Competencies and objectives

 

Course context for academic year 2021-22

El Trabajo Fin de Máster (TFM) consiste en la realización de un proyecto en el ámbito del tratamiento de datos, en el que se integren todas las competencias y habilidades adquiridas en las distintas asignaturas cursadas en el Máster en Ciencia de datos. El trabajo será individual y bajo la dirección de un tutor que tendrá la labor de orientar y aconsejar al alumno en cada una de las fases del desarrollo del proyecto. El TFM será presentado y defendido ante un tribunal universitario, mediante exposición pública.


El TFM tiene dos objetivos principales. Por una parte, el alumno tiene la oportunidad de profundizar en el estudio de un tema de su interés. Por otra, le permite desarrollar competencias y habilidades fundamentales, tales como la capacidad de planificar un proceso, resolver problemas, analizar e interpretar resultados, o defender propuestas mediante una comunicación eficiente, entre otras.

 

 

Course competencies (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2021-22

Transversal Competences

  • CT1 : Ser capaz de liderar proyectos relacionados con la Ciencia de Datos, así como dirigir equipos de trabajo
  • CT2 : Mostrar competencias informáticas e informacionales en el ámbito de la ciencia de datos.
  • CT3 : Reunir competencias en comunicación oral y escrita.

 

General Competences

  • CG1 : Aplicar los conocimientos adquiridos a problemas reales relacionados con la ciencia de datos.
  • CG10 : Saber utilizar técnicas de la ciencia de datos para obtener nuevas relaciones y brindar información sobre problemas de investigación o procesos organizativos y respaldar la toma de decisiones.
  • CG11 : Ser capaz de utilizar los principios de ingeniería y las modernas tecnologías informáticas para investigar, diseñar, implementar nuevas aplicaciones de la ciencia de datos.
  • CG12 : Ser capaz de desarrollar experimentos, procesos, instrumentos, sistemas, infraestructuras durante todo el ciclo de vida de los datos.
  • CG2 : Ser capaz de desarrollar y aprender de forma auto-dirigida o autónoma temas relacionados con la ciencia de datos.
  • CG3 : Saber desenvolverse en contextos multidisciplinares y/o internacionales aportando soluciones desde el punto de vista de la ciencia de datos.
  • CG4 : Conocer y aplicar en cada situación las responsabilidades sociales, éticas y legales vinculadas a la aplicación de los conocimientos de la ciencia de datos.
  • CG5 : Saber gestionar la información y los recursos disponibles relacionados con ciencia de datos.
  • CG6 : Ser capaz de adaptarse a entornos relacionados con la ciencia de datos, fomentando el trabajo en equipo, la creatividad, la capacidad crítica y el espíritu emprendedor.
  • CG7 : Ser capaz de adaptarse al ambiente cambiante propio de la disciplina y de comprender y aplicar los nuevos avances técnicocientíficos relacionados con la ciencia de datos.
  • CG8 : Saber proyectar, diseñar, desarrollar, implantar y mantener productos, aplicaciones y servicios relacionados con la ciencia de datos, teniendo en cuenta aspectos técnicos, económicos y de eficiencia.
  • CG9 : Saber dirigir proyectos relacionados con la ciencia de datos, cumpliendo la normativa vigente y asegurando la calidad del servicio.

 

Specific Competences

  • CE16 : Diseñar, desarrollar, presentar y defender, individualmente ante un tribunal universitario, un trabajo integral de ciencia de datos en el que se sinteticen los conocimientos adquiridos en las enseñanzas.

 

Basic Competences

  • CB10 : That students possess the learning skills that allow them to continue studying in a way that will be largely self-directed or autonomous.
  • CB6 : Possess and understand knowledge that provides a basis or opportunity to be original in the development and/or application of ideas, often in a research context
  • CB7 : That students know how to apply the knowledge acquired and their ability to solve problems in new or little-known environments within broader (or multidisciplinary) contexts related to their area of ¿¿study
  • CB8 : Students are able to integrate knowledge and deal with the complexity of making judgements on the basis of incomplete or limited information, including reflections on the social and ethical responsibilities associated with information which, while incomplete or limited, includes reflections on the social and ethical responsibilities linked to the application of their knowledge and judgements.
  • CB9 : Students are able to communicate their conclusions and the ultimate knowledge and rationale behind them to specialist and non-specialist audiences in a clear and unambiguous way.

 

 

 

Learning outcomes (Training objectives)

No data

 

 

Specific objectives stated by the academic staff for academic year 2021-22

No data

 

 

General

Code: 43462
Lecturer responsible:
Vicent Francés, José Francisco
Credits ECTS: 6,00
Theoretical credits: 0,00
Practical credits: 0,60
Distance-base hours: 5,40

Departments involved

  • Dept: INFORMATION TECHNOLOGY AND COMPUTING
    Area: COMPUTER ARCHITECTURE
    Theoretical credits: 0,12
    Practical credits: 0
  • Dept: LANGUAGES AND COMPUTING SYSTEMS
    Area: LANGUAGES AND COMPUTING SYSTEMS
    Theoretical credits: 0,12
    Practical credits: 0
  • Dept: SCIENCE OF COMPUTING AND ARTIFICIAL INTELLIGENCE
    Area: CIENCIA DE LA COMPUTACIO, INTEL·LIGENCIA ARTIFICIA
    Theoretical credits: 0,12
    Practical credits: 0
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.
  • Dept: MATHEMATICS
    Area: STATISTICS AND OPERATIONS RESEARCH
    Theoretical credits: 0,12
    Practical credits: 0
  • Dept: APPLIED MATHEMATICS
    Area: APPLIED MATHEMATICS
    Theoretical credits: 0,12
    Practical credits: 0

Study programmes where this course is taught