Máster en Ciencia de Datos *
Impulsa tu carrera hacia el futuro y conviértete en un experto en una de las profesiones más demandadas
La ciencia de datos es una disciplina que ha ganado gran relevancia en la última década debido a la enorme cantidad de información que se produce y al valor que esta puede aportar a las empresas y organizaciones. El Máster en Ciencia de Datos que ofrecemos es una excelente opción para aquellos que desean formarse en este área, y estar a la vanguardia en la creación de modelos de aprendizaje basados de datos, y en el análisis y visualización de información. Esta disciplina necesita de profesionales cualificados y actualmente es una de las más demandadas en el mercado laboral.
Nuestro máster se imparte por un equipo de profesores altamente cualificados, con experiencia en la industria y la academia, y que están comprometidos en proporcionar una formación de calidad a nuestros estudiantes. Además, nuestro enfoque en la práctica hace que los estudiantes apliquen lo que aprenden en proyectos reales, permitiéndoles adquirir experiencia en el uso de herramientas y tecnologías de vanguardia en el campo de la inteligencia artificial. Esto les permitirá estar preparados para trabajar en cualquier entorno, desde startups hasta empresas internacionales, en multitud de sectores: finanzas, salud, comercio electrónico, industria automotriz y aeronáutica, manufactura y producción, transporte, logística, seguros, educación, energía, medio ambiente, entretenimiento, construcción, deportes, publicidad, marketing, ciberseguridad e investigación científica y académica.
Este exclusivo programa tiene una clara orientación profesional, y es un complemento idóneo para los profesionales del sector tecnológico: graduados universitarios en Matemáticas, Física e Ingenierías (informática, tecnologías industriales, mecánica, automoción, telecomunicaciones, electrónica industrial y automática, aeroespacial, diseño industrial y desarrollo de producto, bioinformática, biotecnología, biomédica, software, computadores, multimedia).
La Universidad Nebrija organizó por tercer año consecutivo un evento TEDx, que tuvo lugar el 24 de marzo en el Campus de Madrid-Princesa y que se enmarcó en el año del V Centenario de Antonio de Nebrija. Bajo el título Alphas: el algoritmo inexpugnable, TEDxUNebrija reivindicó la validez del humanismo en el mundo actual y reflexiona sobre lo que hay de único en el ser humano como forma de sobrevivir a la expansión de las máquinas.
Perfil del alumno:Los perfiles de ingreso recomendados del Máster son los que se corresponden con los Grados de Matemáticas, Física, Ingeniería informática y otras ingenierías relacionadas. El Máster tiene un marcado carácter transversal, ya que el egresado adquirirá una base sólida necesaria para realizar el análisis de datos avanzado. Por este motivo, el Máster se dirige a profesionales con diferentes titulaciones universitarias previas, o cercanas a las mismas.
Titulación oficial:Máster Universitario en Ciencia de Datos
Centro responsable:Escuela Politécnica Superior
Oferta de plazas: 35 presencial, 50 online
Total Créditos 60 créditos.
Mínimo 12 ECTS y máximo 60 ECTS por matrícula y periodo lectivo
Curso académico en que se implantó: 2023 - 2024
Duración: 1 año. De octubre a junio
Tipo de Enseñanza: Presencial / A distancia
Normativa Académica: Reglamento General del Estudiante. Reconocimiento y transferencia de créditos. Reglamento de participación de los alumnos. Procedimientos comunes para la realización del TFG / TFM
Servicios de la Universidad: [+info]
Calidad del título
Prepárate para liderar la innovación digital
Plan de Estudios
El estudiante debe cursar 60 créditos
Primer Semestre 30 ECTS
De octubre a enero, ambos incluidos- 6 ECTS | Matemáticas aplicadas a ciencia de datos
- 6 ECTS | Análisis exploratorio de datos
- 6 ECTS | Lenguajes de programación para ciencia de datos
- 6 ECTS | Bases de datos
- 6 ECTS | Aprendizaje automático I
Segundo Semestre 30 ECTS
De enero a junio, ambos incluidos- 6 ECTS | Redes neuronales y Aprendizaje profundo
- 6 ECTS | Aprendizaje automático II
- 6 ECTS | Gestión de proyectos
- 6 ECTS | Prácticas
- 6 ECTS | Trabajo fin de máster
Profesores
| Profesores Professors | Porcentaje de Doctores Percentage of PhD holders |
| 7 | 66% |
Javier Sánchez Sierra
Director del Máster en Ciencia de datosProfesor de Gestión de proyectos Director of the Master's Degree in Dta Science
Professor of Project management Doctor Ingeniero Industrial por la Universidad de Navarra. Entre 1996 y 1999 trabaja en mecanizados especiales para automoción y aeronáutica (Widia-Kennametal, Alemania). De 2000 a 2008 es profesor investigador en la Universidad de Navarra, en temas de computación, programación CNC, rapid prototyping, diseño mecánico, modelado 3D y visualización. Su tesis doctoral se centra en el diseño y representación gráfica de estructuras tensadas, tras lo cual realiza un master en Estructuras Tensadas (Archineer) en Dessau, Alemania. Del 2008 al 2011 realiza estancia post-doctoral en la Universidad de Stanford, California (Center for Computer Research in Music and Acoustics) donde colabora en proyectos multidisciplinares relacionados con música, composición, procesado de audio, performances, visualización. Desde 2011 se dedica a la programación de dispositivos móviles como desarrollador freelance, con más de 30 apps en el AppStore. Es co-fundador de varias startups (Xculpture, Lingualia, Luraki, Flits Music). Ha sido profesor asociado en el Berklee College of Music (Campus de Valencia) y en la UPV. Actualmente es director de innovación en Tegus Medical GmbH (Hamburgo, Alemania), plataforma de videoconferencia especializada en asistencia y entrenamiento de intervenciones neurorradiológicas (ictus, aneurismas…).
Alberto Martín Izquierdo
INGProfesor de Matemáticas aplicadas a ciencia de datos ING
Professor of Mathematics applied to data science Grado en Matemáticas y Estadística por la Universidad Complutense de Madrid y Máster en Machine Learning por la University College London, con tesis enfocadas a técnicas bayesianas y procesos de Gauss. Trabaja como científico de datos desde 2016 en banca (ING, BBVA) y otros sectores. Ha desarrollado soluciones industriales de analítica avanzada en entornos big data empleando modelos de detección de anomalías comportamentales sobre grafos, redes neuronales en el análisis y categorización de series temporales, y modelos de regresión para riesgo de crédito, entre otros.
Angel Leon Collado
IntrumProfesor de Análisis exploratorio de datos Intrum
Professor of Exploratory data analysis Licenciado en Ingeniería aeroespacial, aeronáutica y astronáutica por la Universidad Politécnica de Valencia y Doctor en Matemática Aplicada por la Ecole Centrale de Nantes. Ha participado en proyectos y equipos de investigación en las Universidad de Bristol, Universidad de Swansea y en el IMDEA, donde ha realizado más de 10 publicaciones en revistas indexadas y numerosas conferencias internacionales. En su trayectoria profesional, destacar su actividad en el ESI group (Bristol) y su aportación como Data Scientist en Vodafone e Intrum Global Technologies.
Carlos Guerrero Rodríguez
El Corte InglésProfesor de Bases de datos El Corte Inglés
Professor of Databases Doctor en Biofísica, Física de la Materia Condensada y Nanotecnología (UAM). Máster en Ciencias en Nanociencia Molecular y Nanotecnología (UAM). Licenciado en Físicas (UAM). Realiza su actividad investigadora en el CSIC, desarrollando y aplicando metodologías para describir el comportamiento mecanobiológico de células, tejidos y órganos. Ha liderado proyectos de AI en Minsait y Astara. Actualmente trabaja como Lead Data Scientist en El Corte Inglés.
Santiago Gil Begue
ING DirectProfesor de Aprendizaje automático I ING Direct
Professor of Machine Learning I Ingeniero Informático con honores por la Universidad de Zaragoza, Máster en Inteligencia Artificial con honores por la Universidad Politécnica de Madrid, Máster Executive en Leadership Challenges with Data Analytics por la Erasmus University Rotterdam. Entre 2016 y 2017 fue investigador en la Universidad de Zaragoza en temas de visión por computador y técnicas de SLAM. Entre 2017 y 2019 fue investigador en la Universidad Politécnica de Madrid en modelos de clasificación multidimensional probabilísticos, redes Bayesianas, concept-drifting data streams y sus aplicaciones en la Industria 4.0. Desde 2019 es Lead Data Scientist en ING donde desarrolla modelos de riesgo, propensión y sistemas de recomendación. Cuenta con publicaciones en revistas JCR Q1 y conferencias internacionales de alto impacto.
Eduardo Fernandez Carrion
Seguros Santa LuciaProfesor de Aprendizaje automático II Seguros Santa Lucia
Professor of Machine Learning II Doctor en Métodos Estadístico-Matemáticos para el tratamiento computacional de la información (UCM). Licenciado en Matemáticas (UCM) e Ingeniería Informática (URJC). Larga trayectoria en investigación especializada en modelos numéricos en epidemiología matemática. Una trayectoria relevante como Head of AI en la empresa Stratio BD liderando soluciones de ML/AI en entornos Big Data Cloud para numerosos sectores. Actualmente, forma parte del equipo de Analítica Avanzada de Seguros Santalucía desde su comienzo en 2021.
Jose Luis Herrera Conejero
Profesor de Redes Neuronales y aprendizaje profundo
Professor of Neural networks and deep learning
Ingeniero de Telecomunicación por la Universidad Politécnica de Valencia y máster y doctor en Tecnologías y Sistemas de Comunicaciones por la Universidad Politécnica de Madrid, donde comenzó a trabajar en campo del aprendizaje automático aplicado, en un primer momento al campo de la Visión Artificial. Posteriormente estuvo trabajando en proyectos de investigación aplicando técnicas de aprendizaje profundo en imágenes médicas. Los últimos cinco años ha estado trabajando con modelos de aprendizaje automático y aprendizaje profundo en el campo de la banca tanto en datos estructurados como para procesado de lenguaje natural.
