Introducción a los datos masivos y a la ciencia en abierto
Esta parte tiene como objetivo proporcionar al estudiante una visión de global de lo que se conoce como Data Science, (o Ciencia de Datos), de los problemas de Big Data, y del contexto de Open Science (o Ciencia Abierta).
Métodos en Ciencia de Datos
Esta parte introduce los métodos estadísticos básicos para describir, presentar y analizar datos, junto con los principios para aplicar técnicas automáticas de modelización y predicción en minería de datos, orientadas al tratamiento de grandes volúmenes de información.
Gestión de datos
Esta parte introduce al estudiante en los modelos de datos y sistemas de información, abarcando su diseño, implementación y explotación. Además, busca que comprenda la importancia de abordar todo el ciclo de vida de los datos, desde su planificación hasta su publicación y reutilización.
Especialización
Inteligencia en Ciencia de Datos
Esta parte proporciona al estudiante una base sólida en técnicas de aprendizaje automático, incluyendo minería de textos y web, con un enfoque crítico y aplicado. Además, busca dotarle de las herramientas necesarias para desarrollar de forma autónoma proyectos de analítica de datos.
Contexto profesional
Seguridad, Privacidad y Aspectos Legales
En esta asignatura el estudiante conocerá los mecanismos básicos para proporcionar un acceso seguro a los recursos en la red, cómo tener en cuenta la debida protección de datos personales, y las condiciones de explotación de datos y software mediante licencias.
Nuevos desarrollos en Ciencia de Datos
Esta asignatura tiene como objetivo proporcionar al estudiante una visión de los nuevos desarrollos, tendencias e iniciativas en Data Science en relación a su aplicación en Open Science.
Orientación profesional
Prácticas en empresas
Esta asignatura tiene como objetivo proporcionar al estudiante un contacto y experiencia directa con el contexto profesional, y en lo posible explorar una futura opción profesional.
Laboratorios de datos
Esta materia tiene como objetivo que el estudiante pueda conocer de la mano de expertos en las distintas áreas de conocimiento (física, medioambiente, biodiversidad, economía, redes sociales, etc.) las técnicas y conjuntos de datos más relevantes en el entorno Open Science.
Trabajo Fin de Máster
TFM
El estudiante realizará un trabajo avanzado de manera autónoma bajo la supervisión de un profesor del Máster. La temática y orientación de este trabajo dependerá de la especialidad escogida, pero en todos los casos deberá estar relacionada con los contenidos del Máster e implicar un trabajo del estudiante que le permita adquirir las competencias correspondientes.
El TFM debe implicar un trabajo autónomo (CB10) que enseñe al estudiante a aplicar los conocimientos adquiridos (CB7), a realizar valoraciones sobre conocimientos y resultados (CB8), y a transmitir sus resultados (CB9). Además, dado que el trabajo se realizará bajo la supervisión de un tutor, integrándose en una empresa o grupo de investigación, se contribuirá también a adquirir la competencia de trabajo en grupo (CG1) y potencialmente la de iniciar una tesis (CG2). Durante el desarrollo del TFM, el estudiante desarrolla las CG3 a CG8.
Módulo Fundamental
Introducción a los datos masivos y a la ciencia en abierto
Esta parte tiene como objetivo proporcionar al estudiante una visión de global de lo que se conoce como Data Science, (o Ciencia de Datos), de los problemas de Big Data, y del contexto de Open Science (o Ciencia Abierta).
Métodos en Ciencia de Datos
Esta parte introduce los métodos estadísticos básicos para describir, presentar y analizar datos, junto con los principios para aplicar técnicas automáticas de modelización y predicción en minería de datos, orientadas al tratamiento de grandes volúmenes de información.
Gestión de datos
Esta parte introduce al estudiante en los modelos de datos y sistemas de información, abarcando su diseño, implementación y explotación. Además, busca que comprenda la importancia de abordar todo el ciclo de vida de los datos, desde su planificación hasta su publicación y reutilización.
Especialización
Inteligencia en Ciencia de Datos
Esta parte proporciona al estudiante una base sólida en técnicas de aprendizaje automático, incluyendo minería de textos y web, con un enfoque crítico y aplicado. Además, busca dotarle de las herramientas necesarias para desarrollar de forma autónoma proyectos de analítica de datos.
Contexto profesional
Seguridad, Privacidad y Aspectos Legales
En esta asignatura el estudiante conocerá los mecanismos básicos para proporcionar un acceso seguro a los recursos en la red, cómo tener en cuenta la debida protección de datos personales, y las condiciones de explotación de datos y software mediante licencias.
Nuevos desarrollos en Ciencia de Datos
Esta asignatura tiene como objetivo proporcionar al estudiante una visión de los nuevos desarrollos, tendencias e iniciativas en Data Science en relación a su aplicación en Open Science.
Orientación profesional
Prácticas en empresas
Esta asignatura tiene como objetivo proporcionar al estudiante un contacto y experiencia directa con el contexto profesional, y en lo posible explorar una futura opción profesional.
Laboratorios de datos
Esta materia tiene como objetivo que el estudiante pueda conocer de la mano de expertos en las distintas áreas de conocimiento (física, medioambiente, biodiversidad, economía, redes sociales, etc.) las técnicas y conjuntos de datos más relevantes en el entorno Open Science.
Trabajo Fin de Máster
TFM
El estudiante realizará un trabajo avanzado de manera autónoma bajo la supervisión de un profesor del Máster. La temática y orientación de este trabajo dependerá de la especialidad escogida, pero en todos los casos deberá estar relacionada con los contenidos del Máster e implicar un trabajo del estudiante que le permita adquirir las competencias correspondientes.
El TFM debe implicar un trabajo autónomo (CB10) que enseñe al estudiante a aplicar los conocimientos adquiridos (CB7), a realizar valoraciones sobre conocimientos y resultados (CB8), y a transmitir sus resultados (CB9). Además, dado que el trabajo se realizará bajo la supervisión de un tutor, integrándose en una empresa o grupo de investigación, se contribuirá también a adquirir la competencia de trabajo en grupo (CG1) y potencialmente la de iniciar una tesis (CG2). Durante el desarrollo del TFM, el estudiante desarrolla las CG3 a CG8.