El sitio web de la UCLM utiliza cookies propias y de terceros con fines técnicos y de análisis, pero no recaba ni cede datos de carácter personal de los usuarios. Sin embargo, puede haber enlaces a sitios web de terceros, con políticas de cookies distintas a la de la UCLM, que usted podrá aceptar o no cuando acceda a ellos.

Puede obtener más información en la Política de cookies. Aceptar

Rama de Ciencias Sociales y Jurídicas

Experto en Modeling & Data Mining (con R software)

Ciencias Sociales y Juridicas
Icono del Area del estudio
Creditos

27 Créditos totales

27 Créditos obligatorios

Créditos optativos

Número de plazas
50
Lugares de impartición

Facultad de Ciencias Jurídicas y Sociales (Toledo)

Responsables del título
Gema Fernández-Avilés Calderón (Directora)
Román Mínguez Salido (Secretario)
Modalidad

Online

Precios

27 ECTS x 33,33 €/ECTS = 900 €

Composición

Modular

Información General

El término Data scientist (Científico de datos) ha sido siempre muy controvertido. Fue acuñado por William Cleveland en 2001 para abogar por el uso práctico de las estadísticas en otros campos técnicos y creía que el uso justificaba un nuevo nombre. Un científico de datos es un profesional dedicado a analizar e interpretar grandes bases de datos. O lo que es lo mismo, uno de los profesionales más importantes en cualquier empresa hoy en día. ¿Cómo es posible que algo tan abundante sea tan valioso?

Acumular datos es algo trivial, lo complejo es procesarlos, analizarlos y obtener información valiosa de ellos, es decir, ser capaz de generar conocimiento a partir de fuentes de datos dispersas y no estructuradas. Por ello, la figura del analista de datos se está convirtiendo en una de las profesiones más demandadas, mejor remunerada y con mayor proyección profesional en los próximos años.


El presente curso se ha diseñado con el propósito de capacitar y formar profesionales de amplio espectro para, posteriormente, dar respuesta a esta gran demanda de la sociedad. Es decir, el científico de datos se configura como una necesidad ineludible en campos tan diversos tales como economía, finanzas, marketing analítico, biotecnología, bioinformática, genómica, epidemiología, ingenierías, ciencias físicas, ciencias químicas, ambientales, así como en cualquier ámbito en el que se necesite generar sistemas de apoyo a la decisión fundamentados en la explotación y el conocimiento de distintas fuentes de datos.


En todos los ámbitos empresariales, científicos e ingenieriles se establecen equipos interdisciplinares en los que la figura del analista de datos es nuclear, por lo que es necesaria la formación actualizada en este campo para poder afrontar una carrera profesional con amplia proyección.


 

El plan de estudios está diseñado para proporcionar al alumno una sólida formación para el desempeño de la actividad profesional relacionada con la Ciencia y la Analítica de Datos, dentro del proceso complejo que supone la transformación de datos no estructurados en conocimiento susceptible de ser explotado desde un punto de vista económico, empresarial, científico, ingenieril o cualquier otro campo interesado.

 Para lograr ese objetivo se desarrollarán las siguientes competencias:

  • Identificar correctamente el tipo de problema estadístico correspondiente a unos objetivos y unos datos determinados, así como las metodologías más adecuadas a aplicar a dichos objetivos y datos.

  • Conocer y utilizar las técnicas y herramientas de visualización de datos, que permiten identificar patrones de forma visual o presentar los resultados de una forma clara y concisa.

  • Analizar y procesar mediante técnicas elementales del Big Data, de la Ciencia de Datos y de la Inteligencia artificial la información disponible.

  • Conocer las competencias y funciones de un Data Scientist relacionadas con la explotación, análisis y gestión de los datos en una empresa u organización.

  • Desarrollar modelos de análisis de datos y visualizar los resultados, facilitando la interpretación y publicación de los mismos.

  • Integrar los métodos y técnicas de minería de datos en los proyectos empresariales

  • Reconocer los ámbitos de aplicación de las técnicas de Data Science y Business Analitycs en diferentes sectores empresariales y de la sociedad.
 

El programa formativo está dirigido a titulados universitarios de cualquier área de conocimiento que tengan como objetivo aprender y/o profundizar en la Ciencia de Datos, la Inteligencia Artificial y el Business Analytics, utilizando el software estadístico R.

Los estudiantes deberán cursar 27 créditos ECTS y obtendrán el título de Experto en Modeling & Data Mining (con R software).

Los estudiantes que quieran realizar el Máster, deberán cursar los 60 créditos requeridos y obtendrán el título de Máster en Data Science & Business Analytics (con R software) si fueran licenciados, graduados o ingenieros. Pueden consultar en la web del Máster

 

Novedades
Acceso y matrícula

Plazos curso 2022/23

Preinscripción

 Del 01/06/2022 al 15/09/2022

Matrícula

 Del 10/06/2022 al 25/09/2022

Impartición

 Del 19/09/2022 al 31/07/2023



Plazos curso 2021/22

Preinscripción

Del 17/05/2021 al 10/10/2021

Matrícula

Del 10/06/2021 al 20/10/2021

Impartición

Del 04/10/2021 al 20/02/2022




Precio de los Estudios: 27 ECTS x 33,33 €/ECTS = 900 €

Pago Fraccionado:

Plazo de abono del 2º pago: 31/01/2023 al 18/02/2023  

Bonificaciones:

  • Bonificación del 10% para alumnos con discapacidad acreditada igual o superior al 33%.
  • Bonificación del 10% para los alumnos o egresados de la UCLM.
  • Bonificaciones para estudiantes provenientes de otras universidades, asociaciones o empresas con convenio específico para este Máster con la UCLM, hasta los límites estipulados en el convenio en cuestión.
  • Bonificación del 10% para alumnos que se matriculen antes de 31 de julio de 2022.

*Las bonificaciones no son acumulables.

Curso bonificable a través de Fundae

 

 

Requisitos de admisión:

  • estar en posesión de la Licenciatura de Derecho
  • estar en posesión de cualquier título de Grado.

Se valorará el conocimiento del idioma inglés.

Documentación para formalizar la preinscripción:

  • DNI/pasaporte/documento de identidad en vigor
  • Título universitario o resguardo acreditativo de haberlo solicitado.

Instrucciones preinscripción y matrícula

Los alumnos admitidos deberán formalizar su automatrícula, para ello deberán acceder a la página de automatrícula con su usuario y contraseña

Acceder a la MATRÍCULA online

 

Para realizar el abono se podrá utilizar una de las siguientes opciones:

  • Pago por RECIBO BANCARIO, deberán imprimir la carta de pago y presentarla en una de las entidades bancarias colaboradoras (aparecen en la carta de pago) y realizar el abono correspondiente, sólo para pagos realizados en España.
  • Pago con TARJETA BANCARIA.

 

ABONO DEL SEGUNDO PLAZO DE MATRÍCULA

Para el abono del mismo, se deberá acceder en los plazos establecidos, al siguiente enlace: Gestión de recibos online

 

SOLICITUD DE FACTURAS

Todos los alumnos interesados en recibir factura acreditativa del pago de la matrícula deberán solicitarlo a la organización del curso (administrador/a del centro) en el mismo momento de la matriculación, adjuntando la documentación actualizada del IAE del alumno o de la empresa que abona el pago.  Este derecho caducará el día 16 del mes siguiente a la fecha del ingreso del primer plazo.

Plan de estudios
EXPERTO EN MODELING & DATA MINING (CON R SOFTWARE)       
Código
Descripción
ECTS
 

403100

INTRODUCCIÓN A LA CIENCIA DE DATOS

0,5

G

AN

403101

SOFTWARE ESTADÍSTICO R

5

G

AN

403102

ARQUITECTURA DE DATOS Y TECNOLOGÍAS BIG-DATA

4

G

AN

403103

FUNDAMENTOS DE ESTADÍSTICA

3,5

G

AN

403104

MODELIZACIÓN ESTADÍSTICA

7,5

G

AN

403105

DATA MINING BÁSICO

6,5

G

AN

 

Total de Créditos ECTS

27

 

G: Obligatoria O: Optativa PE: Prácticas Externas TFM: Proyecto o Trabajo Fin de Estudios AN: Anual C1: 1º Cuatrimestre C2: 2º Cuatrimestre

 

 

El Curso de experto es de carácter online. Todas las clases teóricas y prácticas, así como las masterclasses, se realizarán de manera online.

Para las clases teóricas y prácticas se facilitarán contenidos online en diversos formatos: video clases asíncronas y material escrito online. Los alumnos tendrán la posibilidad de horas de tutorías con sus profesores y de consultar dudas mediante correo electrónico. Además, se realizará una tutoría síncrona de cada tema explicado.

Las masterclasses, que contarán con profesionales provenientes de diferentes áreas de conocimientos, serán transmitidas en directo por videoconferencia a través de sesiones síncronas. Las plataformas utilizadas entre otras: MS Teams y Campus Virtual.

Las clases síncronas, tendrán horario de tarde para facilitar la conciliación laboral y de los estudiantes con distinta franja horaria (mayoritariamente latinoamericanos).

Para la evaluación de la asignatura tendrá en cuenta dos aspectos: (i) distintos análisis de casos prácticos de los conocimientos relativos al módulo/asignatura (que ponderan el 70% de la nota final de la asignatura) y (ii) un test de evaluación de los conocimientos adquiridos una vez finalizada la asignatura (que pondera el 30% de la nota final de la asignatura).
Profesorado