Maestría en Sistemas de Información con mención en Data Science
100% OnLine
- Duración 12 meses
Programa avalado por la SENESCYT
Resolución de aprobación CES:RPC-SO-01-No.025-2021
Para ingresar a la maestría, es requisito indispensable poseer un título profesional de tercer nivel registrado o en trámite en la Senescyt.
Estudia a tu ritmo
¿Cuál es el siguiente paso en tu carrera?
Afrontar nuevos retos profesionales que permitan transformar el entorno en el que vivimos exige una sólida formación. Una formación innovadora y de calidad, como es la Maestría en Sistemas de Información, mención Data Science de Universidad de Los Hemisferios-IMF Global University.
Un programa de cuarto nivel que dota al profesional de los conocimientos, competencias y herramientas precisas para manejar, analizar e interpretar grandes volúmenes de información necesarios para alcanzar los objetivos de negocio, profesionales especializados que combinen la capacidad analítica y la visión estrategia.
Junto a los perfiles técnicos o estadísticos, el diseño y contenido de esta maestría permite que los gestores y otros profesionales de la organización, puedan identificar, capturar, transformar, analizar e interpretar los datos e impulsar la estrategia, la innovación y el valor de sus empresas.
Salidas profesionales
Al finalizar la maestría estarás preparado para trabajar en:
Los graduados en la Maestría podrán asumir funciones y tareas relacionadas con el análisis de datos, pudiendo desarrollar diferentes perfiles profesionales, como:
- Científico de datos
- Analista de datos
- Analista de negocio
- Experto en inteligencia de negocio
En el caso de aquellos perfiles con experiencia previa en dirección y gestión de equipos, el programa les capacitará en aspectos técnicos para el desempeño de roles relacionados con la gestión y dirección de proyectos basados en datos. Por ejemplo:
- Analytics Project Manager
- Business Analytics Manager
- Business Intelligence Manager
- Chief Data Officer
Alcanza tus metas profesionales:
Título
- Magíster en Sistemas de Información, mención Data Science. Título de cuarto nivel registrado en el CES y reconocido por SENESCYT.
Homologados
- Máster profesional en Data Science y Business Analytics por IMF Smart Education de España.
Conocimientos
Múltiples habilidades que te abrirán puertas.
La Maestría en Sistemas de Información, mención Data Science, brinda al gestor del negocio o profesional técnico la posibilidad de:
- Extraer, procesar y analizar todo tipo de fuentes de información aplicando las técnicas de la ciencia de datos y las principales herramientas utilizadas actualmente en las empresas.
- Dominar las técnicas de la inteligencia de negocio tradicional y ampliarlas con las nuevas posibilidades ofrecidas por el big data y la inteligencia artificial.
- Detectar causas, patrones y tendencias mediante analítica predictiva basada en técnicas de machine learning.
- Diseñar experimentos y tests A/B para comprobar hipótesis y tomar decisiones basadas en datos.
- Generar informes y cuadros de mando efectivos.
- Gestionar proyectos basados en big data y ciencia de datos manteniendo una interlocución adecuada con todos los perfiles del equipo.
- Elaborar propuestas así como impulsar y liderar iniciativas basadas en analítica avanzada en distintas áreas de negocio.
- Entender, crear y desarrollar nuevos modelos de negocio basados en el valor del dato.
- Gestionar adecuadamente el gobierno del dato con objeto de garantizar la calidad y aplicar correctamente los diferentes requisitos regulatorios (RGPD) y éticos.
- Adquirir visión y experiencia de los principales campos de aplicación y casos de uso que se están abordando en diversas áreas como marketing y CRM, banca y finanzas, operaciones, internet de las cosas (IoT), people analytics, etc.
Ventajas de la Metodología en línea
La metodología 100% en línea, permitiendo interacciones en tiempo real entre docentes y estudiantes.
A través del Campus Virtual el alumno accede de forma sencilla, amigable e intuitiva, a todos los recursos y contenidos necesarios para alcanzar el desarrollo de las competencias y destrezas necesarias. Recursos didácticos que por su diseño optimizan el tiempo y así permiten alcanzar una experiencia de aprendizaje eficaz.
Siguiendo el diseño y la secuencia didáctica el alumno determina la carga y ritmo de trabajo, pudiendo en todo momento a través de la plataforma solicitar la guía y apoyo de los profesores y tutores.
El modelo se completa con tutorías, clases y experiencias prácticas virtuales en tiempo real, interaccionando el alumno con el profesor para desarrollar o profundizar aspectos prácticos y relevantes del contenido de la materia.
La maestría organiza las once materias de las que se compone, en dos periodos académicos ordinarios de 18 semanas de duración, por lo que el alumno dispone de cinco semanas para alcanzar los objetivos de aprendizaje de cada materia.
* Clases sincrónicas 3 días a la semana, todas las semanas.
Contenidos del programa:
- Fundamentos de Python.
- Librerías para ciencia de datos: Numpy, Pandas, etc.
- Procesamiento de datos y visualización con Python.
- Fundamentos de R.
- Paquetes de R.
- Procesamiento de datos y visualización con R.
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
- Introducción al mundo big data
- Inteligencia de negocio vs. big data.
- Tecnologías big data.
- Impacto sobre la organización.
- El valor del dato y aplicaciones por sectores.
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
- El ciclo de vida del dato.
- Calidad del dato.
- Preparación y preproceso de datos.
- Modelos analíticos.
- Herramientas y técnicas de visualización.
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
- Introducción a la inteligencia de negocio.
- Diseño de bases de datos.
- Estándar SQL.
- El almacén de datos (Data Warehouse).
- Herramientas y procesos de extracción, transformación y carga (ETL).
- Visualización efectiva de información.
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
- Diseño e implementación de proyectos con componentes de investigación aplicada y/o de desarrollo.
- Diseño y redacción de artículos profesionales de alto nivel.
- Análisis de modelos prácticos para el desarrollo del examen de carácter complexivo.
Aprendizaje con el docente: 44
Aprendizaje práctico: 8
Aprendizaje autónomo: 188
- Hadoop y su ecosistema.
- Spark. Fundamentos y aplicaciones.
- Bases de datos NoSQL.
- Plataforma Cloud.
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
- Introducción a la estadística.
- Probabilidad y muestreo.
- Inferencia.
- Regresión.
- Diseño de experimentos.
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
- Herramientas para machine learning.
- Técnicas y aplicaciones del aprendizaje supervisado.
- Técnicas y aplicaciones del aprendizaje no supervisado.
- Modalidades y técnicas de deep learning.
- Soluciones en la nube para machine learning
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
- Introducción a la inteligencia artificial.
- Técnicas y aplicaciones para la toma de decisiones.
- Aprendizaje por refuerzo y aplicaciones.
- Técnicas y aplicaciones del procesamiento del lenguaje natural (NLP).
- Sistemas de recomendación y aplicaciones.
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
- Estándares de gestión de proyectos.
- Gestión ágil de proyectos.
- Aspectos regulatorios y éticos.
- Gobierno del dato
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
- Visión humanista para la gestión técnica y ética profesional.
- Ética del servicio público frente a los riesgos de arbitrariedad y abuso del poder.
- Responsabilidad ética frente al cuidado medioambiental y otros problemas globales.
- Alcance de la responsabilidad del profesional.
Aprendizaje con el docente: 24
Aprendizaje práctico: 2
Aprendizaje autónomo: 94
Malla Curricular
Perfil de Egreso
En el contexto de la formación en Ciencia de Datos y Gestión de la Calidad, se requieren diversas competencias para el futuro desempeño profesional. Estas competencias incluyen desarrollar la capacidad propositiva para ofrecer soluciones a problemáticas sociales desde la perspectiva de la disciplina, aplicar herramientas de investigación cuantitativa y cualitativa para actividades de consultoría y auditoría en sistemas de calidad y modelos de excelencia, emplear metodologías y herramientas para la realización de planes en áreas de marketing y CRM, aprovechando al máximo las habilidades y conocimientos, conocer los fundamentos de la evaluación de sistemas integrados de calidad, e integrar los conocimientos y la experiencia laboral en el desarrollo de proyectos de investigación.
En cuanto al manejo de métodos y metodologías profesionales, se garantizan habilidades como desarrollar argumentos lógicos y fundamentados sobre la realidad, desempeñarse en el análisis y gestión de datos e información en el sector público o privado, trabajar en ciencia de datos y inteligencia de negocio, aplicando soluciones y tecnologías relevantes, y ejercer roles como Chief Data Officer, arquitecto big data y data engineer.
En cuanto a la contribución al mejoramiento social, económico y ambiental, se espera que los profesionales integren conocimientos prácticos y teóricos con los sistemas de gestión de su organización, elaboren procesos de desarrollo social aplicando responsabilidad social, apoyen el cumplimiento del triple resultado (economía, sociedad y ambiente), y elaboren memorias de sostenibilidad para evaluar el desempeño ambiental.
