Inicio / Maestrías especializadas / Maestría en Data Science

Maestría en
Data Science

Profundiza tus conocimientos y crea soluciones computacionales para la explotación de datos de manera automatizada y eficiente

Maestría en Data Science

by

La Facultad de Ingeniería y la Escuela de Postgrado de la UPC han desarrollado la Maestría en Data Science que permite contribuir a la estrategia empresarial con la creación de soluciones software a partir de tecnologías existentes y la innovación en nuevos métodos computacionales para la explotación de datos de manera automatizada y eficiente, manteniendo un tratamiento de calidad.

En la Maestría se estudian casos reales y se desarrollan workshops guiados por especialistas del entorno empresarial; se usan computadoras de alto rendimiento para afrontar problemas de mayor envergadura, como el procesamiento paralelo, concurrente de diversos formatos de datos, el diseño e implementación de algoritmos computacionales predictivos y el uso de los lenguajes de programación más demandados en el mercado. Además, se desarrollan las habilidades directivas y de liderazgo y se enseña el uso de las metodologías ágiles aplicadas en este campo.

Información General:


  • INICIO
    18 de junio de 2021

  • HORARIO
    Lunes y viernes 6:30 p.m. a 10:30 p.m.

  • DURACIÓN
    18 meses aproximadamente

  • MODALIDAD
    Virtual Sincrónica/Presencial*

  • PRECIO
    S/ 38,000
* Las clases de la Maestría se dictarán de forma virtual sincrónica, en el mismo horario, frecuencia y bajo los estándares de calidad establecidos por la Escuela de Postgrado UPC; en estricto cumplimiento del Decreto Supremo N° 044-2020-PMC que declara el Estado de Emergencia Nacional a consecuencia del brote del COVID-19. Cuando se retorne a la modalidad presencial, el programa será dictado en la sede de Monterrico.

Malla Curricular

Una formación basada en competencias, con enfoque en la creación de soluciones software a partir de tecnologías existentes y la innovación en nuevos métodos computacionales que contribuyen a la estrategia de la organización.

¿CÓMO ESTÁ CONFORMADA LA MAESTRÍA EN DATA SCIENCE?
La Maestría cuenta con cinco ejes que agrupan el total de cursos que brindamos:

MODELOS DE CLUSTERING / PREDICTIVOS Y ANALÍTICA

  1. Data Mining & Data Analysis
    El estudiante aplica técnicas de data mining y conduce experimentos basados en casos para su verificación y validación en un dominio específico. Temario: -Árboles de decisión -Reglas de asociación -Clustering -Métodos basados en casos -Visualización de datos -Métodos y métricas para validación de técnicas de Data Mining
  2. Machine Learning
    El estudiante comprende los algoritmos representativos del aprendizaje supervisado, semi supervisado y aprendizaje por refuerzo, así como las técnicas de medición de desempeño de los mismos. Temario: -Paradigma de aprendizaje supervisado y semi supervisado -Transformación de datos -Algoritmos Lazy: KNN -Algoritmos bayesianos -Árboles de decisión -Redes neuronales -Redes convolucionales -SVM -Ensembles: Bagging y Boosting -Evaluación de clasificadores: validación cruzada, holdout, bootstrap, curvas ROC -Algoritmo de Monte Carlo
  3. Redes Complejas
    El estudiante aplica la teoría de grafos y redes complejas para la estructuración de datos y de conocimiento a partir de los datos. Temario: -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
  4. Probabilistic Graphical Models
    El estudiante aplica probabilistic graphical models para la generación de conocimiento y problemas de clasificación a partir de un dataset o fuente de datos. Temario: -Introducción a Probabilistic Graphical Models -Modelos probabilísticos: clasificadores bayesianos y Hidden Markov Models -Aprendizaje automático de probabilistic graphical models: aprendizaje de estructura, aprendizaje de parámetros y aplicaciones -Inferencia de probabilistic graphical models -Redes bayesianas dinámicas y redes bayesianas temporales
  5. Aplicaciones de Datos en Redes Complejas
    El estudiante implementa una aplicación para el análisis y predicción de enlaces en una comunidad de red. Temario: -Medición de redes, y modelo de grafo aleatorio -Motifs y graphlets -Estructura de comunidad en redes -Clustering spectral -Link prediction -Graph Representation Learning -Aplicaciones de datos en redes complejas
  6. Sistemas de Recomendación*
    El estudiante implementa un recomendador basado en el análisis de datos de un problema específico. Temario: -Introducción a los sistemas inteligentes y recomendadores, distancias y disimilitudes -Búsqueda por similaridad -Análisis de enlaces, Collaborative filtering -Evaluación de recomendadores, KPI en sistemas de recomendación -Seguridad de datos en recomendadores *Cursos dictados en la Misión Académica Internacional a Barcelona.

DATOS

  1. Gestión de Datos
    El estudiante aplica herramientas necesarias para trabajar con SQL y NoSQL, reconociendo los diferentes tipos de datos existentes y considerando los criterios de eficiencia e idoneidad de las mismas según un contexto dado. Temario: -Bases de datos SQL -Bases de datos de alto rendimiento -Índices, vistas y transacciones -Autorización y restricciones de integridad -Sistemas NoSQL
  2. Analítica y Visualización de Datos
    El estudiante aplica herramientas para la visualización eficiente y adecuada de grandes volúmenes de datos, considerando la simplificación y preservación de la información. Temario: -Exploración de datos y visualización -Análisis de datos multivariados -Análisis de datos jerárquicos y temporales -Analítica de visualización de datos -Dashboard de visualización
  3. Big Data Management
    El estudiante aplica los conceptos de gestión de grandes volúmenes de datos para su análisis, detección de patrones y descubrimiento de conocimiento. Temario: -Introducción al Big Data -Almacenamiento distribuido -Procesamiento paralelo -Procesamiento de flujo de datos (Spark-Streaming) -Algoritmos para minería de datos a gran escala -Algoritmos para minería de datos a gran escala -Algoritmos para machine learning a gran escala

GESTIÓN E INNOVACIÓN EMPRESARIAL

  1. Análisis Empresarial y Data Science
    El estudiante identifica las oportunidades en el negocio para la aplicación de soluciones de Data Science. Temario: -Madurez empresarial -Arquitectura de aplicaciones y datos -Seguridad de Información -Implementación de soluciones de Data Science y continuidad en el negocio
  2. Gobierno de Datos
    El estudiante planifica la implementación de un proyecto de Data Science como un rol estratégico dentro de una organización, considerando las necesidades funcionales de la empresa. Temario: -Identificación del impacto de Data Science en los estándares, políticas y procesos de la gestión de datos en una organización -Integración de procesos negocios con un proyecto de Data Science -Planificación de la implementación de un proyecto de Data Science y rol estratégico

HABILIDADES DIRECTIVAS Y DE LIDERAZGO

  1. Liderazgo Gerencial
    El alumno adquiere las herramientas necesarias para consolidar una posición estratégica bajo el entorno del liderazgo y desarrolla capacidades para ser un agente que propicia el cambio, para que tanto él como su equipo se adapten a este cambio y a nuevas circunstancias, y se obtenga lo mejor de cada colaborador, con la finalidad de lograr mejoras en la productividad y en los objetivos empresariales. Temario: -El líder y el equipo -Retar lo establecido -Inspirar: visión compartida -El manejo de la incertidumbre y el cambio -Comunicar y comunicar, motivando e inspirando -El arte de lograr resultados -Creatividad e innovación -El aprendizaje de los temas desde una perspectiva vivencial
  2. Inteligencia Emocional
    El alumno identifica, analiza y aplica los elementos, principios y conductas de la inteligencia emocional, los cuales contribuyen a su propio conocimiento y al desarrollo de sus colaboradores en el ámbito empresarial. Temario: -Inteligencia emocional e inteligencias múltiples -El reconocimiento de nuestras propias emociones -El manejo de las emociones -Automotivación y búsqueda de sentido -La empatía: comprensión de las emociones de los otros -Cultivando nuestras habilidades sociales La inteligencia emocional en el trabajo de equipo
  3. Negociación
    El estudiante comprende que la forma más efectiva de resolver los conflictos en el mundo de los negocios es a través de acuerdos sistémicos negociados, conciliando resultados de corto plazo con sostenibilidad en el tiempo, ayudando a administrar los trade-off. Temario: -Modelos mentales: pertinencia y obsolescencia -Estilos y conductas exitosas de negociación -Temperamentos del negociador -Tácticas de negociación -Identificación y uso en casos particulares -La determinación del valor: casos de experiencias reales y role playing -Negociación y ética -Plan de negociación: análisis, diseño de la estrategia, planeamiento y ejecución

INVESTIGACIÓN

  1. Metodología para Data Science
    El estudiante comprende el ciclo de una solución de Data Science desde la contextualización de un problema de negocio hacia el procesamiento de los datos, generación de modelos, despliegue y feedback para la toma de decisiones. Temario: -Ciclo de vida de aplicación de Data Science -Comprensión del negocio -Enfoque analítico -Requerimientos de datos -Colección de datos -Pre-procesamiento de datos -Etapas de modelamiento y evaluación de modelos predictivos y de clustering -Despliegue y feedback de modelos predictivos y de clustering
  2. Proyecto de Data Science I
    El estudiante aplica metódicamente el planteamiento del tema, objetivos, alcance y plan de ejecución de un proyecto de Data Science. Temario: -Fundamentación de Proyecto -Desarrollo y Control de Proyecto
  3. Proyecto de Data Science II
    El estudiante integra los artefactos producidos en el desarrollo de su proyecto de investigación, justificando su viabilidad y su aporte técnico y social. Temario: -Desarrollo de la propuesta -Validación del proyecto

Plana docente

Rosario del Pilar Villalta

Doctora en Administración de Empresas por la Universidad Politécnica de Cataluña (España). Master en Dirección de Tecnologías de Información por la Universidad Ramon Llull La Salle – España. MBA y Magíster en Dirección de Sistemas y Tecnologías de Información por ESAN Graduate School for Business.

Willy Ugarte Rojas

PhD in Computer Science por University of Caen Normandy (France) con especialización en Data Mining and Artificial Intelligence. Master in Computer Science por University of Caen Normandy (France) con especialidad en Algorithms and Information Models.

Ludmer Arcaya

Magíster en Data Mining and Knowledge Discovery, Universidad de Buenos Aires (Argentina). Especialización en Data Science por Microsoft. Postgrado en Project Management: PMI & Scrum ágil por la Universidad Tecnológica Nacional de Argentina.

Jan S. Nauta

Maestría Internacional en Matemáticas por la Universidad de Ámsterdam (Holanda).

Mabel K. Raza

PhD. in Biomedical and Health Informatics y Master in Biomedical and Health Informatics por University of Washington (Estados Unidos).

Marleny Barrueta

MBA por la Universidad de Piura, Magíster en Neuromarketing por UNIR (España) e Ingeniero Estadístico por la UNI. Egresada de Programas de Innovación, Transformación Digital y Emprendimiento realizados en Harvard Business School, IESE Business School y Darden School of Business.

Luis Martín Canaval

Magíster en Informática con mención en Ciencias de Computación en la Pontificia Universidad Católica del Perú.

Oscar Ramos

Ph.D. en Informatica y Robotica, de la Universite de Toulouse III y LAAS-CNRS, Toulouse, Francia.

Beneficios

¿POR QUÉ ESTUDIAR LA MAESTRÍA EN DATA SCIENCE?

La Maestría está alineada a los estándares internacionales de la ACM (Association for Computing Machinery) e incluye sesiones académicas internacionales, dictadas en modalidad virtual sincrónica, en Big Data Management y Sistemas de Recomendación. Además, gracias al convenio UPC Laureate con IBM, el programa brinda una triple certificación.

RESPALDO DE LA FACULTAD DE INGENIERÍA DE LA UPC

La Facultad de Ingeniería tiene 25 años de fundada, cuenta con 10 carreras especializadas, más de 4mil egresados, acreditaciones internacionales, y equipos, tecnología e infraestructura de vanguardia.

RESPALDO DE LA FACULTAD DE INGENIERÍA DE LA UPC

La Facultad de Ingeniería tiene 25 años de fundada, cuenta con 10 carreras especializadas, más de 4mil egresados, acreditaciones internacionales, y equipos, tecnología e infraestructura de vanguardia.

TRIPLE CERTIFICACIÓN

Los alumnos que culminen satisfactoriamente el programa, sustenten y aprueben la tesis, obtienen el grado y certificaciones:

  • Maestro en Ciencia de Datos, otorgado por la Universidad Peruana de Ciencias Aplicadas (UPC)
  • Certificado en Big Data Management, la Fundación Politécnica de Cataluña (España)
  • Certificado en Ciencia de Datos por IBM y Laureate International Universities

TRIPLE CERTIFICACIÓN

Los alumnos que culminen satisfactoriamente el programa, sustenten y aprueben la tesis, obtienen el grado y certificaciones:

  • Maestro en Ciencia de Datos, otorgado por la Universidad Peruana de Ciencias Aplicadas (UPC)
  • Certificado en Big Data Management, la Fundación Politécnica de Cataluña (España)
  • Certificado en Ciencia de Datos por IBM y Laureate International Universities

FORMACIÓN DE VANGUARDIA QUE COMBINA EL DOMINO TÉCNICO Y LA EXCELENCIA ESTRATÉGIA

Una formación que incluye tópicos de vanguardia como Data Mining & Data Analysis, Machine Learning, Probabilistic Graphical Models, Redes Complejas, Sistemas de Recomendación, entre otros. Además, se estudian de casos reales, se usan computadoras de alto rendimiento, se aplican de Metodologías ágiles, se emplean los lenguajes de programación más demandados del medio, y se desarrollan las habilidades directivas y de liderazgo.

FORMACIÓN DE VANGUARDIA QUE COMBINA EL DOMINO TÉCNICO Y LA EXCELENCIA ESTRATÉGIA

Una formación que incluye tópicos de vanguardia como Data Mining & Data Analysis, Machine Learning, Probabilistic Graphical Models, Redes Complejas, Sistemas de Recomendación, entre otros. Además, se estudian de casos reales, se usan computadoras de alto rendimiento, se aplican de Metodologías ágiles, se emplean los lenguajes de programación más demandados del medio, y se desarrollan las habilidades directivas y de liderazgo.

PROFESORES EXPERTOS EN EL CAMPO DEL DATA SCIENCE

Destacados docentes con amplia experiencia en el diseño e implementación de proyectos de softwares y la gestión de áreas de Ciencias de Datos en las empresas y consultoras más importantes de la región.

PROFESORES EXPERTOS EN EL CAMPO DEL DATA SCIENCE

Destacados docentes con amplia experiencia en el diseño e implementación de proyectos de softwares y la gestión de áreas de Ciencias de Datos en las empresas y consultoras más importantes de la región.

Ventajas


  • Realiza tus clases los mismos días y a la misma hora, desde la comodidad y seguridad de tu hogar.

  • Interactúa con tus compañeros y profesores a través del aula virtual.

  • El contenido académico de las clases es igual de riguroso, además, las clases son grabadas por si necesitas volver a verlas.

*La Escuela de Postgrado de la UPC se reserva el derecho de hacer cambios en la plana de profesores.

**Siguiendo nuestro principio de actualización constante, la malla curricular está sujeta a cambios.

Perfil del Egresado

El egresado de la maestría en Data Science demuestra capacidad para generar soluciones o aplicaciones computacionalmente eficientes y alineadas a la visión estratégica del negocio. Asimismo, posee conocimientos que le permiten realizar propuestas, involucrando nuevos mecanismos del uso y explotación de los datos con visión estratégica, global e innovadora.

¡Da el siguiente paso y atrévete a trascender!

Inicio de Clases : 18 de junio de 2021

INFORMES E INSCRIPCIONES

Gabriela Mendoza
419-2800, anexo 5057/ 3502