Plan de estudios

Universidad de Alicante. Página principal
Plan de estudios: UNIVERSITY MASTER'S DEGREE IN DATA SCIENCE
Saltar idiomas
Español | Valencià | English
Saltar iconos
Saltar cabecera
Universidad de Alicante. Página principal
Ficha del estudio

UNIVERSITY MASTER'S DEGREE IN DATA SCIENCE

Code:
 D109

Credits:
 60
 
Publication date:
 12/05/2021

Title:
 Master (ECTS)
 
Fee:
 39,27
 1st registration credits
 

FIELD OF STUDY

Engineering and Architecture

SYLLABUS

UNIVERSITY MASTER'S DEGREE IN DATA SCIENCE

TYPE OF EDUCATION

Blended

LANGUAGE / S THAT IS OFFERED

Spanish

CENTRES WHERE IT IS TAUGHT

Polytechnic School

PROGRAMME JOINTLY SHARED WITH

Only taught at this university

EXAMINATION DATES

Enter the list of examination dates for this graduate programme.

SYLLABUS OFFERED

Initial node:
 

Legend: Not offeredNo teaching
UNIVERSITY MASTER'S DEGREE IN DATA SCIENCE
48 credits
 
12 credits
 
 
Once this block is approved, you get
UNIVERSITY MASTER'S DEGREE IN DATA SCIENCE
CONDITIONED
 
 
 

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:Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
  • CB7:Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
  • CB8:Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • CB9:Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
  • CB10:Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

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.
Saltar pie
Servicio de informática
Saltar estándares