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.
Inicio
Convocatoria 2025
Convocatoria 2025
Modalidad
A distancia
A distancia
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
Propuesta académica integral
Maestría que brinda el conocimiento y las herramientas necesarias para la creación de valor a través del manejo estratégico de la información en un entorno cada vez más competitivo, cambiante y dependiente de los datos.
Certificación progresiva
Durante el desarrollo de la maestría el estudiante podrá obtener, además del grado de maestro, el Diplomado de Especialización en Análisis y Visualización de Datos a nombre de la EPG de la Universidad Continental.
Excelencia docente
Especialistas nacionales e internacionales con amplia experiencia a nivel académico y destacada trayectoria profesional, expertos en análisis de datos y optimización de procesos.
Metodología activa y participativa
Que promueve el trabajo colaborativo y la interacción entre los participantes, con asesoramiento permanente durante el desarrollo de la maestría.
Modalidad a distancia
Formación académica del más alto nivel que le permitirá, al participante, estudiar la maestría con clases virtuales en vivo y desde cualquier parte del Perú y del mundo.
Ecosistema digital para el aprendizaje
Recursos y herramientas tecnológicas de vanguardia utilizadas en las mejores universidades del mundo, con acceso a la biblioteca y al aula virtual.
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”
(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
-
Rolando Romero Paredes
Estadístico con 20 años de experiencia profesional participando en equipos del INEI, estudios de mercado y de investigación aplicada. Especialista en métodos estadísticos y en optimización aplicados a la organización. Maestro en Ingeniería Industrial con mención en Operaciones y Logística por la USAT. Maestro en Administración con mención en Gerencia Empresarial por la UNPRG. Licenciado en Estadística por la UNPRG.
-
José Miguel Pazos Loayza
Gerente de Distribución y Operaciones Logísticas en Sodimac Perú. Consultor en retail management y docente en programas de educación ejecutiva. Evaluador de competencias laborales certificado por el Ministerio de Trabajo y Promoción del Empleo. Con 25 años de experiencia en multinacionales del sector retail liderando equipos de ventas, logística y comercio electrónico. MBA por la USIL. Líder certificado en Servicio al Cliente por el Service Quality Institute Latam. Licenciado en Administración por la URP.
-
Danilo Santiago Torres Manrique
Especialista en análisis de la calidad educativa y mercados laborales. Se ha desempeñado como consultor del MINEDU y especialista en investigación en educación superior de la Superintendencia Nacional de Educación Superior Universitaria (SUNEDU). Experiencia en la elaboración de exámenes de selección para los cursos de extensión en regulación del OSIPTEL. Magíster en Economía por la Universidad Alberto Hurtado, Chile. Egresado de la Maestría en Data Science de la Universidad Adolfo Ibáñez, Chile. Economista por la UNAC.
-
José Carlos Machicao Valencia
Gerente fundador de GestioDinámica. Consultor en generación de algoritmos para la gestión compleja. Especialista en aprendizaje computacional, modelamiento de redes neuronales y aprendizaje por refuerzo y procesamiento de lenguaje natural. Miembro de la Association for Advancement of Artificial Intelligence y de la Computational Intelligence Society de la IEEE. Miembro del Colegio de Ingenieros del Perú. Autor de diversas publicaciones académicas y coautor del libro «Complejidad, inteligencia artificial y evolución en la gestión pública» (2018). Certificado como PMP. Máster en Gestión de la Energía por la Universidad de Cardiff, Reino Unido. Especialidad en Inteligencia Artificial aplicada al Cuidado de la Salud por la Escuela de Medicina de la Universidad de Stanford, Estados Unidos. Ingeniero mecánico por la PUCP.
*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
-
Mónica Tatiana Barahona Varón (Colombia)
Docente investigadora en el Área de Economía, Finanzas y Comercio Internacional de la Universidad Jorge Tadeo Lozano de Bogotá, Colombia. Experiencia en la aplicación de la metodología Crisp-DM para la toma de decisiones económicas y financieras, con enfoque en customer analytics. Investigadora en economía del comportamiento y de las decisiones utilizando big data analytics, machine learning y data mining. Fue directora del Programa de Economía de la Universidad de San Buenaventura, Colombia. Magíster en Analítica para la Inteligencia de Negocios por la Pontificia Universidad Javeriana, Colombia. Especialista en Finanzas por la Universidad del Tolima, Colombia. Economista por la Universidad del Tolima, Colombia.
-
Alan Ferrándiz Langley (Estados Unidos)
Cofundador de Core Analitica, empresa de tecnología basada en Florida, Estados Unidos. Experiencia como ingeniero de Inteligencia de Negocios en Socius Insurance Services y como jefe de Desarrollo de Negocios y jefe de Marketing y Nuevos Medios en Laboratorio Clínico Roe. Docente en tecnologías de datos, desarrollo web, gestión de la innovación y comercio electrónico. MBA con mención en Business Intelligence y Big Data por la Universidad Rey Juan Carlos de España. M. Sc. en Gestión de Ingeniería por la Universidad del Sur de la Florida (USF), Estados Unidos. Con certificación Microsoft Certified Solution Expert (MCSE) en Data Management and Analytics.
-
Danna Vanessa Betancourt Martínez (Colombia)
Docente de la Universidad Autónoma del Caribe y la Corporación Universitaria Americana en Barranquilla, Colombia. Ha desarrollado aplicaciones exitosas en el campo del big data y la analítica de datos en el sector educación para la toma de decisiones relacionadas con la apertura de programas académicos y, en el sector logístico, para determinar el comportamiento de la flota de vehículos con el fin de implementar estrategias dirigidas hacia la mejora continua. Se ha desempeñado como diseñadora instruccional de cursos para plataformas de aprendizaje virtual como Edutin Academy. Magíster en Logística Integral por la Universidad Autónoma del Caribe, Colombia. Especialista en Estadística Aplicada por la Universidad del Atlántico, Colombia. Auditora interno en Sistemas Integrados de Gestión HSEQ certificada por ICONTEC. Ingeniera industrial por la Universidad Autónoma del Caribe, Colombia.
-
Erik Maldonado Ascanio (Colombia)
Especialista en análisis de datos, sistemas de información y mejora del proceso de toma de decisiones con 9 años de experiencia en educación superior. Profesor de la Universidad Simón Bolívar, Colombia. Asesor de tesis de la Universidad Internacional de Valencia, España. Ha utilizado diversas herramientas y tecnologías para gestionar proyectos que impulsen mejoras operacionales y estratégicas en diferentes organizaciones. Doctorado en Dirección de Empresas por la Universidad de Valencia, España. Magíster en Ingeniería Industrial por la Universidad del Norte, Colombia. Dominio de lenguajes de programación y software como Excel, VBA, SQL, PowerBI, Python, Visio y Canva. Ingeniero industrial por la Universidad del Norte, Colombia.
-
Kevin Rafael Palomino Pacheco (Colombia)
Experto en optimización y ciencia de datos. Instructor de la Continental University of Florida y de la Universidad del Norte, Colombia. Experiencia en el desarrollo de modelos y algoritmos de optimización para resolver problemas comerciales complejos y mejorar los procesos de toma de decisiones, así como en la aplicación de técnicas estadísticas avanzadas para extraer información procesable de grandes conjuntos de datos e identificar tendencias y patrones. Doctor en Ingeniería Industrial por la Universidad del Norte, Colombia. Conocimientos avanzados en Python, Julia, R, SQL y en herramientas como PowerBi, Dash, Matplotlib, Seaborn, Plotly y GGplot. Ingeniero industrial y matemático por la Universidad del Atlántico, Colombia.
-
Eduar Pérez Rojas (Colombia)
Analista de datos senior en Meridian Consulting. Investigador junior reconocido por el Ministerio de Ciencia, Tecnología e Innovación de Colombia. Especialista en modelos estadísticos, sistemas energéticos, diseño y análisis de experimentos enfocados en la mejora continua de los procesos de recuperación mejorada de petróleo. Candidato a doctor en Ingeniería por la Universidad de Buenos Aires, Argentina. Magíster en Ingeniera Mecánica por la Universidad del Norte, Colombia. Especialista en Automatización Industrial por la Universidad Francisco de Paula Santander, Colombia. Ingeniero mecánico por la UPFS, Colombia.
-
Daniel Romero Rodríguez (Colombia)
Profesor asistente del Departamento de Ingeniería Industrial de la Universidad del Norte, Colombia. Ha desarrollado proyectos de investigación para la construcción de herramientas de ciencia de datos para apoyar la integración económica de migrantes en Colombia, en conjunto con la Universidad de Stanford (proyecto financiado por NAS y USAID). Doctorado en Ingeniería Industrial por la Universidad del Sur de la Florida, Estados Unidos. Magíster en Ingeniería Industrial por la Universidad del Norte, Colombia. Certificado en Logísticas Globales por el Instituto Tecnológico de Massachusetts, Estados Unidos. Ingeniero industrial por la Universidad del Norte, Colombia.
-
Johanna Romero Rodríguez (Colombia)
Profesora de la Universidad Simón Bolívar, Colombia. Experta en análisis de datos, inteligencia artificial y ejecución de proyectos. Experiencia como investigadora para empresas de distintas industrias energéticas y mineras como Gecelca, Cerro Matoso y Promigas. Colaboró con Ecopetrol desarrollando modelos para la toma de decisiones en procesos EOR y realizando análisis estadísticos de datos. Magíster en Ingeniería Mecánica por la Universidad del Norte, Colombia. Ingeniera mecánica por la Universidad del Norte, Colombia.
*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
Maria Elena Medina Palomino