Cerrar
CONACYT

Maestría en Ciencias en Ciencia de Datos

Conoce nuestra maestría en Ciencias en Ciencia de Datos, la cual forma especialistas en el manejo de grandes volúmenes de datos e información de los sectores productivos, públicos y privados.


Presentación

La sociedad actual cambia día a día, el auge tecnológico ha detonado la necesidad de preparar expertos que analicen, exploren, experimenten y combinen los grandes cúmulos de información existentes, facilitando el acceso para su análisis.

En este sentido, INFOTEC ha desarrollado un proyecto de investigación denominado “Analítica Computacional de Grandes Cúmulos de Información (Big Data)” ello le ha permitido agrupar a un equipo interdisciplinario de investigadores para desarrollar tareas encaminadas a la creación de un laboratorio de Big Data. Así mismo, la institución es responsable del Laboratorio Nacional de Internet del Futuro, que aborda temáticas relacionadas con el computo en la nube y las tecnologías correspondientes.

Objetivo: Formar maestros en ciencias en ciencia de datos con la capacidad de conocer frontera del conocimiento en el desarrollo de métodos capaces de procesar y analizar grandes volúmenes de datos y su aplicación en sectores tanto públicos como privados nacionales e internacionales.

Modalidad: Presencial (Tiempo completo).

Orientación: Investigación: Generación de conocimientos.

Tipo de titulación: Tesis

Sedes: Ciudad de México y Aguascalientes.

Costo total del programa: $240,000.00 (DOSCIENTOS CUARENTA MIL PESOS 00/100 M.N.)

Para mayor información acerca de becas, escríbenos a unidaddeposgrados@infotec.mx

Convocatoria cerrada
MCD

Perfil de ingreso

La Maestría en Ciencias en Ciencia de datos con orientación a la investigación, está dirigida a estudiantes que pueden dedicar tiempo completo a los estudios. Esta maestría se complementa con materiales y espacios digitales de información.

La población objetivo de la maestría se puede dividir en dos grandes grupos:

  • Personas 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 diversos campos.
  • Los egresados de licenciaturas que tienen una base matemática y necesidades de aplicación de Ciencia de datos, que tengan interés en la investigación y aplicaciones de ciencia de datos en distintas áreas del conocimiento.

Conocimientos

  • Programación
  • Análisis de algoritmos
  • Matemáticas discretas
  • Algebra lineal

Habilidades

  • 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
  • Constancia que certifique el dominio del idioma inglés (TOEFFL: PBT 500, CBT: 173, iBT 61 o equivalente en IELTS).

Actitudes

  • Interés por la investigación
  • 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
  • Tolerancia a la divergencia

Requisitos de ingreso

  • Título profesional o de grado con promedio mínimo de ocho
  • Aprobar el proceso de admisión
  • Presentar la documentación que solicite Infotec
  • Trabajar en la industria o áreas afines
  • Carta de exposición de motivos
  • Constancia de comprensión de idioma inglés

Perfil de egreso

Objetivos:

  • Crear modelos analíticos de datos e información.
  • Diseñar herramientas computacionales para manejo de grandes cúmulos de datos.
  • Desarrollar o proponer modelos matemáticos para la representación de los datos y aplicación de métodos analíticos.
  • Aplicar la metodología de investigación científica en el análisis de datos.

Las competencias se desarrollan en la maestría con dos estrategias principales:

  • Los casos que se estudian y resuelven en las asignaturas.
  • La investigación de tesis que se realiza en función de proyectos que están realizando los tutores y donde concurren varios alumnos de maestría.
No. Objetivos transversales de egreso de la maestría con orientación a la investigación Saberes / asignaturas
1. 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. Procesamiento de información
Cómputo de alto rendimiento
2. Aplicar la metodología de investigación científica en el análisis de datos. Seminarios de investigación
Procesamiento de información
Análisis exploratorio de datos
Aprendizaje computacional
3. 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. Cómputo de alto rendimiento Procesamiento de información
Análisis de algoritmos y estructuras de datos masivos
Matemáticas para la ciencia de datos
4. 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. Procesamiento de información
Algoritmos y estructuras de datos masivos
5. Modelar la información y los datos con base en estrategias de pre procesamiento y representación de datos. Matemáticas para ciencia de datos
Procesamiento de la información
6. Aplicar criterios para el acceso a la información y protección de datos personales con base en principios éticos y la normatividad vigente. Seminarios de investigación
7. 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. Cómputo de alto rendimiento
Análisis de algoritmos y estructuras de datos masivos
Estadística
Aprendizaje computacional
Análisis exploratorio de datos
8. Participar en el desarrollo e innovación de modelos analíticos y herramientas para el manejo de datos masivos en el contexto de proyectos de investigación. Seminario de investigación
9. Comunicar de manera efectiva y en los términos del dominio específico del campo de aplicación los resultados de la investigación. Análisis exploratorio de datos
10. Diseñar modelos de valor para la investigación en Ciencia de datos. Seminarios de investigación
11. Colaborar en grupos de investigación multidisciplinarios para la integración de soluciones para el manejo de grandes volúmenes de datos. Seminarios de investigación

Plan de estudios

Mapa curricular

Semestre 1
30 créditos
Semestre 2
30 créditos
Semestre 3
30 créditos
Semestre 4
30 créditos
Procesamiento de Información
5 créditos
Análisis exploratorio de datos
5 créditos
Optativa
5 créditos
Seminario de Tesis
30 créditos
Matemáticas para la ciencia de datos
5 créditos
Estadística
5 créditos
Seminario de Investigación III
25 créditos
Cómputo de alto rendimiento
5 créditos
Aprendizaje Computacional
5 créditos
Análisis de algoritmos y estructuras para datos masivos
5 créditos
Seminario de Investigación II
15 créditos
Seminario de Investigación I
10 créditos
Asignaturas optativas:
  • Procesamiento de lenguaje natural
  • Cómputo evolutivo aplicado a problemas de aprendizaje
  • Análisis Topológico de Datos
  • Recuperación de información de bases de datos no estrucutradas
  • Visión computacional
  • Sistemas expertos
  • Cómputo cognitivo
  • Minería de datos para mercadotecnia y finanzas
  • Aplicaciones epidemiológicas/ epidemiología ambiental
  • Analítica web

 

Admisión

Convocatoria anual (cerrada), consulta nuestro calendario de fechas.

¡No olvides llenar tu solicitud de admisión en línea!

Proceso de admisión

El proceso de admisión comprende diferentes etapas para asegurar que el estudiante cuenta con el perfil de ingreso deseado:

Ver la Alternativa textual para la infografía de proceso de admisión a posgrados

Proceso de admisión a posgrados Proceso de admisión a posgrados movil

Alternativa textual para la infografía de proceso de admisión a posgrados

  1. Consulta la convocatoria.
  2. Captura en línea tu solicitud de admisión.
  3. Espera la validación de tus documentos.
  4. Realiza el pago del examen o de la inscripción a tu curso propedéutico.
  5. Presenta y aprueba el examen o curso propedéutico.
  6. Asiste a las entrevistas que te realizarán.
  7. Recibe por correo tu dictamen de admisión.
  8. Preséntate a la hora y día asignado para tu inscripción.

Docencia

Un pilar importante en los Posgrados de INFOTEC es el Núcleo Académico Básico (NAB), integrado por destacados profesores, investigadores y profesionistas afines a las Líneas de Generación y/o Aplicación del Conocimiento (LGAC) que guían las actividades educativas de la institución.

El objetivo del NAB es acompañar a los estudiantes durante su trayectoria académica y asesorarlos, así como orientarlos en sus proyectos de titulación en las diferentes áreas temáticas. 

A continuación, se presenta al Coordinador y el Núcleo Académico Básico de nuestro programa.

Coordinador de la maestría:

  • Dr. Elio Atenógenes Villaseñor García - Ver perfil

Nuestro núcleo académico:

  • Dr. Hugo Estrada Esquivel – Ver perfil
  • Dr. Mario Graff Guerrero – Ver perfil
  • Dra. Natalia García Colín – Ver perfil
  • Dr. Federico Andrés Stezano Pérez – Ver perfil
  • Dr. Sabino Miranda Jiménez – Ver perfil
  • Dr. Eric Sadith Téllez Ávila – Ver perfil
  • Dr. Dagoberto Armenta Medina – Ver perfil
  • Dr. Daniel Villanueva Vásquez – Ver perfil
  • Dr. Christian Díaz de León Castañeda – Ver perfil
  • Dra. Itzel Morales Ramírez – Ver perfil
  • Dr. Jorge Luis Rojas Arce – Ver perfil
  • Dr. Juan Carlos Téllez Mosqueda – Ver perfil
  • Dra. Magali Arellano Vázquez – Ver perfil
  • Dr. Ramón Reyes Carrión – Ver perfil
  • Mtro. Ebenezer Hasdai Sánchez Pacheco - Perfil pendiente
  • Mtro. Juan Antonio Ramírez Orta - Perfil pendiente
  • Mtra. Karen Mariel Nájera Hernández – Ver perfil
  • Mtro. Samuel Jiménez Mu – Ver perfil
  • Mtro. Sergio González Nava - Perfil pendiente
  • Mtra. Yolanda Raquel Baca Gómez– Ver perfil

LAGC

En el posgrado de Ciencia de Datos se cuenta con Líneas de Generación y Aplicación del Conocimiento (LAGC) asociadas a la temática del programa y a las áreas de investigación asociadas a la Ciencia de Datos.

  • Inteligencia computacional en la ciencia de datos
  • Analítica de grandes cúmulos de información
  • Combinatoria, modelado y análisis de algoritmos

Inteligencia computacional en la Ciencia de Datos.

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.

Esta línea tiene como objetivo 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. 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.

Analítica de grandes cúmulos de información

La Analítica de Grandes Cúmulos de Información (Big Data Analytics) implica nuevas capacidades en el uso estratégico del análisis de datos. Producto del desarrollo tecnológico acelerado de las TIC, la generación masiva de datos y el proceso de apropiamiento tecnológico de las organizaciones hacen plausible la generación de valor mediante el procesamiento de grandes volúmenes de información (datos estructurados, no estructurados o semiestructurados).

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. Muchos de los métodos analíticos de grandes cúmulos de información involucran la aplicación de técnicas de la inteligencia computacional para la realización de tareas, que no serían posibles realizar con el enfoque tradicional de bases de datos relacionales y análisis estadístico multivariado. 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.

Combinatoria, modelado y análisis de algoritmos

El estudio de los problemas básicos en un área del conocimiento es vital para la fundamentación y el cultivo mismo del área del conocimiento. La combinatoria es una rama de las matemáticas discretas que estudia la enumeración, construcción y existencia de estructuras discretas que satisfacen ciertas condiciones establecidas. En su ámbito de estudio se encuentra la agrupación, los órdenes, el conteo, y la construcción de configuraciones, entre otras; las cuales son herramientas matemáticas fundamentales para la construcción y el análisis de algoritmos que sean a su vez eficaces y eficientes para el análisis de grandes cúmulos de información. Como tal la interacción entre la combinatoria y la construcción y análisis de algoritmos es un proceso simbiótico y cíclico inseparable.

El análisis de algoritmos se encarga del estudio de la factibilidad de un algoritmo para resolver una tarea dada. De manera más detallada, la factibilidad viene dada por la determinación de los costos computacionales de la ejecución de un algoritmo, tanto en tiempo de cómputo como la memoria necesaria en función de la entrada. Diseñar algoritmos para el manejo de grandes cantidades de datos en una arquitectura de cómputo con limitaciones físicas reales es una tarea ardua que requiere una estrecha articulación entre el análisis teórico y la experimentación. Esta línea tiene el propósito de generar conocimiento en ciencia básica y de frontera en las áreas relacionadas a: Algoritmos aproximados, modelado de sistemas, aplicaciones de teoría de gráficas y sus generalizaciones, tal como la topología combinatoria.

Datos de contacto:

Dirección Adjunta de Innovación y Conocimiento | Gerencia de Capital Humano | Mtra. Patricia Ávila Muñoz
Escríbenos a: unidaddeposgrados@infotec.mx
Mtra. Eddya Paola Gutiérrez Villa | Vinculación, Promoción Educativa y Admisiones | Tel: (55) 5624-2800 ext. 6110

o a través de nuestras redes sociales:
Facebook: PosgradosINFOTEC | Twitter: @posgradoInfotec | Youtube: Upinfotec