Estructura del plan de estudios:
Tipo de materia |
ECTS |
Obligatorias |
33 |
Optativas |
18 |
Trabajo fin de Máster |
9 |
Total |
60 |
Plan de Estudios:
CÓDIGO |
ASIGNATURA |
SEMESTRE |
CARÁCTER |
ECTS |
MÓDULO |
33464 |
Métodos Avanzados en Estadística |
1 |
Obligatoria |
6 |
I |
33465 |
Computación Numérica |
1 |
Obligatoria |
3 |
I |
33466 |
Optimización |
2 |
Obligatoria |
3 |
I |
33467 |
Teoría de la Información |
1 |
Obligatoria |
3 |
I |
33469 |
Procesamiento de
Información Temporal |
2 |
Obligatoria |
3 |
I |
33471 |
Procesamiento de Datos
a Gran Escala |
1 |
Obligatoria |
3 |
I |
33472 |
Gestión de Datos |
1 |
Obligatoria |
3 |
I |
33473 |
Métodos Avanzados en
Aprendizaje Automático |
1 |
Obligatoria |
6 |
I |
34045 |
Proyecto de
Investigación para
la Ciencia de Datos |
2 |
Obligatoria |
3 |
II |
33479 |
Biodispositivos |
1 |
Optativa |
6 |
III |
33478 |
Neuroinformática |
2 |
Optativa |
6 |
III |
33475 |
Aprendizaje Profundo para Procesamiento de Señales de Audio |
2 |
Optativa |
3 |
III |
33476 |
Aprendizaje Profundo para Procesamiento de Señales de Imagen y Vídeo |
2 |
Optativa |
3 |
III |
33477 |
Aprendizaje Profundo para Procesamiento de Información Biométrica |
2 |
Optativa |
3 |
III |
34046 |
Aprendizaje Profundo para Procesamiento del Lenguaje Natural |
2 |
Optativa |
3 |
III |
34047 |
Aplicaciones de Tecnologías del Lenguaje |
2 |
Optativa |
3 |
III |
34048 |
Sistemas de Recomendación |
2 |
Optativa |
3 |
III |
33468 |
Procesamiento de Señal y Transformadas |
1 |
Optativa |
3 |
III |
33470 |
Procesos Estocásticos |
1 |
Optativa |
3 |
III |
33481 |
Métodos funcionales en aprendizaje automático |
2 |
Optativa |
3 |
III |
33482 |
Aprendizaje por refuerzo |
2 |
Optativa |
3 |
III |
33484 |
Métodos bayesianos |
2 |
Optativa |
3 |
III |
34049 |
Trabajo de Fin de Máster |
3 |
Obligatoria |
9 |
IV |
Programas y Guías docentes de las asignaturas
Información del Plan de Estudios
El plan de estudios conducente a la obtención del título de Máster Universitario en Ciencia de Datos por la Universidad Autónoma de Madrid consta de 60 créditos impartidos en dos semestres.
Las materias se estructuran en tres módulos: tres obligatorios (módulos 1, 2 y 4), y uno en el que se agrupan los contenidos optativos (módulo 3):
Módulo 1. Fundamentos de la Ciencia de Datos [36 ECTS]
Los contenidos de este módulo, de carácter obligatorio, se distribuyen en tres materias:
- [12 ECTS] “Matemáticas para la Ciencia de Datos”
- [12 ECTS] “Procesamiento de Información para la Ciencia de Datos”
- [12 ECTS] “Ciencia de datos”
Módulo 2. Introducción a la Metodología de la Investigación [6 ECTS]
Los contenidos de este módulo, de carácter obligatorio, se imparten en una sola materia:
- [6 ECTS] “Introducción a la Metodología de la Investigación”
Módulo 3. Temas Avanzados en Ciencia de Datos [18 ECTS]
Este módulo agrupa el contenido optativo del máster. Este contenido será cursado en asignaturas de 3 o 6 ECTS. Estas asignaturas versarán sobre temas avanzados en el procesamiento de información y señal, en el aprendizaje automático, y la ciencia de datos, incluyendo nuevos paradigmas relevantes para estos campos. Se abordarán asimismo aplicaciones en biomedicina y otras áreas. Todos ellos son temas en los que se desarrolla la actividad de los grupos de investigación a los que pertenecen los docentes del máster.
De la oferta de asignaturas dentro de este módulo el estudiante elegirá un total de 18 ECTS.
Módulo 4. Trabajo Fin de Máster [12 ECTS]
Este módulo es de carácter obligatorio y consta de una única asignatura de 12 ECTS: el Trabajo Fin de Máster.
El Trabajo de Fin de Máster (TFM) es un trabajo original realizado individualmente por el estudiante bajo la dirección y supervisión de un tutor, preferiblemente doctor o con experiencia y competencia profesional acreditada. Su desarrollo debe involucrar la articulación de los conocimientos, habilidades y destrezas adquiridos a lo largo de su formación en el máster. Adicionalmente debe tener carácter formativo, abordar problemas propios del área profesional correspondiente y servir de preparación para posteriores etapas de formación académica en estudios de doctorado, incorporando componentes de investigación o innovación. El trabajo involucrará la realización de estudios, valoraciones e informes acerca de las tecnologías disponibles, innovaciones y alternativas. Finalmente, debe ser realizado con rigor científico y de manera conforme a los principios éticos.
El trabajo de Investigación puede llevarse a cabo, bien en un grupo de investigación de la EPS-UAM involucrado en la docencia del máster, bien en otros grupos de investigación, tanto de la UAM como de otras universidades y centros de investigación tanto españoles como extranjeros. En el segundo caso, el trabajo será dirigido por un tutor doctor, quién deberá contar con la aprobación de la Comisión de Coordinación del Máster. Asimismo, dicha comisión le asignará, de entre los docentes del máster, un ponente académico.
También se contempla la posibilidad de que el estudiante realice su TFM en una empresa, siempre y cuando se acredite que el trabajo a realizar tiene una componente de innovación o investigación acorde con los objetivos del máster. En este caso, el estudiante deberá contar con un tutor empresarial y tener asignado un ponente académico, elegido de entre los docentes del máster. Las tareas de aprobación del primero y designación del segundo corresponden a la Comisión de Coordinación del Máster. El tutor empresarial será un profesional con experiencia y competencia acreditada en el área de Ciencia de Datos. Es responsable de establecer el programa de trabajo, el cual necesariamente deberá tener un componente formativo acorde con los objetivos del máster, y realizar un seguimiento del trabajo del estudiante. La labor del ponente académico es verificar que las actividades a realizar involucran la aplicación de los conocimientos y competencias asociados al título, y que el proyecto cumple los requisitos académicos y formativos correspondientes a un Trabajo de Fin de Máster.
En todos los casos, en coordinación con la Oficina de Prácticas de la Escuela Politécnica Superior de la Universidad Autónoma de Madrid (EPS-UAM), se establecerán los convenios pertinentes que hagan posible la formación externa de los estudiantes con suficientes garantías de calidad.
Los estudiantes pueden elegir cursar hasta un máximo de 9 ECTS en otros Másteres oficiales impartidos en la UAM, con el acuerdo del tutor y el visto bueno de la Comisión de Coordinación del Máster. Asimismo, de acuerdo a la Normativa de reconocimiento de créditos, la Comisión de Coordinación establecerá la pertinencia de realizar las correspondientes convalidaciones para asignaturas cursadas fuera de la UAM.
Módulos:
- Módulo I “Fundamentos de la Ciencia de Datos”
- Módulo II “Introducción a la Metodología de la Investigación”
- Módulo III “Temas Avanzados en Ciencia de Datos”
- Módulo IV Trabajo Fin de Máster
Avisos
Según los acuerdos de la Comisión de Estudios de Posgrado de la UAM, aquellas asignaturas optativas que tengan menos de cinco estudiantes matriculados, podrán no impartirse. Se avisará a los estudiantes afectados para su reubicación y matrícula en otras asignaturas.
La oferta de asignaturas optativas podría sufrir pequeñas modificaciones antes del comienzo de las clases por razones de ajustes en la ordenación docente del Máster, en cuyo caso, se anunciarían adecuadamente.