Ciencia de datos

NUEVO PROGRAMA
Inicio > febrero 2023

Mesa redonda
Data Science en Uruguay

> Miércoles 3 de agosto
18:30 h
Edificio Semprún

 Inscribite aquí

Adquiere los conocimientos teóricos y prácticos necesarios para resolver problemas mediante el análisis de datos y convertite en un actor clave dentro del proceso de toma de decisiones.
El avance tecnológico ha traído consigo una expansión en la generación de datos de diversas fuentes: las conductas humanas, los registros de fenómenos naturales o de procesos productivos. En este sentido, la posibilidad de almacenar estos datos y procesarlos se ha vuelto una herramienta para el análisis, la planificación y el monitoreo de políticas públicas, desarrollos tecnológicos y estrategias de mercado.

La ciencia de datos se ha convertido en un componente fundamental para potenciar procesos sociales, económicos y políticos. De esta forma, ocupa un espacio central en el desarrollo científico en las más diversas áreas del conocimiento, estimulando la innovación y eficiencia en diversos procesos, y aportando información de calidad al debate público.

Gracias a su orientación interdisciplinaria, esta maestría apunta a formar profesionales con competencias en el manejo y análisis de datos con fuerte base metodológica puestas al servicio de resolver problemas reales en el ámbito privado o público, en Uruguay o el exterior; sectores todos con alta demanda de recursos humanos.
• Formar profesionales que dominen los fundamentos de la ciencia de datos y sean capaces de aplicar modelos probabilísticos, técnicas estadísticas y de aprendizaje automático para dar respuesta a problemáticas complejas.

• Fortalecer las competencias de los profesionales inspirados en promover cambios e innovaciones que redunden en mejoras de los procesos productivos, las políticas públicas y/o el bienestar, o en cualquier disciplina en donde el análisis, tratamiento y procesamiento de datos pueda generar conocimiento.

• Capacitar con base en principios de ética profesional y transparencia, para el desempeño en puestos de toma de decisiones.

• Estimular a los profesionales a participar en proyectos transversales, basados en la colaboración multidisciplinaria con el apoyo de tutores con vasta experiencia a partir de una perspectiva rigurosa.
El egresado contará con las competencias para el manejo, procesamiento, análisis y visualización de datos con vocación por contribuir a la generación de conocimiento e información para la toma de decisiones.

Al mismo tiempo, serán profesionales con las habilidades para comprender las posibilidades y las limitaciones de los análisis que realizan para la resolución de problemas complejos.

Nuestros egresados desarrollan una predisposición a trabajar con profesionales de diversas disciplinas a las que la ciencia de datos nutre con información. Esto los hace muy valorados en empresas de diferentes sectores, agencias de gobierno, organizaciones no gubernamentales, tanto a nivel nacional e internacional.
- Es la única Maestría en Ciencia de Datos con un enfoque interdisciplinario en Uruguay y con una orientación que va más allá del área de negocios/finanzas o de ingeniería.

- Este enfoque está sustentado en la naturaleza diversa de la UCU y su experiencia en programas relacionados como: Maestría en Políticas Públicas, Escuela de Invierno en Métodos, Doctorado en Ingeniería, Maestría en Ciencias de la Ingeniería Eléctrica.
El programa otorga el título de Magíster en Ciencia de Datos. Los estudiantes alcanzan este título luego de cumplir con los 60 créditos de formación académica establecidos por el programa.

Inicio: febrero 2023

Finalización: diciembre 2024

calendario ciencia de datos

Duración: 2 años.

Modalidad: semipresencial. Lunes, miércoles y viernes de 18:30 a 21:30.

Dos días remoto (sincrónico) y uno presencial (salvo que el estudiante viva a más de 150 km del campus o determinados cursos intensivos de materias electivas).

 

Descripción de cursos

 

Taller de competencias profesionales (11 h)

Créditos: 1

El “Taller de competencias profesionales” es un espacio diseñado para que el estudiante pueda reflexionar sobre las competencias con las que cuenta al momento de comenzar la maestría en relación con las que la Universidad le propone desarrollar. Se propone un itinerario, fuertemente apoyado en trabajo autónomo del estudiante, a efectos de construir un sentido de propósito y significado de los estudios de maestría en la trayectoria vital y profesional. Como resultado, podrá identificar una serie de estrategias posibles que le permitan optimizar y poner en perspectiva su desempeño académico. El taller se evalúa mediante la elaboración progresiva de un portafolio donde se dará cuenta de la realización de actividades pautadas.

Metodología de la investigación (21 h)

Créditos: 3

Este curso ofrece una amplia introducción al campo de la metodología de la investigación. La producción de conocimiento en diferentes áreas (ciencias sociales, naturales, exactas, etc.), sigue un conjunto de reglas que son definidas por la comunidad académica. Dichas reglas, en mayor o menor medida aceptadas por quienes generan el conocimiento disciplinario, ordenan las distintas etapas o fases de producción del conocimiento científico, ya sea descriptivo o explicativo. El curso abordará algunos de los problemas que enfrenta el investigador cuando intenta describir, explicar y, más aún, predecir los fenómenos en estas áreas. En tal sentido, serán examinados diversos asuntos que hacen a la producción del conocimiento científico: la referencia a los debates teóricos en la definición de las preguntas de investigación, la definición y operacionalización de los conceptos, la selección de los métodos o modelos de investigación y las ventajas y desventajas de diferentes tipos de diseño.

Normativa y Ética (21 h)

Créditos: 3

El curso se propone reflexionar sobre la naturaleza específica de la tecnología digital y las implicaciones éticas de su desarrollo y aplicación en la esfera humana, especialmente, en el ámbito de la salud. A partir de distintos puntos de vista filosóficos, se abordarán controversias éticas actuales vinculadas al manejo de datos, tales como la privacidad, la transparencia, la fiabilidad y los posibles sesgos discriminatorios en los datos.

Estadística avanzada (21h)

Créditos: 3

El curso tiene como objetivo el desarrollo de capacidades analíticas y metodológicas en el área de las ciencias sociales y en particular en el análisis de las políticas públicas. Pretende familiarizar a los alumnos con los problemas asociados al proceso de investigación (académica y aplicada). Hace énfasis en el diseño de investigación y en la contrastación empírica de las hipótesis de investigación, etapas siguientes a la construcción teórica. Para esto toma como base los diseños para la evaluación de políticas, haciendo énfasis en aquellos apropiados para utilizar cuando se dispone de datos observacionales. Al completar el curso los estudiantes estarán en condiciones de comprender los desafíos del proceso de investigación asociados a la evaluación de impacto de las políticas públicas.

Aprendizaje automático/ Machine learning (64 h)

Créditos: 9

Este curso introduce los temas principales del aprendizaje automatizado. Se abordan los conceptos generales y los métodos clásicos de aprendizaje supervisado y no supervisado, tanto en problemas lineales como no lineales.

El alumno se involucrará con el ciclo completo de resolución de un problema basado en Machine Learning, presentando diversas técnicas y metodologías actualmente utilizadas en la industria. Es también un objetivo mejorar la capacidad de analizar y contrastar diversas soluciones basadas en sistemas inteligentes para resolución de variados problemas.

Analítica de datos (42 h)

Créditos: 6

Principios del manejo de datos a larga escala para extraer reglas de negocios u otra información utilizable para la toma de decisiones. Componentes principales de Business Intelligence, data warehouses, gestión y generación de metadata, procesamientos analíticos online, herramientas de gestión de reportes y analíticas.

Trabajo final de maestría (250 h)

Créditos: 25

Créditos electivos (128 h)

Créditos: 12

Ejemplos de actividades electivas propias de la maestría.

actividades electivas BIG DATA

Ejemplos de actividades electivas de otras maestrías.

actividades electivas BIG DATA

 

Ejemplos de actividades electivas de la Escuela de Invierno

- Causal Inference in Small-scale Studies | Docente: Nick Doudchenko

- Metodología de encuestas | Docente: Peter Enns

-  Métodos para la evaluación de políticas públicas | Docente: Laura Atuesta

- Análisis de redes sociales | Docente: Paulo M. Serôdio

- Análisis espacial con sistemas de información geográfica | Docente: Diego Hernández

- Modelos para Variables Dependientes Categóricas (MLE) | Docente: Juan Bogliaccini

- Regresión Lineal | Docente: Carlos Díaz

- Series de tiempo | Docente: José Manuel Paz y Miño

Aprendizaje basado en casos

• Aprendizaje basado en equipos

• Trabajos en grupo

• Ejercicios prácticos de aplicación

• Clase invertida

• Búsqueda de información y evidencias

• Debates, foros

• Lecciones magistrales

Gustavo Vázquez / ARGENTINA

Doctor en Ciencias de la Computación, Universidad Nacional del Sur (Argentina). Licenciado en Ciencias de la Computación, Universidad Nacional del Sur (Argentina).

Áreas de investigación: Bioinformática; predicción de propiedades de materiales poliméricos; Informática química y aprendizaje automatizado

Integrante del Sistema Nacional de Investigadores (SNI) | Nivel II


Bernardo Rychtenberg

Ingeniero en Informática, Universidad Católica del Uruguay.

Profesor de alta dedicación del Departamento de Informática.

José Manuel Paz y Miño / PERÚ

Doctor en Economía, Universidad de Indiana (Estados Unidos). Magíster en Economía, Universidad de Indiana (Estados Unidos).

Director de la Licenciatura en Economía. Profesor de alta dedicación de Departamento de Ciencias Sociales.

Áreas de investigación: organización Industrial, políticas de competencia.

Integrante del Sistema Nacional de Investigadores (SNI) | Iniciación

Rosario Queirolo

Doctora en Ciencia Política, University of Pittsburgh (EEUU).

Directora de las Maestría en Administración Pública y Maestría en Políticas Públicas. Profesora de alta dedicación del Departamento de Ciencias Sociales.

Áreas de investigación: política comparada; comportamiento electoral y opinión pública.

Integrante del Sistema Nacional de Investigadores (SNI) | Nivel II


Sandra Segredo

Doctora en Derecho con Postgrado en Dirección y Administración de Empresas y Maestría en Dirección y Administración de Empresas (M.B.A.).

Cursando Doctorado en la Universidad de Salamanca. Línea de investigación: La Administración de Justicia en el Estado Social de Derecho.

Docente en las materias de Derecho y Tecnología en las Facultades de Derecho y Ciencias Humanas y en la Facultad de Ingeniería y Tecnologías de la Universidad Católica del Uruguay.

Especializada en Privacidad y Protección de Datos Personales.

Javier Mazza

Magíster en Comunicación, con énfasis en Recepción y Cultura, Universidad Católica del Uruguay; licenciado en Filosofía, Universidad de Montevideo.

Coordinador docente del Departamento de Humanidades y Comunicación. Instituto de Filosofía.

Áreas de Investigación: arte escénico y comunicación. Mito, narración e identidad.

Ernesto Ocampo

Doctor en Ciencias de la Computación (PhD in Computer Science), Universidad de Alcalá (España). Magíster en Ingeniería de Software, Universidad Pontificia de Salamanca (España). Ingeniero en Informática, UCU.

Profesor de alta dedicación del Departamento de Informática.

Áreas de investigación: sistemas Inteligentes aplicados a la decisión clínica, metodologías de educación en Ciencias, Tecnología, Ingeniería y Matemáticas

Héctor Cotelo

Ingeniero en Informática, Magister en Data Science. Líder en Data Science y Machine Learning en Quanam.

Fue docente en varias materias de la carrera de Ingeniería en Informática de la Universidad Católica del Uruguay.

Director de la Maestría de Ciencia de Datos UCU.

Paula Martínez

Ingeniera Eléctrica, Master en Technology Management. Co-founder Marvik & GoogleDevExpert in MachineLearning.

Camila Palomeque

Economista, Magister en Data Science. Especialista en Data Science en Quanam.


María Lucía Spangenberg

Doctora en Biología (computacional). Investigadora del Institut Pasteur de Montevideo (Unidad de Bioinformática), enfocada en investigaciones sobre genómica humana.
Directora de GenLives.
Grado 3 en el departamento básico de medicina, Hospital de Clínicas, Udelar.
Fue docente en las carreras de Ingeniería de la Universidad Católica del Uruguay.

El programa se plantea recibir alumnos con diferentes acumulaciones previas; si bien en ingeniería y en negocios la vinculación con la ciencia de datos es directa, no es menos relevante en otras áreas. Una persona proveniente del área lingüística podría utilizar el procesamiento del lenguaje natural para estudiar e identificar los significados de las palabras a través del tiempo; un graduado en gestión humana podría especializar sus conocimientos empleando modelos basados en datos para predecir la retención de talento humano, mientras que un arquitecto podría utilizar los datos de movilidad para estudios de urbanismo.

Para ingresar a la Maestría en Ciencia de Datos se requiere título de grado universitario en cualquier disciplina, o de Formación Docente expedido por ANEP o habilitado por ésta.

También se requiere acreditación de conocimientos de: programación, análisis matemático, álgebra, probabilidad y estadística. Para acreditar estos conocimientos existirán tres posibilidades:

- acreditación de cursos realizados.

- realización de un examen de suficiencia.

- realización de cursos propedéuticos que ofrecerá la UCU.

Descuento Alumni UCU

Para graduados de carreras de grado de la Universidad Católica del Uruguay: 25% de descuento.

Para hijos de graduados de carreras de grado o programas de postgrado de la Universidad Católica del Uruguay: 10% de descuento.


Convenios
Ver lista de convenios institucionales

Nuestros Campus

Bootstrap Example