Duración: 23 meses (plazo estimado)
Modalidad:
- A distancia (Virtual en vivo)
Inversión: S/ 45,900
Horarios: Lunes y miercoles 7:30 p.m. a 10:30 p.m.
Requisito base: Contar con Grado Académico de Bachiller registrado ante la SUNEDU
Docentes reconocidos por su experiencia en el diseño e implementación de proyectos de software y la gestión de áreas de Ciencias de Datos en las empresas y consultoras más importantes de la región.
Maestría alineada a los estándares internacionales de la ACM, la primera sociedad científica y educativa en el campo de la Computación en EE.UU.
Malla curricular enfocada en tópicos de vanguardia como Data Mining & Data Analysis, Machine Learning, Probabilistic Garphical Models, entre otros.
Posibilidad que el estudiante participe de sesiones académicas internaciones con la Universidad Politécnica de Cataluña– España, y obtenga una certificación en Big Data Management.
de la Escuela de Postgrado de la UPC consiguieron mejoras profesionales y ascensos laborales.*
*Fuente: Ipsos Perú: empleabilidad postgrado 2024.
Nuestras maestrías están acreditadas por WASC Senior College and University Commission, destacada acreditadora de Estados Unidos.
Los temas que verás en este curso son:
Ciclo de vida del proyecto DSc
Metodologías para Data Science
Analisis comparativo de metodologias
Enfoque ágil en proyectos Data Science
formulación de proyecto siguiendo una metodología Data Science
Los temas que verás en este curso son:
Arboles de decisión.
Reglas de asociación.
Clustering.
Métodos basados en casos.
Visulización de datos.
Métodos y métricas para validación de técnicas de Data Mining.
Los temas que verás en este curso son:
Detección de comunidades con optimización.
Aprendizaje supervisado basado en grafo.
Teoría de información en redes complejas.
Detección de subgrafo frecuente.
Transmisión de información en redes complejas.
Minería web.
Minería de links
Los temas que verás en este curso son:
Modelos contemporáneos de ciudadanía
Estado de Derecho y Derechos Humanos
Principales teorías éticas contemporáneas
Modelo de crecimiento ético personal
Propuestas innovadoras en conflictos éticos
Desarrollo sostenible y responsabilidad social empresarial
Capital social y su impacto en la efectividad organizacional
Los temas que verás en este curso son:
Fundamentos de Ciencias de los Datos, Adquisición, Preparación de Datos Estructurados
Datos Semi estructurados
Datos multidimensionales
Los temas que verás en este curso son:
Paradigma de aprendizaje supervisado y semisupervisado.
Transformación de datos.
Algoritmos Lazy: KNN.
Algoritmos bayesianos.
Arboles de decisión.
Evaluación de clasificadores: validación cruzada, holdout, bootstrap, cruvas ROC.
Los temas que verás en este curso son:
Introducción y redes bayesianas
Modelos de markov, Redes bayesianas dinámicas
Inferencia y selección de variables
Algoritmos de propagación de creencias
Algoritmos de mapeo
Cadena de markov monte carlo
Inferencia en modelos temporales
Aprendizaje para modelos gráficos probabilísticos
Regularización, overfitting y costo
Los temas que verás en este curso son:
Liderazgo del futuro
Autoconciencia - Autoconocimiento
Autocontrol - Autoeficacia
Gestión de las relaciones interpersonales
Gestión de la efectividad de los equipos
Los temas que verás en este curso son:
Contexto empresarial: GERAM, ISO 19439, Arquitectura de negocio, Agile, análisis de mercado
Planeamiento estratégico en la era del Data Science
BPMN, Descomposición funcional, Stakeholders
Plataforma tecnológica, ESB, SOA, Microservicios, IoT
Reglas de negocio, toma de decisiones, evaluación
Gestión de requisitos
Gestión de línea base
Análisis empresarial y métodos de data science
Indicadores de gestión, nivel de madurez
Los temas que verás en este curso son:
Redes Neuronales y Reinforce learning
CNN
RNN
LSTM
Redes autogenerativas
Los temas que verás en este curso son:
Factibilidad de proyectos
Flujos de caja e indicadores de inversión
Evaluación financiera y tasas de descuentoo
Gestión de Riesgos en proyectos de inversión
Toma de decisiones
Los temas que verás en este curso son:
Identificación del Problema y de sus antecedentes
Definición de los objetivos y preguntas de investigación
Revisión de la literatura / estado de la cuestión
Elaboración del marco teórico
Variables, Hipótesis, o proposiciones
Formato APA 7 para citas y referencias bibliográficas
Exposición del documento completo, capítulos 1 y 2
Los temas que verás en este curso son:
Classification of Nodes
Anomaly Detection in Recommendation Networks
Anomaly Detection in Communication Networks
Community Detection
Web Graph
Healthcare Graph
Los temas que verás en este curso son:
Big Data.
Almacenamiento distribuido.
Procesamiento paralelo.
Procesamiento de flujo de datos (Spark-Streaming).
Algoritmos para minería de datos a gran escala.
Algoritmos para machine learning a gran escala.
Los temas que verás en este curso son:
Estadística inferencial y probabilística
Manejo de datos con python
Datos, métricas, distancias, normalización
Técnicas y gráficos de presentación de datos
Data mining y Big Data aplicada
Datos numéricos y no numéricos
Interpretación de resultados
Sistemas de visualización
Los temas que verás en este curso son:
Fines y estrategias de investigación
La estrategia o método y propuesta de valor (cuantitativa, cualitativa, comparativa y mixta)
Población, muestra y muestreo
Técnicas de investigación
Discusión y análisis de resultados y propuesta de valor
Conclusiones que respondan a los objetivos del trabajo de investigación
Exposición del documento completo, capítulos 3, 4 y 5
Presentación del trabajo de investigación o tesis con la aprobación del asesor designado
Siguiendo nuestro principio de actualización constante, la malla curricular está sujeta a modificaciones.
*El estudiante tendrá la posibilidad de matricularse en cursos electivos de una maestría diferente a la suya, sujetos a disponibilidad (en caso de aprobar tres electivos en una misma maestría, recibirá un certificado adicional). En caso estos tengan otro horario y/o campus, el estudiante deberá brindar su conformidad a través de su inscripción, sin perjudicar su asistencia a los cursos obligatorios de su malla académica.La lista de cursos electivos se entregará oportunamente, antes del inicio del semestre académico que corresponda. En caso el estudiante no indique su elección del curso electivo en los plazos establecidos por el área académica, se mantendrá su matrícula en el curso electivo predeterminado para su malla.
**Los alumnos que lleven estos electivos, recibirán al finalizar la maestría el Certificado en Analítica de Datos Empresarial.
***Los alumnos que lleven estos electivos, recibirán al finalizar la maestría el Certificado en Evaluación de Factibilidad y Modelamiento de Proyectos de Data Science.
Los estudiantes que culminen satisfactoriamente los cursos de la maestría, sustenten y aprueben el trabajo de investigación obtendrán:
Grado de Maestro en Data Science, otorgado por la Universidad Peruana de Ciencias Aplicadas (UPC).
Certificado en Analítica de Datos Empresarial, otorgado por la Universidad Peruana de Ciencias Aplicadas (UPC)*
Certificado en Evaluación de Factibilidad y Modelamiento de Proyectos de Data Science, otorgado por la Universidad Peruana de Ciencias Aplicadas (UPC)*
Certificado en Estudios Avanzados en Data Science, otorgado por la Universidad Peruana de Ciencias Aplicadas (UPC)**
Gracias al convenio con la Universidad Politécnica de Cataluña, el estudiante podrá participar en as sesiones académicas dictadas por la Universidad España y obtener:
Certificado en Big Data Management, por la Fundación Politécnica de Cataluña (España).***
*Certificados sujetos al cumplimiento y aprobación de 3 cursos electivos indicados en la malla.
**Este certificado será entregado al finalizar y aprobar los cursos del primer y segundo ciclo de la maestría.
*** La misión académica está incluida en el precio de la maestríae incluye visitas a empresas, sesiones de clases y hospedaje (habitación doble) no está incluido pasaje, cenas, traslados, seguros ni trámites migratorios
- Los certificados adicionales al grado se entregarán de manera digital.
Director de la Maestría en Data Science
Maestro en Administración y Dirección de Proyectos por la Universidad Peruana de Ciencias Aplicadas (UPC). Cuenta con más de 30 años de experiencia docente y actualmente es coordinador de la carrera de Ingeniería de Software en la UPC.
El egresado de la maestría demostrará la capacidad para generar soluciones o aplicaciones computacionalmente eficientes y alineadas a la visión estratégica del negocio. Asimismo, poseerá conocimientos que le permitan realizar propuestas, involucrando nuevos mecanismos del uso y explotación de los datos con visión estratégica, global e innovadora.
La Maestría en Data Science está dirigida a bachilleres como Ingeniería, Computación, Estadística, Matemática, Economía y afines, interesados en el desarrollo de modelos predictivos basados en técnicas de inteligencia artificial y modelación estadística para el desarrollo de proyectos de software para Data Science.
Se requiere un grado de bachiller, experiencia en áreas de análisis de datos o TI, y una entrevista de admisión. Es valorado contar con conocimientos en programación y bases estadísticas, que son fundamentales para los contenidos avanzados en ciencia de datos de la maestría.
La maestría se ofrece en modalidad virtual en vivo, lo que permite estudiar desde cualquier lugar y compaginar el aprendizaje con la experiencia profesional. Este formato es ideal para quienes buscan flexibilidad y acceso a clases y materiales desde plataformas digitales.
El programa tiene una duración de 21 meses, permitiendo a los estudiantes una inmersión en temas avanzados de ciencia de datos mientras continúan con sus actividades profesionales. La estructura modular del plan de estudios facilita el equilibrio entre trabajo y estudios.
Al finalizar, obtienes el grado de Maestro en Data Science por la Escuela de Postgrado de la UPC, además de una certificación en Big Data Management por la Fundación Politécnica de Cataluña, que respalda tus conocimientos en ciencia de datos y big data, otorgándote un perfil competitivo.
Desarrollarás competencias en machine learning, big data, y visualización de datos, además de habilidades en programación y análisis predictivo. Estas habilidades son esenciales para manejar grandes volúmenes de información y aplicarlas en la toma de decisiones estratégicas.
El egresado podrá liderar proyectos de data science, diseñar soluciones de análisis predictivo y gestionar estrategias de datos en sectores como tecnología, banca, y salud. Su formación le permitirá enfrentar desafíos complejos de ciencia de datos en organizaciones modernas.
La malla curricular abarca machine learning, big data, visualización, redes complejas y análisis predictivo. Estos temas se combinan para proporcionar un conocimiento integral en ciencia de datos, que incluye técnicas de análisis avanzadas y estrategias de negocio.
Los egresados pueden desempeñarse como científicos de datos, analistas de big data o consultores de inteligencia artificial en sectores con alta demanda de expertos en análisis de datos, como banca, tecnología y consultoría estratégica.