Máster en Ciencia de Datos y Aprendizaje Automático
- Información académica general
- Acceso
- Admisión
- Matrícula
- Becas, ayudas y premios
- Calendarios académicos
- Reconocimiento de créditos
- Evaluación y calificaciones
- Requisitos de permanencia
- Empleo y Prácticas
- Unidad de Igualdad, Diversidad y Bienestar
- Movilidad internacional
- Movilidad nacional SICUE
- Solicitud del título
- Buzón SQF
Información académica general
- Información académica general
- Acceso
- Admisión
- Matrícula
- Becas, ayudas y premios
- Calendarios académicos
- Reconocimiento de créditos
- Evaluación y calificaciones
- Requisitos de permanencia
- Empleo y Prácticas
- Unidad de Igualdad, Diversidad y Bienestar
- Movilidad internacional
- Movilidad nacional SICUE
- Solicitud del título
- Buzón SQF
Estructura y especialidades
Requisitos para la obtención del título:
- Curso único: 60 créditos.
- Los 60 créditos están distribuidos en 4 tramos de 8 semanas, repartidos en dos semestres.
- En cada tramo se imparten 4 asignaturas, y cada asignatura tiene una duración de 3 ECTS.
- En los tres primeros tramos se cursan las asignaturas obligatorias.
- El cuarto tramo se corresponde con las asignaturas optativas. Existe la posibilidad de realizar prácticas externas curriculares de carácter optativo. La duración de las prácticas será de 225 horas, que equivalen a 9 ECTS. Estos créditos prácticos podrán ser reconocidos por experiencia laboral y profesional acreditada, siempre que dicha experiencia esté relacionada con las competencias inherentes al título.
Es necesario:
- Superar los 36 créditos de las 12 asignaturas obligatorias.
- Superar 12 créditos optativos. Los créditos optativos se pueden obtener entre las asignaturas optativas y las prácticas externas.
- Realizar un Trabajo Fin de Máster (12 créditos), que consiste en la realización de un proyecto, memoria o estudio en el que el estudiante aplique y desarrolle las competencias y conocimientos adquiridos.
TRAMO 1 | TIPO¹ | ECTS |
Métodos de análisis de datos I | OB | 3 |
Programación para la ciencia de datos | OB | 3 |
Almacenamiento y recuperación de datos avanzados I | OB | 3 |
Aprendizaje automático I | OB | 3 |
TRAMO 2 | TIPO¹ | ECTS |
Técnicas para la ciencia de datos | OB | 3 |
Métodos de análisis de datos II | OB | 3 |
Preparación de datos | OB | 3 |
Aprendizaje automático II | OB | 3 |
TRAMO 3 | TIPO¹ | ECTS |
Metodologías para la ciencia de datos | OB | 3 |
Almacenamiento y recuperación de datos avanzados II | OB | 3 |
Inteligencia de negocio | OB | 3 |
Aprendizaje profundo | OB | 3 |
TRAMO 4 | TIPO¹ | ECTS |
Infraestructuras para la ciencia de datos | OPT | 3 |
Metodologías avanzadas de programación para la ciencia de datos | OPT | 3 |
Sistemas de persistencia avanzados | OPT | 3 |
Procesamiento de imágenes digitales | OPT | 3 |
PRÁCTICAS EXTERNAS | TIPO¹ | ECTS |
Prácticas externas | OPT | 9 |
TRABAJO FIN DE MÁSTER | TIPO¹ | ECTS |
Trabajo Fin de Máster | TFM | 12 |
Tipo¹: OB: obligatorias; OP: optatvas; TFM: Trabajo Fin de Máster