Plan de Estudios

Motivación

El título propio Máster en Data Science de la Universidad Rey Juan Carlos propone un itinerario formativo que integra conocimientos de dos áreas complementarias: ingeniería de datos y análisis de datos.

El perfil profesional de data scientist combina conocimientos de estas dos áreas con experiencia (propia o de otros especialistas y colaboradores) en el ámbito de aplicación de cada proyecto, aportando una visión integrada y transversal que facilita el diseño, implementación y despliegue de soluciones adaptadas a cada problema.

  • Total de créditos: 60.
  • Modalidad: Presencial (teórico-práctico).
  • Duración: septiembre 2022 - septiembre 2023.
  • Prácticas en empresa: Sí (opcionales) (6 créditos).
  • Trabajo fin de máster: Sí (obligatorio) (6 créditos).
Información adicional
Sede Madrid
  • Campus Madrid, sede Madrid-Argüelles.
  • C/Quintana esquina C/Ferraz. Madrid.
  • Horario intensivo: Viernes (T1 y T3 17.00 - 21.00; T2 15.00 - 21.00); Sábado (9.00 - 15.00).
Sede Móstoles
  • ETSII, Campus de Móstoles, URJC.
  • C/Tulipán s/n. Móstoles.
  • Horario semanal: Miércoles (solo T2, 17.00 - 21.00); Jueves (17.00-21.00); Viernes (T1 y T3 15.00 - 21.00; T2 17.00 - 21.00).
Información adicional

Itinerario formativo

Computación científica en Python (Anaconda)
Estadística computacional con R (RStudio).
Análisis de datos longitudinales y categóricos.
Minería de datos, machine learning, simulación.

Módulo I: Métodos Estadísticos

Fundamentos, métodos y herramientas para análisis estadístico computacional de conjuntos de datos complejos: data mining, machine learning, principales modelos y procesos para análisis de datos.


  • Fundamentos de Análisis de Datos (6 créditos)
  • Machine Learning (9 créditos)
  • Text Mining (3 créditos)
Data harvesting

Procesado de datos estructurados, semi-estructurados y no estructurados.
Motores de búsqueda, indexación, Procesado de Lenguaje Natural
NoSQL, bases de datos híbridas
Tecnologías y normativa de privacidad y seguridad de datos

Módulo II: Captura y Almacenamiento de Datos

Técnicas, métodos y herramientas para obtención, almacenamiento y gestión de conjuntos de datos complejos.


  • Obtención de Datos (3 créditos)
  • Recuperación de la Información (1,5 créditos)
  • Bases de Datos no Convencionales (3 créditos)
  • Privacidad y Protección de Datos (1,5 créditos)
Server room

Procesamiento batch y streaming
Ecosistema Hadoop: Spark, Kafka, Flume, NiFi, etc.
Programación funcional en Scala (Spark).
Computación y análisis de datos en entornos cloud

Módulo III: Procesamiento de Datos

Tecnologías y sistemas computacionales para procesamiento avanzado de datos.


  • Programación orientada a Ciencia de Datos (3 créditos)
  • Sistemas Distribuidos de Procesamiento de Datos (9 créditos)
    • Hadoop, Spark.
    • Arquitecturas batch, streaming e interactiva.
    • Front-ends: Jupyter, Zeppelin.
  • Bases de Datos no Convencionales (3 créditos)
Data visualization

Análisis de grafos
Técnicas de visualización de datos
Comunicación y presentación de resultados

Módulo IV: Grafos y visualización de datos

Técnicas, métodos y herramientas para análisis de datos, soporte a la toma de decisiones y presentación de resultados.


  • Análisis de Grafos y Redes Sociales (3 créditos)
  • Visualización: Comunicación y Presentación de Resultados (3 créditos)

Experiencia práctica
Proyectos reales
Consolidación de los conocimientos adquiridos

Prácticas en Empresa

Las Prácticas en Empresa (6 créditos) son opcionales dentro del itinerario formativo. Permiten al alumno afianzar los conocimientos adquiridos a lo largo del curso a traves de su participación en proyectos dentro de un entorno de trabajo real. De esta forma, podrán adquirir experiencia en proyectos de ciencia de datos a la vez que demuestran su capacidad para resolver los problemas y retos que se les plantean. Los alumnos que ya estén trabajando podrán convalidar estos créditos directamente.


Detalles

Demostración de conocimientos adquiridos
Realización de un proyecto completo (diseño e implementación)

Trabajo Fin de Máster

El Trabajo Fin de Máster (6 créditos) consiste en un proyecto completo de ciencia de datos que el alumno deberá completar, obligatoriamente, demostrando así su capacidad para diseñar e implementar una solución de este tipo. Si resulta posible, los proyectos podrán realizarse en el marco de las prácticas en empresa, alineando los objetivos y tareas del proyecto con los problemas y retos planteado en el entorno de prácticas.


Detalles

Descarga el folleto resumen

Información práctica y todos los detalles de nuestro programa formativo

Folleto