Máster en Data Science e IA

[4 ECTS]. En un mundo donde los datos son el motor de la toma de decisiones, entender su ecosistema es imprescindible. Esta asignatura te ofrece una visión integral del entorno digital: desde la tecnología, el Big Data, la analítica web y la experiencia de usuario, hasta los aspectos legales y el comportamiento del consumidor. Con un enfoque práctico y estratégico, aprenderás a interpretar el dato como ventaja competitiva y a conectar tecnología, marketing y cliente para impulsar cualquier proyecto digital

[3 ECTS] orientada a que aprendas a programar con solvencia desde la base y a resolver problemas reales con código limpio y reutilizable. Dominarás la sintaxis esencial, estructuras de datos, funciones, control de flujo, manejo de archivos y buenas prácticas, además de introducirte en el trabajo con librerías habituales para análisis y automatización. A través de ejercicios y casos prácticos, desarrollarás scripts y pequeñas aplicaciones que podrás aplicar de inmediato en proyectos de datos, negocio y tecnología.

[2 ECTS] Dominarás el estándar de consulta más utilizado para trabajar con datos en empresa. Aprenderás a diseñar consultas eficientes con SELECT, filtros, agregaciones, JOINs, subconsultas y funciones, además de buenas prácticas para optimizar rendimiento y asegurar la calidad de la información. Con ejercicios prácticos sobre casos reales, serás capaz de extraer, cruzar y preparar datos para análisis, reporting y dashboards, aportando respuestas claras y accionables al negocio.

[1 ECTS] orientada a que aprendas a trabajar con datos a escala en la nube de forma rápida y eficiente. Conocerás los conceptos clave de BigQuery (datasets, tablas, particionado, clustering y costes), y aplicarás SQL en un entorno cloud para consultar grandes volúmenes, optimizar rendimiento y preparar datos para analítica y visualización. Al finalizar, sabrás montar un flujo básico de explotación de datos en BigQuery listo para reporting y proyectos de analítica digital.

[1 ECTS]. La estadística es la base de toda analítica de datos. En esta asignatura aprenderás a interpretar, modelar y extraer conclusiones con rigor científico, aplicando técnicas como regresión, probabilidad, inferencia y contrastes de hipótesis. Con un enfoque práctico orientado al negocio, descubrirás cómo la estadística se conecta con el Machine Learning, el Big Data y la Ciencia de Datos para convertirte en un profesional capaz de transformar la información en decisiones estratégicas.

[3 ECTS] Asignatura de Visualización de Datos y Data Storytelling enfocada a transformar información compleja en historias claras y decisiones rápidas. Aprenderás a diseñar dashboards y reports orientados a negocio: elección de KPIs, jerarquía visual, buenas prácticas de gráficos, diseño para dirección y equipos operativos, y construcción de narrativas con contexto y recomendaciones. Trabajarás con Looker y Power BI para crear cuadros de mando interactivos, optimizar el modelado y la experiencia de usuario, y presentar resultados de forma convincente y accionable.

[3 ECTS] Matemáticas Avanzadas para Ciencia de Datos orientada a dominar los fundamentos cuantitativos que sostienen los modelos y la toma de decisiones basada en datos. Profundizarás en probabilidad, inferencia (estimación e hipótesis), regresión y modelos lineales/generalizados, análisis multivariante, muestreo y validación, además de técnicas para controlar sesgos, ruido y sobreajuste. A través de casos prácticos, aprenderás a interpretar resultados con rigor, cuantificar incertidumbre y convertir análisis estadísticos en conclusiones fiables para negocio y proyectos de machine learning.

[12 ECTS] Aprendizaje Automático (Machine Learning & Deep Learning) orientada a que aprendas a construir modelos predictivos y de clasificación con un enfoque práctico y aplicado. Trabajarás el ciclo completo: preparación de datos, selección de variables, entrenamiento, validación, métricas, ajuste de hiperparámetros y control de overfitting. Verás los algoritmos clave de machine learning (regresión, árboles, ensembles, clustering) y una introducción sólida a deep learning con redes neuronales (perceptrón multicapa, optimización, regularización y arquitecturas básicas). Al finalizar, podrás elegir el modelo adecuado, justificarlo y llevarlo a casos reales con resultados medibles.

[3 ECTS] Enfocada a identificar oportunidades reales de alto impacto y convertirlas en soluciones basadas en datos e inteligencia artificial. Aprenderás a detectar casos de uso, evaluar viabilidad (dato disponible, coste, riesgo y retorno), diseñar experimentos y prototipos, y elegir enfoques de IA (predictiva, prescriptiva y generativa) según el problema. Trabajarás marcos de innovación, ética y gobernanza, y metodologías para llevar proyectos de IA de la idea al piloto y del piloto a producción, alineando tecnología, negocio y valor medible.

[2 ECTS]. Enciende la idea. Del insight al modelo de negocio validado y listo para despegar. ¡Emprendemos!

[4 ECTS]. Comunica. Lidera. Negocia. Habilidades de Desarrollo Directivo para influir, resolver conflictos y lograr resultados medibles.