Plan de estudios

Universidad de Alicante. Página principal
Plan de estudios: MÁSTER UNIVERSITARIO EN CIENCIA DE DATOS
Saltar idiomas
Español | Valencià | English
Saltar iconos
Saltar cabecera
Universidad de Alicante. Página principal
Ficha del estudio

MÁSTER UNIVERSITARIO EN CIENCIA DE DATOS

Codi:
 D109

Crèdits:
 60
 
Data de publicació:
 Sense publicació

Titol:
 Màster Universitari Oficial
 
Preu:
 39,27
 Crèdits en 1a matrícula
 

RAMA

Enginyeria i Arquitectura

PLA

MÁSTER UNIVERSITARIO EN CIENCIA DE DATOS

TIPÚS DE ENSENYAMENT

Presencial

IDIOMES EN ELS QUALS S'IMPARTEIX

Castellà

CENTRES ON S'IMPARTEIX

Escola Politècnica Superior

ESTUDI IMPARTIT CONJUNTAMENT AMB

Solament s'imparteix en aquesta universitat

DATES D'EXAMEN

Accedisca al llistat de dates d'examen per a aquesta titulació.

PLA D'ESTUDIS OFERIT

 

Llegenda: No ofertadaSense docencia
MÀSTER UNIVERSITARI EN CIÈNCIA DE DADES
48 crèdits
 
12 crèdits
 
 
Superat aquest bloc s'obté
MÁSTE UNIVERSITARIO EN CIENCIA DE DATOS

COMPETÈNCIES


Competències generals

  • CG1:Aplicar els coneixements adquirits a problemes reals relacionats amb la ciència de dades.
  • CG2:Ser capaç de desenvolupar i aprendre de forma auto-dirigida o autònoma temes relacionats amb la ciència de dades.
  • CG3:Saber desembolicar-se en contextos multidisciplinaris i/o internacionals aportant solucions des del punt de vista de la ciència de dades.
  • CG4:Conèixer i aplicar en cada situació les responsabilitats socials, ètiques i legals vinculades a l'aplicació dels coneixements de la ciència de dades.
  • CG5:Saber gestionar la informació i els recursos disponibles relacionats amb ciència de dades.
  • CG6:Ser capaç d'adaptar-se a entorns relacionats amb la ciència de dades, fomentant el treball en equip, la creativitat, la capacitat crítica i l'esperit emprenedor.
  • CG7:Ser capaç d'adaptar-se a l'ambient canviant propi de la disciplina i de comprendre i aplicar els nous avanços técnicocientíficos relacionats amb la ciència de dades.
  • CG8:Saber projectar, dissenyar, desenvolupar, implantar i mantenir productes, aplicacions i serveis relacionats amb la ciència de dades, tenint en compte aspectes tècnics, econòmics i d'eficiència.
  • CG9:Saber dirigir projectes relacionats amb la ciència de dades, complint la normativa vigent i assegurant la qualitat del servei.
  • CG10:Saber utilitzar tècniques de la ciència de dades per a obtenir noves relacions i brindar informació sobre problemes d'investigació o processos organitzatius i recolzar la presa de decisions.
  • CG11:Ser capaç d'utilitzar els principis d'enginyeria i les modernes tecnologies informàtiques per a investigar, dissenyar, implementar noves aplicacions de la ciència de dades.
  • CG12:Ser capaç de desenvolupar experiments, processos, instruments, sistemes, infraestructures durant tot el cicle de vida de les dades.

Competències Bàsiques

  • CB6:Posseir i comprendre coneixements que aporten una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context d'investigació
  • CB7:Que els estudiants sàpien aplicar els coneixements adquirits i la seua capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seua àrea d'estudi
  • CB8:Que els estudiants siguen capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, incloga reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
  • CB9:Que els estudiants sàpien comunicar les seues conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats
  • CB10:Que els estudiants posseïsquen les habilitats d'aprenentatge que els permeten continuar estudiant d'una manera que haurà de ser en gran manera autodirigido o autònom.

Competències Específiques

  • CE1:Conèixer en profunditat i manejar tecnologies d'aprenentatge automàtic (machine learning), algorismes, i eines (inclòs l'aprenentatge supervisat, no supervisat o reforçat).
  • CE2:Identificar i utilitzar tècniques avançades de mineria de dades i mineria de textos.
  • CE3:Conèixer en profunditat i aplicar mètodes d'anàlisi predictiva, prescriptiu, descriptiu i analítica qualitativa.
  • CE4:Identificar i utilitzar tècniques d'anàlisi gràfica de dades per a l'anàlisi de xarxes organitzacionals, relacions amb els clients i altres tasques.
  • CE5:Analitzar i aplicar mètodes analítics i estadístics avançats per a la preparació i processament de dades.
  • CE6:Determinar mètriques per a l'avaluació i validació d'anàlisi de dades.
  • CE7:Determinar i utilitzar mètodes efectius de visualització i narració per a crear panells de control i informes d'anàlisis de dades.
  • CE8:Analitzar i utilitzar mètodes de processament de llenguatge natural.
  • CE9:Utilitzar i manejar eficaçment les infraestructures i serveis big data. Utilitzar i aplicar aquests serveis per a suportar i realitzar presa de decisions basades en dades.
  • CE10:Dissenyar i utilitzar tecnologies i algorismes eficients per al modelatge i la simulació sistemes de dades.
  • CE11:Dissenyar i utilitzar algorismes eficients per a accedir i analitzar grans quantitats de dades, i conèixer el maneig d'APIs per a la interconnexió de bases de dades i col·leccions de dades heterogènies.
  • CE12:Dissenyar i utilitzar sistemes que inclouen la recopilació de dades (passiu i actiu) per a la prova d'hipòtesi i la resolució de problemes.
  • CE13:Dissenyar i utilitzar mètriques i tècniques per a la validació i comparació d'algorismes d'aprenentatge automàtic.
  • CE14:Dissenyar i aplicar algorismes per a resoldre problemes reals mitjançant habilitats de modelització, optimització i càlcul numèric.
  • CE15:Manejar i aplicar les eines informàtiques de càlcul numèric, optimització, simulació, visualització gràfica o unes altres per a experimentar i resoldre problemes.
  • CE16:Dissenyar, desenvolupar, presentar i defensar, individualment davant un tribunal universitari, un treball integral de ciència de dades en el qual se sintetitzen els coneixements adquirits en els ensenyaments.

Competències transversals

  • CT1:Ser capaç de liderar projectes relacionats amb la Ciència de Dades, així com dirigir equips de treball
  • CT2:Mostrar competències informàtiques i informacionals en l'àmbit de la ciència de dades.
  • CT3:Reunir competències en comunicació oral i escrita.

 

 

ESTRUCTURA DEL MÀSTER PER CRÈDITS I MATÈRIA

 

Tipus de matèria

Crèdits

Obligatòries (OB)

42

Optatives (OP)

12

Treball de Fi de Màster (TFM)

 6

TOTAL CRÈDITS

60

 

DISTRIBUCIÓ D'ASSIGNATURES PER CURS / SEMESTRES

 

Tabla 2. Planificación temporal del título. Alumnos a tiempo completo.
Módulos Materias Asignaturas TIPO SM1 SM2
Infraestructuras y tecnologías big data Optativa 6
Ampliación de estadística y optimización Optativa 6
Tecnología en bases de datos Optativa 6
Programación avanzada Optativa 6
Aprendizaje estadístico Obligatoria 6
Métodos gráficos bayesianos Obligatoria 6
Machine learning Obligatoria 6
Minería de datos Obligatoria 6
Minería de textos Obligatoria 6
Preproceso, recolección y visualización de datos Obligatoria 6
Modelado computacional, simulación y optimización Obligatoria 6
Trabajo final de máster Obligatoria 6
Créditos totales: 30 30

Planificació temporal del títol. Alumnes a temps complet.

Matèries Assignatures TIPUS SM1 SM2
Infraestructures i tecnologies big data   Optativa 6  
Ampliació d'estadística i optimització   Optativa 6  
Tecnología en bases de dades   Optativa 6  
Programació avançada   Optativa 6  
Aprenentatge estadístic   Obligatòria 6  
Métodès gráfics baiesians   Obligatòria 6  
Machine learning   Obligatòria   6
Minería de dades   Obligatoria   6
Minería de textos   Obligatòria   6
Preprocès, recolecció i visualització de dades   Obligatòria 6  
Modelatge computacional, simulació i optimització   Obligatòria   6
Treball de Fi de Màster   Obligatòria   6
  Crèdits totals:   30 30

 

 

Planificació temporal del títol. Alumnes a temps parcial.

 

Matèries Assignatures TIPUS

SM1

1º 

SM2

SM3

SM4

Infraestructures i tecnologíes big data   Optativa 6      
Ampliació d'estadística i optimtizació    Optativa 6      
Tecnología en bases de dades   Optativa 6      
Programació avançada   Optativa 6      
Aprenentatge estadístic   Obligatòria     6  
Métodes gràfics baiesians   Obligatòria     6  
Machine learning   Obligatòria       6
Minería de dades   Obligatòria   6    
Minería de textos   Obligatòria   6    
Preprocès, recolecció i visualització de dades   Obligatòria     6  
Modelat computacional, simulació i optimizació   Obligatòria   6    
Treball de Fin de Màster   Obligatòria       6
  Crèdits totals:   12 18 18 12

 

PLANIFICACIÓ GENERAL DEL PLA D'ESTUDIS

La present proposta de màster es compon de 7 matèries obligatòries, que sumisquen un total de 42 crèdits ECTS, 2 matèries optatives, que sumen un total de 12 crèdits ECTS i d'un Treball de Fi de Màster de 6 crèdits ECTS. Aquestes matèries ofereixen una visió àmplia dels diferents aspectes relacionats amb la ciència de les dades i el tractament de dades massives.

Totes les matèries s'imparteixen seguint una metodologia ensenyament-aprenentatge de caràcter presencial, en la qual es defineixen les següents activitats: classes teòriques, pràctiques amb ordinador, treball autònom de l'estudiant i treballe fi de màster.

En particular:

1. En les activitats teòriques es desenvolupa un aprenentatge experimental i creatiu amb material multimèdia per a la formació. Es comptarà també amb convidats provinents de diferents empreses per a aprofundir en alguns casos pràctics de la vida real relacionats amb els continguts de les matèries del màster.

2. Les pràctiques amb ordinador es plantejaran per al desenvolupament de treballs pràctics d'aplicació immediata de les idees vistes en les classes de teoria, o en el desenvolupament de projectes. Dins de les pràctiques amb ordinador de totes les assignatures es realitzarà un projecte d'integració comuna en el qual s'aniran introduint noves característiques conforme es vagen estudiant en teoria.

Aquest projecte es construirà de manera incremental al llarg de tot el màster, i serà independent del Treball Fi de Màster, que es realitzarà en el segon quadrimestre i haurà de ser personal i original.

3. Una part del treball que l'estudiant ha de realitzar, es proposarà mitjançant un aprenentatge autònom no presencial, com són el treball de fi de màster i els treballs que s'encarreguen per a l'avaluació de determinades assignatures.

Per això, totes les assignatures utilitzen tant l'UACloud de la Universitat d'Alacant, com la plataforma d'e-learning Moodle, que a més de permetre als professors la realització d'una estructuració del coneixement que ha d'adquirir l'estudiant, permet la introducció de fites per a la sol·licitud de cadascuna dels lliuraments que han de realitzar al llarg del curs. Això ajuda a l'alumnat a gestionar i a organitzar els seus esforços fora de les aules.

4. L'avaluació tindrà com a objectiu fonamental quantificar el grau de compliment dels objectius formatius. A més, en totes les matèries, l'avaluació a realitzar tindrà en compte els següents suposats:

Existeixen normes predefinides i conegudes per endavant per l'alumnat?

És coherent amb els objectius fixats per endavant?

Abarca tots els nivells de coneixement i activitats de l'alumnat en relació a cada matèria?

Hi haurà diferents modalitats d'avaluació com a proves i exàmens, avaluació de pràctiques realitzades de manera individual o en grup, etc.?

 

REQUISITS D'ACCÉS

 

Segons la Normativa de la Universitat d’Alacant, per a accedir als ensenyaments oficials de màster universitari serà necessari:

  1. Estar en possessió d’un TÍTOL UNIVERSITARI OFICIAL ESPANYOL o d’un altre expedit per una institució d’educació superior de l’EEES (Espai Europeu d’Educació Superior) que faculten en el país expedidor del títol per a l’accés a ensenyaments de màster.
  2. Estar en possessió d’un TÍTOL D’EDUCACIÓ SUPERIOR ESTRANGER que haja sigut HOMOLOGAT al títol que permet accedir als estudis sol·licitats.
  3. Estar en possessió d’un TÍTOL UNIVERSITARI obtingut en una universitat o centre d’ensenyament superior de PAÏSOS ALIENS A l’EEES, sense necessitat de l’homologació prèvia dels seus estudis. En aquest supòsit cal tenir en compte:
  • El títol no homologat requereix un informe tècnic d’equivalència expedit per la Universitat d’Alacant (ContinUA - Centre  de Formació Contínua), pel qual s’haurà d’abonar la taxa corresponent.
  • L’accés per aquesta via no implicarà, en cap cas, l’homologació del títol previ que tinga la persona interessada ni el seu reconeixement a altres efectes que el de cursar els ensenyaments de màster universitari.

 

ADMISSIÓ I CRITERIS DE VALORACIÓ 

Els criteris d'admissió seran establits per la comissió acadèmica de cada màster, regulada en l'article 20 de la Normativa sobre títols oficials de Màster Universitari de la Universitat d'Alacant (BOUA 20/12/2012). Entre altres, una de les seues funcions serà la de dur a terme la selecció de l'alumnat a efecte de la seua admissió.

La Comissió Acadèmica estarà composta almenys per:

-El Coordinador o Coordinadora del màster universitari, que la presideix.

-Un mínim de tres membres representants del professorat que imparteix docència en el màster universitari, triats entre i pel professorat del màster universitari, procurant que estiguen representats els departaments que intervenen en el pla d'estudis.

-1 representant del centre proponent.

-1 representant de l'alumnat, que serà elegit cada any entre i per l'alumnat del màster universitari.

-1 representant de les empreses i/o institucions quan es contemplen pràctiques externes. Serà proposat pel Coordinador o Coordinadora del màster universitari, sentides les empreses i/o institucions.

-1 membre del PAS per a qüestions relacionades amb la gestió administrativa del màster universitari.

El perfil d'ingrés recomanat per a cursar el Màster Universitari en Ciència de Dades per la Universitat d'Alacant és el de titulats/as (graduat/ a, llicenciat/a, enginyer/a) amb competències bàsiques en matemàtiques, estadística i fonaments de programació.

Els perfils més adequats corresponen als següents titulats/as de Grau (o afí) així com superior (antics llicenciats): Enginyeria Informàtica, Enginyeria Multimèdia, Matemàtiques.

Els criteris de selecció en els quals es basarà la Comissió Acadèmica de Màster seran:

1. L'admissió serà directa en els següents casos:

-Els qui estiguen en possessió del títol de Grau en Enginyeria Informàtica.

-Els qui estiguen en possessió del títol de Grau en Enginyeria Multimèdia.

-Els qui estiguen en possessió del títol de Grau en Matemàtiques.

-Els qui estiguen en possessió d'un títol d'Enginyer/Llicenciat en Informàtica o Matemàtiques corresponent a anteriors ordenacions dels ensenyaments universitaris.

2. Per a totes aquelles persones que complisquen amb el criteri anterior es procedirà a considerar la mitjana de l'expedient acadèmic amb la finalitat d'establir un ordre de les sol·licituds. En cas d'existir un nombre major de sol·licituds que de places, s'utilitzarà la citada ordenació.

Per als qui acrediten una titulació diferent a les relacionades anteriorment, correspondrà a la Comissió Acadèmica del Màster valorar la seua acceptació en funció del perfil acadèmic i/o professional del candidat, garantint sempre que l'alumnat té les competències mínimes necessàries de Matemàtiques i Programació per a poder cursar les assignatures del màster.

 



 

PREINSCRIPCIÓ I MATRÍCULA

 

PREINSCRIPCIÓ +info

L'alumne interessat a cursar un màster oficial en la UA, haurà de fer una preinscripció en els terminis i condicions que s'establisquen anualment.

 

MATRÍCULA +info

Després de la publicació de les llistes definitives d'admesos s'enviarà per correu electrònic als alumnes admesos una contrasenya que servirà d'identificació d'usuari per a poder-se matricular a través de Campus Virtual en els terminis i condicions que s'establisquen anualment. 

En el procediment de matrícula, els documents expedits a l’estranger hauran de ser oficials i estar degudament legalitzats i traduïts. Més informació:


OFERTA DE PLACES

 

CURS OFERTA DE PLACES
2020-21 20
2021-22 20

 

Se prevé que el inicio de la implantación del nuevo plan de estudios de Máster en Data
Science y Big Data Ciencia de Datos por la Universidad de Alicante pueda realizarse en
el curso 2020/2021.
CRONOGRAMA
Curso académico Implantación del máster en Data Science y Big Data
Ciencia de Datos

CRONOGRAMA D'IMPLANTACIÓ

Curs acadèmic  Implantació del màster en Ciència de Dades
2020-2021 1r curs

 

 

 

Sistema de Garantia Interna de Qualitat (SGIC) del Títol

Seguiment del Títol

 

Informació del Centre Informació general per a l'alumne
  •  Escola Politècnica Superior
Campus de Sant Vicent del Raspeig
Ctra. d'Alacant s/n 03690
San Vicent del Raspeig (Alacant)
Telèfon:+ 34 96 590
3648
Fax:+ 34 96 590 3644
eps@ua.es
http://www.eps.ua.es 

 

  • Centre de Formació Contínua (ContinUA)
Solament per al procés de preinscripció
Edifici Germà Bernàcer, planta baixa
Telèfon: + 34 96 590 9422
Fax: + 34 96 590 9442

continua@ua.es

http://web.ua.es/va/continua
 

 

Normativa general de la UA  + Informació titulació
  • BOE de publicació del pla d'estudis 
  • Web pròpia
  • Fullet informatiu
  • Dades del títol en el RUCT

 

Saltar pie
Servicio de informática
Saltar estándares