink, Lambda y Kappa etc., sistemas de archivos distribuidos, como HDFS, las bases de datos NoSql,y la virtualización que ofrecen al usuario un proceso integrado para el tratamiento de Big Data.
Visualización de Datos 6 ECTS - Obligatoria
Introducción de los fundamentos teóricos, los antecedentes históricos y las obras de referencia necesarios para crear visualizaciones de datos efectivas, encontrar las representaciones gráficas más adecuadas para entender mejor los datos, su naturaleza y responder mejor a las preguntas planteadas inicialmente, así como facilitar la comunicación del conocimiento extraído; estudio de técnicas para la creación de visualizaciones de datos, de menor a mayor complejidad.
Aprendizaje automático 6 ECTS - Obligatoria
Profundizar en diversas técnicas de aprendizaje automático, incluyendo técnicas de aprendizaje no supervisado y supervisado, y los diversos protocolos de evaluación (división de los datos en entrenamiento, validación y test, cross-validation), así como diversas medidas de evaluación (exactitud, f-score, precisión y sensibilidad, entre otros), también se introducirán técnicas que permiten combinar varios métodos como bagging y boosting. Desarrollar algoritmos de aprendizaje automático en cuadernos típicos utilizados en ciencia de datos (tipo Google Collab o Jupyter).
Redes neuronales y aprendizaje profundo 6 ECTS - Obligatoria
Revisión de las bases teóricas de las redes neuronales profundas, perceptrón y perceptrón multicapas, redes convolucionales y recurrentes, redes de creencia profundas: autocodificadores profundos, regularización, técnicas de fusión de información. Desarrollar este tipo de algoritmos en cuadernos típicos utilizados en ciencia de datos (tipo Google Collab o Jupyter).
Procesamiento de lenguaje natural, minería de texto, análisis de redes sociales 6 ECTS - Obligatoria
Estudio de los fundamentos de las técnicas básicas para realizar análisis morfológicos y sintácticos de forma automática, así como tratamiento de textos en distintos idiomas (como español e inglés) y aspectos básicos de la semántica computacional; así como el estudio de minería de texto y de las principales técnicas y métodos empleados en el análisis de datos de redes sociales.
Inglés para ciencia de datos 6 ECTS - Obligatoria
Capacitación para entender las ideas principales de textos complejos en inglés, así como para producir textos claros y detallados sobre temas diversos tratados en la titulación.
Gestión de proyectos en ciencia de datos 6 ECTS - Obligatoria
Revisión de estándares existentes para el diseño y la gestión de proyectos y guías de buenas prácticas, técnicas y métodos que se consideran en proyectos adaptativos o ágiles en el contexto concreto de la ciencia de datos; considerando capacidad de planificación, el control de los recursos económicos o personales, la interacción con los interesados que pertenecen a grupos o departamentos muy diversos, la previsión de los riesgos, la adaptación a los cambios sobrevenidos, etc. Evaluación de técnicas orientadas a asegurar el apoyo e interés del proyecto, a alinear diferentes grupos de la organización, y a poner en juego habilidades de los participantes alrededor del proceso (los métodos específicos) de fabricación del producto o servicio.
CUARTO CURSO
Analítica de clientes 3 ECTS - Obligatoria
Estudio de las técnicas orientadas a la segmentación de clientes, a la creación de sistemas de recomendación automática mediante filtraje colaborativo, al cálculo del Customer Life Time Value de un cliente, y al cliente, y al análisis de sentimientos en relación a productos o servicios.
Aspectos éticos, sociales y legales de los datos y la inteligencia artificial 6 ECTS - Obligatoria
Estudio de las herramientas teóricas y prácticas para afrontar los retos éticos, legales y sociales que plantean los recientes avances de la ciencia de datos y la inteligencia artificial. Estudio de los rudimentos de la legislación en materia de protección de datos y en materia de propiedad intelectual. Estudio de las estrategias y metodologías para realizar el análisis del impacto ético y social de proyectos de innovación. Estudio de las nociones básicas del marco jurídico europeo para el procesamiento de datos de carácter personal y para la protección de la propiedad intelectual.
Análisis y procesamiento de audio y voz 6 ECTS - Obligatoria
Estudio de los fundamentos del tratamiento digital de la señal y de técnicas de parametrización de señales acústicas, así como técnicas de aprendizaje artificial para la clasificación de eventos sonoros y sonido ambiental. Análisis de las características, parámetros y técnicas principales para el análisis y la síntesis del habla humana. Uso de herramientas para el desarrollo de aplicaciones en el ámbito del procesamiento digital de la señal (MATLAB). Estudio de casos
para entender las diferentes aplicaciones relacionadas con las Tecnologías del Habla. Adquisición de conocimientos básicos sobre técnicas de aprendizaje artificial aplicadas a la detección y reconocimiento de eventos sonoros
y sonido ambiental.
Narrativa de datos y sociedad 3 ECTS - Obligatoria
Estudio de estrategias para hacer más sencilla la transmisión de datos a los espectadores, para simplificar los contenidos y presentar los datos de manera sencilla, para aprovechar el contexto social y cultural, para integrar diferentes medios para la narración, como texto, imágenes, sonidos, videos o hasta aplicaciones móviles, para combinar las historias con elementos técnicos, para recurrir a estrategias interactivas y para aprovechar las plataformas de redes sociales, aplicaciones y páginas web al construir la narrativa de datos.
Procesamiento de imágenes y visión artificial 6 ECTS - Obligatoria
Introducción a la visión artificial y adquisición de conocimientos básicos de segmentación de imágenes, reconocimiento de patrones, modelos de representación y descripción de imágenes, clasificadores de imágenes, árboles de decisión, clasificador Support Vector Machine (SVM), estimación de movimiento y seguimiento, así como aplicaciones de visión artificial.
Economía digital e inteligencia de negocio 6 ECTS - Obligatoria
Estudio de métodos aplicados de análisis económico y econométricos para orientar la toma de decisiones en las organizaciones. Revisión de bases de teoría económica relacionadas con datos que frecuentemente manejan las organizaciones: macromagnitudes, mercados y fijación de precios, estudio del papel de la teoría económica en el planteamiento de modelos empíricos, modelos de datos de panel y de series temporales. Estudio de herramientas de apoyo al proceso de toma de decisiones y de conceptos relativos a la inteligencia de negocio. Estudio de entornos en los que se puede diseñar, descubrir y aplicar modelos que representan el proceso de negocio, y de entornos en los que se puede capturar datos que representan el proceso de negocio y de los que extraer, a través de mecanismos de aprendizaje, un modelo que representa el proceso de negocio. Estudio de toma de decisiones clásica con los enfoques tradicionales usados para la toma decisiones basados en modelos, toma de decisiones basada en ciencia de datos.
Comunicación y liderazgo 3 ECTS - Obligatoria
Estudio de los Fundamentos y elementos principales de la comunicación, asertividad y el liderazgo. Enfoques sobre liderazgo y administración, credibilidad y liderazgo, comunicación, conflicto y liderazgo y herramientas y técnicas de soporte.
Trabajo Final de Grado 6 ECTS - Obligatoria
El trabajo de fin de grado tiene como objetivo principal el integrar las competencias adquiridas a lo largo de toda la titulación, mediante un trabajo de aplicación dentro del ámbito de la ciencia de datos. Con la orientación de un tutor, el alumno deberá demostrar que ha adquirido las competencias generales y específicas asociadas al Grado en Ingeniería Informática.
OPTATIVAS
Computación Cuántica 6 ECTS - Optativa
Análisis de los fundamentos físicos de la computación cuántica, estudio de las arquitecturas, compilaciones y lenguajes de programación para procesadores cuánticos y estudio de los modelos matemáticos y algoritmos que se utilizan en la computación cuántica. Identificación de problemas que no pueden ser resueltos con la computación clásica y en los que la computación cuántica puede ser la respuesta. Utilidad y aplicaciones de la ciencia de datos en la
computación cuántica.
Visualización interactiva, aplicaciones web y web semántica 6 ECTS - Optativa
Estudio de técnicas y herramientas de visualización interactiva de datos en aplicaciones web y aplicaciones móviles. Creación de visualizaciones dinámicas que permitan al usuario interactuar con los datos y transformarlos en gráficos, tablas e indicadores para mostrar información diferente según los filtros establecidos por el usuario. Estudio de la web semántica para generación de conocimiento que se puede visualizar. Aplicación de la inteligencia artificial:
Biotecnología y Digital Health 6 ECTS - Optativa
Estudio de los conceptos básicos de la biología molecular y celular, de los retos actuales de la biología y la medicina; que pueden abordarse con tecnologías de computación e inteligencia artificial. Análisis de casos como el proyecto del
Genoma humano y de proyectos en medicina de datos abiertos (open linked data), etc. y su utilidad en un ámbito social global. Aplicación de la inteligencia artificial:
Robótica y Automatización 6 ECTS - Optativa
Estudio de la minería de procesos y la automatización de procesos robóticos (robotics process automation – RPA), y su relación con el procesamiento de datos masivos. Estudio de diferentes arquitecturas RPA para construir soluciones mediante la creación de robots de software que automatizan tareas repetitivas; y de los efectos de la RPA en los procesos de negocio dentro de una organización.
Impacto de la inteligencia artificial en los negocios 6 ECTS - Optativa
Estudio de estrategias para implantar inteligencia artificial en una organización, para desarrollar una hoja de ruta para implantar la inteligencia artificial en un contexto empresarial, evaluando las implicaciones organizativas de integrar en los negocios la robótica, el procesamiento del lenguaje natural y el aprendizaje automático y aprovechando los conocimientos clave de gestión y liderazgo de la inteligencia artificial para apoyar la toma de decisiones estratégicas informadas; evaluación de casos de éxito.
Organización industrial y competencia estratégica 6 ECTS - Optativa
Estudio de conceptos e instrumentos de análisis que le permitirán comprender la relación entre la estructura del mercado, las estrategias empresariales y los resultados de la empresa, los fundamentos económicos de la competencia yel
comportamiento estratégico, la determinación de los límites verticales y horizontales de la empresa, cuestiones de política industrial, regulación y de defensa de la competencia que condicionan las estrategias y el entorno en el que opera la empresa.
PRÁCTICAS
Prácticas profesionales 6 ECTS
Realización de una pasantía presencial o virtual en una empresa o centro de investigación, ejerciendo la actividad profesional en el ámbito de la ciencia de datos. El contenido concreto de la práctica profesional es único para cada estudiante y dependerá de los requerimientos de la empresa o centro de investigación, pero debe obedecer a la necesidad del conocimiento de un científico de datos.
Grado en Ciencia de Datos e Inteligencia Artificial
Es indispensable contar con titulación mínima de Bachillerato
Información Adicional
1ª Edición - Febrero 2025
2ª Edición - Octubre 2025
Oportunidades laborales
