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.