Plan de estudios

COMPETENCES

General Competences

• CG1:Aplicar los conocimientos adquiridos a problemas reales relacionados con la ciencia de 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.
• 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.

Basic Competences

• 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.
• CB10:That students possess the learning skills that allow them to continue studying in a way that will be largely self-directed or autonomous.

Specific Competences

• CE1:Conocer en profundidad y manejar tecnologías de aprendizaje automático (machine learning), algoritmos, y herramientas (incluido el aprendizaje supervisado, no supervisado o reforzado).
• CE2:Identificar y utilizar técnicas avanzadas de minería de datos y minería de textos.
• CE3:Conocer en profundidad y aplicar métodos de análisis predictivo, prescriptivo, descriptivo y analítica cualitativa.
• CE4:Identificar y utilizar técnicas de análisis gráfico de datos para el análisis de redes organizacionales, relaciones con los clientes y otras tareas.
• CE5:Analizar y aplicar métodos analíticos y estadísticos avanzados para la preparación y procesado de datos.
• CE6:Determinar métricas para la evaluación y validación de análisis de datos.
• CE7:Determinar y utilizar métodos efectivos de visualización y narración para crear paneles de control e informes de análisis de datos.
• CE8:Analizar y utilizar métodos de procesamiento de lenguaje natural.
• CE9:Utilizar y manejar eficazmente las infraestructuras y servicios big data. Utilizar y aplicar estos servicios para soportar y realizar toma de decisiones basadas en datos.
• CE10:Diseñar y utilizar tecnologías y algoritmos eficientes para el modelado y la simulación sistemas de datos.
• CE11:Diseñar y utilizar algoritmos eficientes para acceder y analizar grandes cantidades de datos, y conocer el manejo de APIs para la interconexión de bases de datos y colecciones de datos heterogéneos.
• CE12:Diseñar y utilizar sistemas que incluyen la recopilación de datos (pasivo y activo) para la prueba de hipótesis y la resolución de problemas.
• CE13:Diseñar y utilizar métricas y técnicas para la validación y comparación de algoritmos de aprendizaje automático.
• CE14:Diseñar y aplicar algoritmos para resolver problemas reales mediante habilidades de modelización, optimización y cálculo numérico.
• CE15:Manejar y aplicar las herramientas informáticas de cálculo numérico, optimización, simulación, visualización gráfica u otras para experimentar y resolver problemas.
• 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.

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.