¿Encontró lo que buscaba?

Duración

Duración del programa: 1 años 8 meses
Número de créditos: 120
Número de materias: 16
Duración de cada materia: 4 semanas

Descripción del programa

Formar especialistas con los conocimientos y habilidades adecuados para analizar y procesar grandes volúmenes de datos y aplicar los resultados en diferentes áreas del desempeño.

Requisitos adicionales del programa

  • Se valida la documentación de extranjeros en físico por el Instituto de Educación de Aguascalientes quien emite la resolución para la admisión del interesado.
  • Los títulos llamados "propios" de universidades extrajeras no son aceptados.
  • En caso de extranjeros se pide una carta firmada que indica que su título obtenido en esta universidad será solamente con fines académicos.


Perfil ocupacional

Al finalizar la Maestría los egresados tendrán los conocimientos y habilidades adecuados para procesar, gestionar y analizar diferentes niveles de datos y aplicar los resultados en diferentes áreas de desempeño.

Perfil profesional

  • Analizar y procesar grandes volúmenes de datos y descubrir los patrones más relevantes.
  • Utilizar la información extraída de los datos para su análisis en diferentes contextos.
  • Aprovechar la información contenida en los grandes volúmenes de datos y tomar decisiones al respecto.
  • Aplicar la investigación para la recopilación de información y toma de decisiones respecto a necesidades que se presenten en las organizaciones.

Plan de estudios

Introducción al Cloud Computing (8 créditos)
VER MAS
Profundizar en los conceptos básicos que soportan el paradigma cloud computing, los principales modelos y conocer algunas de las infraestructuras más populares en el mercado.
Fundamentos de estadística (8 créditos)
VER MAS
Introducir al estudiante en los conceptos generales de estadística para que sea capaz de seleccionar muestras, inferir, aplicar métodos de control de calidad y validación de datos y variables.
Análisis de datos con R (8 créditos)
VER MAS
Aprender a programar en el lenguaje de programación R y a usarlo como una herramienta efectiva para el análisis de datos.
Machine Learning y tratamiento de datos (8 créditos)
VER MAS
Proporcionar al estudiante una visión sobre los conceptos generales de ?Machine Learning?, métodos de evaluación y su selección para solucionar problemas.
Descubrimiento de conocimiento en base de datos (8 créditos)
VER MAS
Conocer el proceso de descubrimiento de conocimiento, sus técnicas, su aplicación a casos concretos y evaluar los resultados de un sistema de descubrimiento de conocimiento.
Modelos estadísticos dinámicos (7 créditos)
VER MAS
Aplicar los modelos estadísticos dinámicos en aplicaciones y análisis de series de tiempo para el manejo de datos.
Analítica de negocio (8 créditos)
VER MAS
Introducir los conceptos generales de analítica de negocios (Business analytics) y hacer énfasis en la importancia estratégica de los datos, aprender a definir las tecnologías apropiadas para procesar la información y apoyar la toma de decisiones.
Data Warehousing e inteligencia de negocios (7 créditos)
VER MAS
Definir los conceptos básicos de sistemas de gestión de bases de datos, entorno de almacenamiento clásico de los datos, modelo relacional, sistemas no SQL, también proporcionará una visión general de herramientas para el tratamiento de datos e inteligencia de negocios.
Tecnología avanzada en bases de datos (8 créditos)
VER MAS
Profundizar en los conceptos de gestión y administración de bases de datos, que facilitan el tratamiento de grandes volúmenes de datos, el descubrimiento de patrones, así como explorar las nuevas alternativas para el almacenamiento de datos, como el almacenamiento en la nube.
Métodos numéricos y optimización (8 créditos)
VER MAS
Conocer los algoritmos y métodos de optimización no lineal sin restricciones y su aplicación práctica.
Analítica web (7 créditos)
VER MAS
Entender y aprender los conceptos básicos de la analítica web que permiten diseñar y gestionar los sitios web así como preparar campañas efectivas de publicidad online, teniendo como base los datos obtenidos de los patrones de interacción de los internautas con los sitios web.
Taller de Big Data (7 créditos)
VER MAS
Implementar una arquitectura de referencia para big data y definir sobre ella un algoritmo de predicción, utilizando para ello bases de datos públicas.
Taller de visualización de datos (7 créditos)
VER MAS
Introducir y profundizar los principales conceptos de visualización, análisis y presentación de los datos, mediante la explicación de los principios de diseño gráfico, de las tecnologías que lo soportan y el uso de herramientas para aplicarlo en ejemplos prácticos.
Tecnologías avanzadas en minería de datos y clasificación (8 créditos)
VER MAS
Profundizar en las técnicas de clasificación, minería de datos y otros conceptos relacionados en el entorno de los datos, usando la herramienta WEKA para aplicar los conceptos realizando prácticas y ejemplos.
Taller de Big Data en la nube (6 créditos)
VER MAS
Desarrollar actividades prácticas bajo la orientación de un docente-tutor que permitan al estudiante aplicar los conceptos adquiridos sobre el análisis de datos.
Proyecto de investigación y estado de la práctica en Big Data (7 créditos)
VER MAS
Establecer el estado del arte y de la práctica en las diferentes áreas que tiene aplicación Big Data, para definir líneas de investigación y facilitar la elaboración de proyectos.