Innovación Digital
Maestría en Ciencia de Datos
Crea valor para la organización a través del manejo estratégico de la información en un entorno empresarial cada vez más competitivo, cambiante y dependiendo de los datos.
![](https://posgrado.ucontinental.edu.pe/epguc/wp-content/uploads/2023/09/banner-icono_uc-iniciodeclases.png)
Inicio
Convocatoria 2024
Convocatoria 2024
![](https://posgrado.ucontinental.edu.pe/epguc/wp-content/uploads/2023/09/banner-icono_uc-modalidad-distancia-virt.png)
Modalidad
A distancia
A distancia
![](https://posgrado.ucontinental.edu.pe/epguc/wp-content/uploads/2023/09/banner-icono_uc-modalidad-horas.png)
Duración
832 horas académicas
832 horas académicas
Solicita más información
Acerca de la maestría
Las empresas recopilan grandes cantidades de información sobre sus clientes, operaciones y desempeño financiero, entre otros, y necesitan profesionales que las guíen sobre cómo manejar y obtener valor a partir de estos datos obtenidos y, de esta manera, tomar mejores decisiones y optimizar sus resultados. Los especialistas en ciencia de datos no solamente cumplen roles técnicos sino también funciones relacionadas a la estrategia de negocios, lo que les permite desempeñarse en distintas áreas funcionales y en diferentes industrias productivas de alta demanda en la actualidad.
Nuestra Maestría en Ciencia de Datos brindará, a los participantes, las habilidades necesarias y el conocimiento para recolectar, analizar y hacer descubrimientos relevantes a partir de grandes conjuntos de datos. El estudiante conocerá las principales tendencias en la industria y las herramientas de software y lenguaje de amplia adopción actual en las ciencias de datos. Podrá contribuir a la transformación digital de las empresas u organizaciones y la creación de valor y conocimiento a través del manejo estratégico de la información en un entorno empresarial cada vez más competitivo, cambiante y, sobre todo, dependiente de los datos.
Ventajas diferenciales
Perfil del estudiante
Profesionales de áreas relacionadas a ingeniería, matemática o estadística con conocimientos de estadística y programación básica.
Profesionales, de puestos técnicos o de negocios, con experiencia certificada en el manejo básico de datos para la toma de decisiones.
Grado académico
Luego de aprobar todos los cursos y de la sustentación de tu tesis, recibirás el grado de maestro en Ciencia de Datos a nombre de la Escuela de Posgrado de la Universidad Continental.
“Maestro en Ciencia de Datos”
![certificate](https://posgrado.ucontinental.edu.pe/epguc/wp-content/uploads/2023/09/certificacion-innovacion-digital-mcd.jpg)
(Imagen referencial que no representa la certificación que se obtendrá al culminar los estudios.)
Certificación progresiva
Diplomado de Especialización en Análisis y Visualización de Datos (por 26 créditos y 464 horas académicas).
Docentes nacionales
*La programación de docentes por asignatura se encuentra sujeta a variación según su disponibilidad, asegurando el nivel equivalente del especialista. El perfil del docente se mantiene y corresponderá al nivel requerido para garantizar la calidad educativa.
Docentes internacionales
*La programación de docentes por asignatura se encuentra sujeta a variación según su disponibilidad, asegurando el nivel equivalente del especialista. El perfil del docente se mantiene y corresponderá al nivel requerido para garantizar la calidad educativa.
Plan de estudios
La maestría se divide en 4 ciclos académicos:
Fundamentos de ciencias de datos
- Formulación de problemas, adquisición, modelado, análisis y presentación de datos como parte de un proyecto de ciencia de datos.
- ¿Qué hacen los científicos de datos?
- Entrevistas con científicos de datos y estudio de casos reales.
Programación para ciencias de datos
- Conceptos básicos de programación en los lenguajes Python y R, actualmente son los más adoptados en la industria.
- Técnicas que incluyen estructuras de datos (vectores, matrices, listas, entre otras), operaciones, conceptos básicos y comunes (indexación, vectorización, división, entre otras), estructuras de control y funciones.
- Operaciones de cadenas y técnicas de manipulación de datos.
Introducción a los modelos estadísticos
- Conceptos, teorías y técnicas fundamentales de análisis estadístico para la ciencia de datos.
- Estadística descriptiva y probabilidad.
- Fundamentos de operaciones más avanzadas.
Fundamentos de estrategia de negocios para ciencias de datos
- Contabilidad financiera y gerencial.
- Técnicas de análisis financiero para la toma de decisiones.
- Marketing.
- Estrategia empresarial.
Gestión de datos y bases de datos con SQL
- Conceptos básicos y técnicas utilizadas para organizar, limpiar y administrar datos dentro y entre conjuntos de datos dispares.
- Diseño de bases de datos y el uso de bases de datos en aplicaciones de ciencia de datos con énfasis en SQL.
- Temas adicionales: control de versiones y Git.
Limpieza y manipulación de datos
- Principales técnicas de manipulación y limpieza de datos utilizando la popular biblioteca de ciencia de datos llamada Pandas, que es parte principal del lenguaje Python.
- Estructuras de datos básicas para el análisis de datos.
- Uso de funciones como agrupar y fusionar estructuras de datos.
Analítica y minería de datos
- Análisis de patrones frecuentes.
- Clasificación, agrupación y análisis de valores atípicos. haciendo uso del lenguaje R.
- Los métodos en la minería de datos.
- Aspectos computacionales de la implementación de algoritmos eficientes para manejar conjuntos de datos a gran escala.
- Técnicas de minería de datos.
- Aprendizaje automático y procesamiento de señales.
Introducción a la visualización de datos
- Mejores prácticas en visualización de datos.
- Tendencias clave en la industria y cómo convertirse en grandes narradores con datos.
- Representaciones visuales de datos a través de sistemas interactivos.
- Construcción de visualizaciones efectivas a partir de los datos.
- Uso de los principales softwares de la industria: Power BI, Tableau y Google Data Studio.
Fundamentos de machine learning
- ¿Qué es el aprendizaje automático, por qué lo utilizamos y para qué es apropiado?
- Uso del lenguaje R y las principales librerías de la especialidad.
- Aprendizaje supervisado y no supervisado.
- Principales algoritmos como k-nearest neighbors, support vector machines, decision trees y principal component análisis, entre otros.
- Técnicas de regresión lineal y no lineal.
Fundamentos de big data analytics
- Análisis y manejo de grandes conjuntos de datos estructurados y no estructurados usando medios no tradicionales.
- Teoría y aplicación de las estrategias para manipulación de conjuntos de datos distribuidos de manera eficiente.
- Uso de herramientas de analítica de datos en la nube para manipular de manera eficiente y realizar descubrimientos en conjuntos de datos de gran tamaño.
Técnicas avanzadas de machine learning
- Conceptos avanzados para la creación de modelos de machine learning.
- Redes neuronales y deep learning.
- Selección y ajuste de modelos.
Métodos de optimización para ciencias de datos
- Conceptos básicos de optimización.
- Optimización lineal con métodos de solución como simplex y el análisis de sensibilidad con aplicaciones para transporte, optimización de red y asignación de tareas.
- Optimización no lineal restringida y sin restricciones.
- Métodos de solución que utilizan herramientas como MatLab o Excel.
Seminario de investigación I
- Propuesta del proyecto de tesis y su aprobación considerando criterios como título de la investigación, situación problemática, definición del problema, objetivos de la investigación y justificación e importancia del proyecto.
Seminario de investigación II
- Marco teórico para la investigación y definición de la metodología a utilizar para lograr cada objetivo propuesto.
Seminario de investigación III
- Desarrollo del proyecto con técnicas viables, métodos de cálculo, flujogramas, definición de costos, etc.
- Exposición e interpretación de los resultados y conclusiones verificables que se alcanzaron en el logro de los objetivos del proyecto.
Seminario de investigación IV
- Redacción del informe final de la investigación.
Malla curricular
Contacta con nuestra asesora
![contact](https://posgrado.ucontinental.edu.pe/epguc/wp-content/uploads/2023/09/maria-medina.jpg)
Maria Elena Medina Palomino