Accesos directos a las distintas zonas del curso

Ir a los contenidos

Ir a menú navegación principal

Ir a menú pie de página

MÁSTER UNIVERSITARIO EN INGENIERÍA Y CIENCIA DE DATOS

Course 2019-2020 / E.T.S. DE INGENIERÍA INFORMÁTICA

MÁSTER UNIVERSITARIO EN INGENIERÍA Y CIENCIA DE DATOS

CURRICULUM

Estructura general del plan de estudios

La estructura de Máster Universitario se centra en la realización de 60 créditos impartidos en un solo curso académico. En la Tabla I se presenta la distribución de créditos según el carácter de las materias/asignaturas que lo componen.

Tipo de materia

Créditos

Obligatorias

40

Optativas

8

Trabajo Fin de Máster

12

TOTAL

60

Tabla 1: Distribución de créditos por tipo de materia

Descripción de las materias

El plan de estudios considera una estructura basada en cuatro materias que permiten agrupar de manera coherente las habilidades/competencias de los estudiantes a formar en las disciplinas de ciencia de datos e ingeniería de datos de manera conjunta. A continuación, se describen cada una de las materias:

  • Fundamentos del modelado de datos. Esta materia engloba las asignaturas que permiten al estudiante adquirir los conocimientos y habilidades fundamentales para abordar los problemas básicos que se presentan durante el desarrollo de proyectos que involucran a científicos de datos e ingenieros de datos. En concreto:
    • conocer los mecanismos matemáticos/estadísticos necesarios para abordar la problemática en proyectos de ciencia de datos.
    • desarrollar soluciones basadas en lenguajes de programación que se puedan usar en infraestructuras específicas de datos masivos (soluciones de ingeniera de datos) o en sistemas más simples orientados a la ciencia de datos
    • usar las técnicas/herramientas de visualización de información para representar dicha información en tareas de análisis del científico de datos y el ingeniero de datos.
  • Algoritmos de aprendizaje. Esta materia se focaliza en aplicar técnicas diversas de inteligencia artificial: aprendizaje automático (Machine Learning) o procesamiento del lenguaje natural. Se analizan las diferentes alternativas existentes y sus ventaja e inconvenientes, con el objetivo de proporcionar al estudiante una capacidad crítica de evaluación y decisión en la aplicación de estos algoritmos.
  • Infraestructuras y Sistemas para la gestión de datos. Esta materia se centra en el área de la computación y de todo lo relacionado en el desarrollo, almacenamiento y uso de infraestructuras para la gestión/computación de datos (que pueden ser datos masivos o no). Adicionalmente, un ingeniero/científico de datos debe conocer cómo aplicar mecanismo de securización de la información en todos los niveles de implementación y desarrollo de proyectos tecnológicos orientados a datos. 
  • Trabajo Fin de Máster. Es de carácter obligatorio y responde a lo establecido en la Resolución de 8 de junio de 2009, de la Secretaría General de Universidades. Consiste en la realización individual por el estudiante bajo la supervisión de un tutor, de un proyecto integral de Ingeniería en Informática de naturaleza profesional en el que se sinteticen las competencias adquiridas en las enseñanzas, con rigor técnico y científico, y conforme a los principios éticos. Adicionalmente debe tener carácter formativo e innovador, y servir de preparación para posteriores etapas de formación académica en estudios de doctorado, pudiendo incorporar cuando así se requiera aspectos de investigación.

En la Tabla 2 se muestra la distribución de créditos obligatorios y optativos de cada materia. Se debe destacar que se pretende con la oferta de optatividad en cada materia (excepto el Trabajo Fin de Máster) que el estudiante pueda focalizar su interés profesional en temas específicos del científico/ingeniero de datos como el modelado complejo de datos, el uso de algoritmos de aprendizaje avanzados o la gestión de la seguridad de los datos y las regulaciones asociadas.   Se puede destacar en dicha tabla que se ha conseguido un equilibrio en los créditos obligatorias de todas las materias

Materia

Créditos Obligatorios

Créditos Optativos

Fundamentos del modelado de datos

14

4

Algoritmos de aprendizaje

14

8

Infraestructuras y Sistemas para la gestión de datos

12

4

Trabajo Fin de Máster

12

 

Tabla 2. Distribución de créditos por materias.

La Tabla 3 muestra la correspondencia de asignaturas a materias.  En todas las asignaturas se usará como lengua vehicular el castellano, aunque el inglés se usará a través de la consulta de bibliografía, o visualización de videos de seminarios impartidos por expertos internacionales que puedan ser invitados al master.

Las diferentes asignaturas que integran este Master, se impartirán todas ellas conforme a la metodología no presencial que caracteriza a la UNED, en la cual prima el autoaprendizaje del estudiante pero asistido por el profesor y articulado a través de diversos sistemas de comunicación. Dentro de estos sistemas, cabe destacar que el Máster en Ingeniería Informática se imparte con apoyo en una plataforma virtual interactiva de la UNED donde el estudiante encuentra tanto materiales didácticos básicos como materiales didácticos complementarios, informaciones, noticias, ejercicios y también permite algunos de los métodos de evaluación planificados en las asignaturas. Muchas de las asignaturas tienen exámenes presenciales, que se celebran en los Centros Asociados de la UNED (todo alumno pertenece a un Centro Asociado nacional o del extranjero, y puede presentarse en uno distinto, previa solicitud justificada).

En la Guía de Estudio de cada asignatura, se especifican las actividades formativas incluidas, los sistemas de evaluación que se utilizarán, y el cálculo de la calificación final.

NOTA: Los Departamentos (y enlaces) de la ETS de Ingeniería Informática de la UNED cuyos profesores imparten asignaturas del Máster son los siguientes:

Materia

Asignatura
Título

Créditos ECTS

Tipo

Fundamentos del modelado de datos

Modelado estadístico de datos

6

Obligatoria

Programación en entornos de datos

4

Obligatoria

Visualización de datos

4

Obligatoria

Modelos Bayesianos Jerárquicos

4

Optativa

Algoritmos de aprendizaje

Aprendizaje Automático I

6

Obligatoria

Aprendizaje Automático II

4

Obligatoria

Minería de textos

4

Obligatoria

Minería de datos de los Medios sociales

4

Optativa

Deep Learning

4

Optativa

Infraestructuras y Sistemas para la gestión de datos

Infraestructuras computacionales para procesamiento de datos masivos

6

Obligatoria

Gestión/almacenamiento de información no estructurada

6

Obligatoria

Seguridad de la gestión de datos

4

Optativa

Trabajo Fin de Máster

Trabajo Fin de Máster (TFM)

12

Obligatoria

Tabla 3: Asignaturas asociadas a las materias de las asignaturas y su carácter obligatorio/optativo

Planificación cuatrimestral

En esta titulación todas las asignaturas tienen un carácter cuatrimestral. El plan de estudios del título está organizado en dos cuatrimestres. La planificación intenta garantizar una distribución uniforme de créditos por cuatrimestre, de forma que el estudiante deberá cursar 28 créditos en el primer cuatrimestre y 32 en el segundo. Cada crédito supondrá un volumen total de trabajo del alumno de 25 horas. La tabla 4 recoge los cuatrimestres en los que se planifican las asignaturas del plan de estudios, de carácter anual.

Primer cuatrimestre

Segundo cuatrimestre

Modelado estadístico de datos

Aprendizaje Automático II

Programación en entornos de datos

Visualización de datos

Aprendizaje Automático I

Gestión/almacenamiento de información no estructurada

Minería de textos

Optativa 1

Infraestructuras computacionales para procesamiento de datos masivos

Optativa 2

 

Trabajo Fin de Máster

Tabla 4: Planificación temporal del curso académico

En el segundo cuatrimestre el estudiante deberá elegir dos optativas ofertadas de las tres materias con disponibilidad de créditos optativos, de forma que el mayor número de créditos del segundo cuatrimestre se compensa con la elección de dos asignaturas optativas que el estudiante elige de acuerdo con sus intereses particulares.