Grado de Ciencia de Datos Aplicada /Applied Data Science
Plan de estudios
Formamos a científicos de datos orientados a los resultados y expertos en entornos de macrodatos (Big Data).
El plan de estudios del grado de Ciencia de Datos Aplicada (Applied Data Science) está compuesto por 240 créditos ECTS, que se distribuyen de acuerdo con las directrices del Ministerio de Educación.
| Tipo de materia | Créditos ECTS |
|---|---|
| Formación básica | 60 |
| Obligatorias | 132 |
| Optativas | 36 |
| Trabajo final de grado | 12 |
| Total | 240 |
Asignaturas
| Formación básica | Créditos |
|---|---|
| Trabajo final de grado | 12 |
|
6 6 6 6 6 6 6 6 6 6 |
|
| Asignaturas obligatorias | Créditos |
|
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 |
| Asignaturas optativas | Créditos |
|
6 6 6 6 6 6 6 6 6 12 |
*Las asignaturas marcadas con un * se desplegarán en el semestre de septiembre de 2020. Consultad con el/la tutor/a el calendario de despliegue del resto de asignaturas.
|
Semestre 1 |
Créditos |
|
Fundamentos de programación Álgebra lineal Probabilidad y estadística Introducción a la ciencia de datos Competencia comunicativa para profesionales de las TIC |
6 6 6 6 6 |
|
Semestre 2 |
Créditos |
|
Programación en scripting Análisis multivariante Bases de datos para Data warehousing Métodos numéricos en ciencia de datos Trabajo en equipo en la red Inglés B2.1 |
6 6 6 6 6 6 |
|
Semestre 3 |
Créditos |
|
Programación para la ciencia de datos Fundamentos de redes y arquitecturas Tipología y fuentes de datos Diseño y uso de bases de datos analíticas Modelaje y optimización |
6 6 6 6 6 |
|
Semestre 4 |
Créditos |
|
Inglés B2.2 Diseño y programación orientada a objetos Modelización e inferencia Bayesiana Captura y preparación de datos Diseño de interacción y diseño de interfaces Minería de datos |
6 6 6 6 6 6 |
|
Semestre 5 |
Créditos |
|
Diseño y gestión de proyectos de ciencia de datos Visualización de datos Privacidad y seguridad de los datos Bases de datos no relacionales Aprendizaje automático |
6 6 6 6 6 |
|
Semestre 6 |
Créditos |
|
Periodismo de datos Análisis en entornos de datos masivos Optativa I Optativa II Optativa III |
6 6 6 6 6 |
|
Semestre 7 |
Créditos |
|
Contextualización y diseño del trabajo de final de grado Minería de textos Análisis de redes sociales Optativa IV Optativa V |
6 6 6 6 6 |
|
Semestre 8 |
Créditos |
|
Optativa VI Trabajo final de grado |
6 12 |
|
Data Science Explorer
|
6 6 6 6 |
|
Data Science Builder
|
6 6 6 6 |
Los estudios de grado finalizan con la elaboración de un trabajo final. En el grado de Ciencia de Datos Aplicada el trabajo final tiene 12 créditos ECTS.
El trabajo de final de grado consiste en la realización <de un proyecto, producto, memoria y/o estudio> individual de síntesis de los conocimientos adquiridos en otras asignaturas del grado de Ciencia de Datos Aplicada . Es una asignatura que el estudiante tiene que cursar para finalizar el programa y está orientada a la evaluación de las competencias asociadas al título. Por ello, para matricularse de esta asignatura hay que haber superado un número determinado de créditos del programa.
En el grado de Ciencia de Datos Aplicada se ofrece la posibilidad de llevar a cabo un trabajo final en alguno de los ámbitos establecidos. El estudiante tendrá que elegir el ámbito de conocimiento en el que quiere hacer el trabajo de final de grado.
Para matricularse del trabajo final, previamente hay que haber hecho una solicitud, que tiene que ser aceptada por el equipo docente del programa. El tutor académico de la UOC tiene un papel clave en la orientación, la información y la gestión del proceso de selección de los trabajos finales.
El trabajo final es un trabajo individual que se realiza con la tutorización y la guía del director del trabajo final, que acompaña al estudiante para que pueda llevarlo a cabo con éxito. El director del trabajo final es el encargado de orientar al estudiante y hace el seguimiento del proyecto asesorándolo en cada uno de sus aspectos: conceptualización, fundamentación, metodología, redacción de los resultados y defensa.
El trabajo final concluye con una defensa, en la que el estudiante tiene que hacer una exposición del trabajo mediante un vídeo en el que presente el desarrollo del proyecto y los resultados obtenidos. A continuación, tendrá que responder a las preguntas de la Comisión de Evaluación, formada por un mínimo de dos miembros del profesorado, que serán los encargados de evaluarlo, conjuntamente con el director del trabajo.
En la calificación del trabajo se tendrán en cuenta tres partes: (1) el proceso de elaboración, (2) la memoria, producto, proyecto o estudio final realizado y (3) la presentación y la defensa del trabajo.
Para más información sobre la docencia y el proceso de solicitud, hay que consultar el plan docente en la Secretaría del Campus una vez se ha solicitado el acceso al programa.
| Tipología de la asignatura |
|
| Duración |
12 créditos ECTS, que equivalen a 300 horas. Son prácticas académicas curriculares. |
|
Modalidad/ Modalidades |
Presencial, semipresencial o virtual |
| Requisitos |
Haber superado 60 créditos básicos y 60 créditos obligatorios. |
| Acompañamiento |
Durante la realización de las prácticas, el estudiante dispone de un seguimiento docente personalizado, con un profesional que actúa como tutor del centro de prácticas y un profesor que actúa como tutor académico, quienes aseguran que las prácticas se llevan a cabo siguiendo el proyecto formativo. |
| Empresas colaboradoras |
NOTA: La disponibilidad concreta de la oferta de prácticas en estos centros la encontraréis dentro de la herramienta de gestión de prácticas en el momento en que se despliegue la asignatura. La lista de empresas con convenios de prácticas puede variar desde el momento en que os apuntéis hasta que empiecen las prácticas. |
Podréis encontrar más información sobre el funcionamiento de las prácticas en el plan docente de la asignatura. Esta información se actualizará cada semestre y, por lo tanto, la explicación concreta de la asignatura de prácticas siempre hará referencia al semestre actual.
El procedimiento y las fechas de solicitud de las prácticas se exponen en el espacio del Campus Virtual Trámites / Prácticas curriculares.
El grado de Ciencia de Datos Aplicada tiene una duración mínima estimada de cuatro años académicos, distribuidos en ocho cuatrimestres, con una carga total de 240 créditos ECTS.
Sin embargo , la flexibilidad de la normativa académica de la UOC permite que cada persona pueda ajustar la duración y el ritmo de sus estudios a sus posibilidades de dedicación y a su disponibilidad de tiempo.
Así, los estudiantes podéis decidir cada semestre las asignaturas que queréis cursar. En el momento de realizar la matrícula, la UOC pone a disposición de los estudiantes un tutor que ofrece asistencia directa y el asesoramiento necesario.
El estudiante dispone a lo largo del programa de los siguientes recursos:
- Un laboratorio virtual de tecnologías y herramientas de ciencia de datos, que da servicios de apoyo en el uso de las herramientas. El programa tiene acuerdos con los principales fabricantes de software de inteligencia de negocio, con empresas de infraestructura virtualizada y con un laboratorio de herramientas de software de código abierto.
- Un laboratorio virtual de lenguajes de programación, que proporciona apoyo al estudiante durante todo el programa respecto a los temas relacionados con la programación.
Además, durante el desarrollo del grado de Ciencia de Datos Aplicada (Applied Data Science), los estudiantes tienen acceso a recursos de aprendizaje y software elegidos por el profesorado de cada materia: una selección de software libre y de licencias del software propietario más utilizado actualmente en el mercado, y otros recursos, ya sean elaborados por la UOC expresamente para este máster o recursos externos de reconocida calidad y rigor académico.
Tenemos acuerdos de colaboración estables con los programas académicos de QlikView y Tableau. Por otro lado, la UOC ha tenido tradicionalmente un compromiso con el software de código abierto, especialmente en el ámbito del análisis de datos. Nuestras herramientas de referencia en análisis estadístico, minería de datos (data mining) y aprendizaje automático (machine learning) son R y Python, lenguajes estándar en el mercado industrial y la investigación. Disponemos de manuales, tutoriales y de una página web de recursos sobre ambos lenguajes.
Además, nuestras herramientas de referencia en la explotación y el análisis de datos masivos son Apache Hadoop y Apache Spark. Para el aprendizaje de bases de datos NoSQL utilizamos herramientas como MongoDB, Riak o Neo4j. En el caso de bases de datos analíticas, utilizamos Microsoft o Pentaho para el almacén de datos y Oráculo o PostgreSQL como bases de datos.
Hay que tener en cuenta que evaluamos continuamente otras herramientas y acuerdos con varios fabricantes, de modo que esta lista puede modificarse de acuerdo con las tendencias del ámbito y las necesidades docentes del programa.
Según las exigencias de rendimiento del software, algunas aplicaciones pueden descargarse en el ordenador del estudiante o bien se puede acceder, desde la misma aula, a máquinas virtuales de Amazon y Azure.
Es recomendable disponer de máquinas y SONIDO de 64 bits y 4 GB de RAM como mínimo (6 GB aconsejable).
Solicitud de acceso
En qué idioma prefieres realizar tus estudios
Pago fraccionado
Para másters universitarios y grados, cuota inicial del 35% de la matrícula
Siguiente cuota, en septiembre
Infórmate
