Regresar

Maestría en Ciencia de Datos e Información

COMPARTIR
Twitter
Facebook
Correo

Big Data para tu vida profesional

La MCDI forma especialistas en ciencia de datos capaces de generar alternativas de solución a las problemáticas en el manejo de grandes volúmenes de datos e información de las organizaciones, de los sectores público y privado al utilizar modelos analíticos, herramientas computacionales y matemáticas de ciencia de datos e información.

El término Big Data ha cobrado una mayor relevancia debido al avance de la tecnología. En términos generales, se refiere al almacenamiento de datos de forma masiva, a la capacidad de procesar los datos en tiempo real, a su accesibilidad y a su posibilidad de análisis. Además, se relaciona con distintas formas de representación, por ejemplo, audios, videos, sistemas GPS, sensores digitales, dispositivos móviles y más.

La MCDI está dirigida a profesionistas y/o egresados de licenciaturas que tienen una base matemática y necesidades de aplicación de la ciencia de datos en áreas como física, matemáticas, ciencias de la tierra, actuaría, ciencias de la computación,ingenierías, biología y ciencias de la salud, economía, finanzas, entre otras.

La MCDI se imparte en línea, da la flexibilidad suficiente para que el alumno cuente con el tiempo, tanto para laborar como para cursar las asignaturas y desarrollar su trabajo de titulación. Las lineas de investigación que se cultivan en el posgrado son inteligencia computacional, analítica y visualización de cúmulos de información, modelado de sistemas; y sociedad y Tecnologías de la Información y Comunicación.

La maestría en Ciencias en Ciencia de Datos abarca el desarrollo de competencias para abordar los problemas relacionados con el manejo de grandes volúmenes de datos, plantear alternativas de solución y probar algoritmos, herramientas y modelos para lograr soluciones oportunas, eficientes e innovadoras. Se fundamenta en los conocimientos de ciencias de la computación, estadística y matemáticas aplicadas para abordar problemas de dominios muy diversos en los que los datos se están produciendo a gran escala.

Las asignaturas que conforman el plan de estudios se diseñaron con base en las competencias descritas en el perfil de egreso y considerando las líneas de aplicación y generación del conocimiento (LGAC) que se cultivan en INFOTEC, así como el ciclo de vida de los proyectos de análisis de datos, además de incorporar seminarios de investigación para apoyar el desarrollo de la tesis de grado dentro de las LGAC.

De forma transversal en los proyectos de las asignaturas temáticas y en los seminarios de investigación se abordarán los aspectos éticos de la disciplina y profesión.

La Maestría en Ciencia de Datos e Información está dirigida a:

Profesionales que se encuentran en el campo profesional que buscan actualización para resolver y mejorar su acercamiento a las problemáticas de grandes volúmenes de datos en campos como el sector financiero, Biología, Bioinformática, Salud, Demografía, Ciudades inteligentes, Documentación y bibliotecas digitales, Inteligencia pública y tecnológica, Geografía, Mercadotecnia y toma de decisiones en Políticas públicas.
Egresados de licenciaturas que tienen una base matemática y necesidades de aplicación de Ciencia de datos como son: Física, Matemáticas, Ciencias de la Tierra, Actuaría, Ciencias de la computación, Ingenierías, Biología y Ciencias de la salud, Economía y Finanzas.

Conocimientos previos deseables

Programación
Matemáticas discretas
Algebra lineal
Estadística
Cálculo

Habilidades

Uso de las Tecnologías de la Información en cuanto a localizar y generar información, compartirla con otros y emplear habilidades comunicativas apoyados en herramientas comunicacionales de Internet
Búsqueda de información en acervos impresos y electrónicos y selección de material pertinente a los temas relacionados con el área de formación y la Ciencia de datos
Capacidad analítica en problemas matemáticos, expresada tanto en forma escrita como oral
Trabajo en equipo
Gestión autónoma en proyectos y en atención al cumplimiento de metas
Comunicación y expresión oral y escrita en idioma español
Comprensión del idioma inglés

Actitudes

Interés por el desarrollo de proyectos de aplicación
Mostrar responsabilidad e integridad científica
Disciplina al enfrentar retos y problemas nuevos en entornos poco conocidos
Escucha ante puntos de vista de otros
Disposición a integrarse en trabajos de grupo/li>
Tolerancia a la divergencia

Al finalizar el posgrado el alumno tendrá capacidad para:

Identificar y plantear las problemáticas de información y datos en los diversos escenarios que presentan las organizaciones en el manejo de grandes volúmenes de datos.
Aplicar la metodología de desarrollo de proyectos relacionados con grandes volúmenes de datos.
Seleccionar, adaptar y utilizar herramientas computacionales y matemáticas pertinentes para la recolección, extracción, almacenamiento, integración y manejo de distintos tipos de datos masivos e información conducentes a la resolución del problema.
Identificar las características de los datos para determinar y establecer criterios y métricas para la correcta evaluación de la calidad de los datos en el contexto del problema.
Modelar la información y los datos con base en estrategias de preprocesamiento y representación de datos.
Aplicar criterios para el acceso a la información y protección de datos personales con base en principios éticos y la normatividad vigente.
Seleccionar, adaptar y utilizar modelos analíticos y herramientas computacionales, estadísticas y matemáticas aplicadas a grandes volúmenes de datos, estructurada y no estructurada, como máquinas de aprendizaje; heurística, redes neuronales, aprendizaje computacional, entre otras, en distintos dominios de aplicación.
Participar en el desarrollo de proyectos para el análisis y manejo de datos masivo en el contexto de las organizaciones.
Comunicar de manera efectiva y en los términos del dominio específico del campo de aplicación los resultados del análisis de los datos masivos mediante el uso de herramientas de visualización.
Diseñar modelos de valor para las organizaciones basados en la explotación de datos masivos.
Colaborar en grupos multidisciplinarios para la integración de soluciones para el manejo de grandes volúmenes de datos.

Descargar Plan de Estudios MCDI.

Coordinador Académico

Dr. Eric Sadit Tellez Avila:

eric.tellez@infotec.mx

Profesorado:

LGAC 1. Analítica de datos e información

Descripción

El enfoque de esta línea se centra en los métodos analíticos para la generación de información valiosa (valor agregado) que de manera oportuna asistan a la toma de decisiones en diversos ámbitos como son: gobierno y empresas, además de potenciar la realización de investigación cualitativa en distintas áreas de ciencias sociales y humanidades. Las técnicas de ciencia de datos utilizadas para este fin son: análisis exploratorio de datos, análisis topológico de datos, minería de textos, minería de datos, minería de opinión, aprendizaje computacional, visualización de datos e información, recuperación de información, análisis estadístico, análisis geoespacial y análisis espacio-temporal

Objetivo general

Aplicar métodos analítico spara la generación de valor agregado mediante el procesamiento, análisis y visualización de datos.

Objetivos específicos

1. Implementar tecnologías de información y cómputo de alto desempeño para el almacenamiento, recuperación, procesamiento, análisis inteligente y visualización de información.
2. Analizar y diseñar las metodologías analíticas con la finalidad de obtener información valiosa y útil en diversos campos de aplicación.
3. Desarrollar modelos para generar servicios de alto valor agregado que incorporen el conocimiento y las capacidades analíticas desarrolladas.
4. Proveer métodos de evaluación que provean evidencia cuantitativa de la calidad de los datos y los modelos generados a partir de ellos.

Justificación

Producto del desarrollo tecnológico acelerado de las TIC, la generación continua de datos y el proceso de apropiamiento tecnológico de las organizaciones hacen plausible la generación de valor mediante el adecuado procesamiento y análisis de información de diversa naturaleza (datos estructurados, no estructurados o semiestructurados). La capacidad de generar valor a partir de información disponible de fuentes de diversa índole, da una ventaja que está siendo aprovechada en diversos sectores productivos.

LGAC 2. Inteligencia computacional

Descripción

La inteligencia computacional es una rama del área de inteligencia artificial que se encarga del desarrollo de métodos que exhiben un comportamiento inteligente. En particular, desde la perspectiva de ciencia de datos, los métodos son aplicados al análisis de datos masivos con los objetivos de emular las acciones realizadas por un experto, aprender y descubrir patrones que no son evidentes mediante un análisis manual. Estas tareas se resuelven mediante la aplicación de campos tales como: cómputo evolutivo, procesamiento del lenguaje natural, reconocimiento de patrones, visión artificial, redes neuronales artificiales, sistemas expertos, aprendizaje computacional y extracción de conocimiento.

Objetivo general

Aplicar, desarrollar y proponer técnicas de inteligencia computacional aplicadas en la Ciencia de Datos para resolver tareas como: clasificación, regresión, agrupación de elementos similares, modelización automática de problemas basados en ejemplos, etc.

Objetivos específicos

-Proponer métodos basados en aprendizaje computacional para resolver problemas de análisis de datos.
-Evaluar los resultados que obtienen los métodos de aprendizaje computacional.
-Comparar el desempeño de los métodos propuestos contra los resultados de otros métodos reportados en el estado del arte.

Justificación

Una de las tendencias actuales en la analítica de grandes datos es el uso de métodos de inteligencia artificial. Estos métodos permiten, entre otras cosas, incorporar el conocimiento de expertos humanos en decisiones que se toman automáticamente en tiempo real. La capacidad de análisis inteligente es clave en las tecnologías disruptivas del futuro próximo: el internet de las cosas, las ciudades inteligentes, los autos-autónomos, la tele-medicina, etc.

Generación 2017-2019