Ciencia de Datos

Para obtener la titulación de máster universitario de Ciencia de datos, el estudiante tiene que superar 60 créditos ECTS.

El número de créditos ECTS por asignatura es una estimación del tiempo que un estudiante puede invertir para adquirir las competencias asociadas a la asignatura. Un crédito ECTS equivale aproximadamente a 25 horas de trabajo del estudiante.

Los estudios de máster concluyen con la elaboración de un trabajo final. En el máster universitario de Ciencia de Datos el trabajo final tiene 12 créditos ECTS.

El trabajo final del máster universitario de Ciencia de Datos consiste en la realización proyecto individual de síntesis de los conocimientos adquiridos en otras asignaturas del máster. Es una asignatura que el estudiante debe cursar para finalizar el programa y está orientada a la evaluación de las competencias asociadas al título. Por ello, para matricularse de esta asignatura es necesario haber superado un número determinado de créditos del programa.

En el máster universitario de Ciencia de Datos las propuestas de líneas de trabajo se agrupan en distintos ámbitos, relacionados con las temáticas o asignaturas cursadas durante el máster. El estudiante deberá elegir el ámbito de conocimiento en el que quiere hacer su trabajo final de máster. Para matricularse del trabajo final, previamente hay que haber hecho una solicitud, que debe ser aceptada por el equipo docente del programa. El tutor académico de la UOC ejerce un papel clave en la orientación, la información y la gestión del proceso de selección de los trabajos finales.

El trabajo final es un proyecto individual que se realiza con la tutorización y la guía del director del trabajo final, que brinda el acompañamiento necesario para que el estudiante lo pueda llevar a cabo con éxito. El director del trabajo final es el encargado de orientar al estudiante y efectuar el seguimiento del proyecto; asimismo, lo asesora en cada uno de los aspectos: conceptualización, fundamentación, metodología, redacción de los resultados y defensa.

El trabajo final concluye con una defensa, en la que el estudiante debe realizar una exposición de dicho trabajo. mediante una herramienta de presentación virtual, ante una comisión de evaluación formada por tres miembros, que lo evalúan.

La calificación del trabajo final consta de tres partes: (1) el seguimiento y la elaboración del trabajo, (2) la memoria, producto, proyecto o estudio final realizado y (3) la defensa del trabajo.

Para más información sobre la docencia y el proceso de solicitud, debe consultarse el plan docente en la Secretaría del Campus una vez se ha requerido el acceso al programa.

+ Consulta más detalles sobre los trabajos finales

El máster universitario de Ciencia de datos tiene una duración mínima estimada de un año académico, distribuido en dos cuatrimestres, con una carga total de 60 créditos ECTS.

Aun así, la flexibilidad de la normativa académica de la UOC permite que cada persona pueda ajustar la duración y el ritmo de los estudios a sus posibilidades de dedicación y a su disponibilidad de tiempo.

De este modo, los estudiantes pueden decidir cada cuatrimestre las asignaturas que quieren cursar. Para lo cual, en el momento de hacer la matrícula, la UOC pone a disposición de los estudiantes un tutor que ofrecerá una asistencia directa y el asesoramiento necesario.

Recursos comunes para el aprendizaje

El estudiante cuenta a lo largo del programa con:

-Un laboratorio virtual de tecnologías y herramientas de ciencia de datos, que da servicios de soporte en el uso de las herramientas. El programa cuenta con acuerdos con los principales fabricantes de software de business intelligence, 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 soporte al estudiante durante todo el programa en los temas relacionados con la programación, especialmente en el lenguaje R.

Además, durante el desarrollo del máster, los estudiantes tienen acceso a software y a recursos seleccionados 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. Además, 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 estándares de facto en el mercado industrial y la investigación. Disponemos de manuales, tutoriales y de una página web de recursos sobre ambos lenguajes.

Por otro lado, nuestras herramientas de referencia en la explotación y 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 analíticos, utilizamos Microsoft o Pentaho para el almacén de datos y Oracle o PostgreSQL como bases de datos.

Cabe tener en cuenta que estamos evaluando continuamente otras herramientas y acuerdos con varios fabricantes, de modo que esta lista se puede modificar en función de las tendencias del ámbito y las necesidades docentes del programa.

Dependiendo de las exigencias de rendimiento del software, algunas aplicaciones se pueden descargar en el ordenador del estudiante o bien se puede acceder, desde el aula, a máquinas virtuales de Amazon y Azure.

Es recomendable disponer de máquinas y SO de 64 bits y 4 GB de RAM como mínimo (6 GB aconsejable).