Program Overview

Máster de Formación Permanente en Big Data y Data Science: Ciencia e Ingeniería de Datos

Presentación

El término Data Science se utiliza para referirse a un nuevo campo dedicado al análisis y la manipulación de los datos con el objetivo de extraer conocimiento a partir de ellos. Esta nueva disciplina utiliza técnicas y teorías de campos como la estadística, el aprendizaje automático, el reconocimiento de patrones o la visualización.

Un científico de datos debe ser capaz de integrar datos de distintas fuentes, gestionar grandes volúmenes de datos, crear visualizaciones que permitan entender los datos, construir modelos matemáticos usando los datos, y presentar y comunicar las conclusiones extraídas a especialistas y científicos.

Las técnicas de Data Science pueden aplicarse en muy diversas áreas como la biología, la salud, las ciencias sociales, la economía, los negocios y las finanzas.

Por otro lado, el Big Data tiene que ver con tecnologías que permiten procesar grandes volúmenes de datos de una forma eficiente.

Objetivos

El Big Data ofrece una gran oportunidad para desarrollar una nueva generación de tecnologías que permiten almacenar, gestionar, analizar, compartir y entender los enormes volúmenes de datos que se están recogiendo hoy en día.

El objetivo fundamental de este título es formar a los estudiantes en los temas más relevantes sobre el Big Data que tienen que ver con la recolección, el almacenamiento y el procesamiento de datos (Hadoop, Spark, etc.), la infraestructura para Big Data (multicore, seguridad), el análisis de datos (aprendizaje automático) y la visualización.

Área de descargas

• Compromiso de conocimientos previos
• Programa Big Data
• Horario Big Data
• QR Big data

Máster de Formación Permanente

N° edición: 10Ş Créditos: 60 ECTS Modalidad: Híbrida (presencial-virtual)

• Duración: De septiembre de 2025 a septiembre de 2026. El TFM podrá presentarse en septiembre de 2026 o en febrero de 2027
• Horario: Viernes de 17h a 21h, sábado de 10h a 14h (presencial) Jueves de 19h a 21h (online a través de Teams).
• Lugar de impartición: Escuela Politécnica Superior de la Universidad Autónoma de Madrid
• Precio: 4.900 con 10% de descuento para estudiantes UAM
• N° plazas ofertadas: 32 (mínimo 25)
• N° becas: 10%

Programa

Plan de estudios

Programa (60 ECTS)

Asignatura | ECTS | Tipo
---|---|---
Ciclo de vida analítico del dato | 4 | Obligatoria
Fundamentos: sistemas y arquitecturas (online) | 3 | Obligatoria
Fundamentos: lenguajes (online) | 3 | Obligatoria
Bases de datos NoSQL (online) | 3 | Obligatoria
Aplicaciones de IA en texto, imagen y audio | 4 | Obligatoria
Estadística | 3 | Obligatoria
Fundamentos de análisis de datos | 5 | Obligatoria
Ecosistema Spark | 3 | Obligatoria
Explotación y visualización | 3 | Obligatoria
Tecnologías en Inteligencia Artificial | 4 | Obligatoria
Fuentes de datos y aprovisionamiento | 4 | Obligatoria
Seguridad en Big Data, privacidad y protección de datos | 3 | Obligatoria
Infraestructura para Big Data | 6 | Obligatoria
Trabajo de Fin de Master | 12 | Obligatoria

Competencias

Competencias básicas

• Distinguir lo que es el Big Data (volumen, velocidad, variedad) y aprender por qué surge y cuáles son los retos clave dentro del área
• Determinar por qué las tecnologías de Big Data son necesarias en un número de dominios como las redes sociales, el transporte, las finanzas o la medicina
• Entender las capacidades de los sistemas NoSQL, sus ventajas y limitaciones
• Capacidad para modelar y resolver problemas utilizando análisis estadístico de datos.
• Utilizar técnicas de clasificación y análisis de datos.
• Conocer las principales técnicas de aprendizaje automático supervisado y no supervisado.
• Utilizar el nuevo modelo de programación MapReduce y saber en qué casos puede aplicarse
• Configurar sistemas multicore y multicpu para su utilización con MapReduce y Hadoop
• Definir los recursos necesarios para abordar aplicaciones que almacenan y procesan grandes volúmenes de datos, evaluando la idoneidad de su implementación en plataformas de computación y comunicación de altas prestaciones.
• Analizar los requisitos para una implementación eficaz de las aplicaciones de big data y de las características deseables en las arquitecturas donde se ejecutan.
• Instalar y administrar un cluster Hadoop y puesta en marcha del ecosistema de aplicaciones
• Utilizar la plataforma Hadoop así como las diversas herramientas del ecosistema Hadoop
• Comprender la importancia de construir sistemas de Big Data seguros y conocer las técnicas que pueden ayudar a ello.
• Utilizar técnicas de aprendizaje automático y minería de datos para inferir conocimiento a partir de los datos mediante Mahout.
• Aprender las técnicas de modelado de datos disponibles en R que permiten detectar tendencias y patrones en un conjunto de datos.
• Utilizar lenguajes como Python para realizar procesos parsing y scrapping sobre los datos, es decir, para tomar una presentación de una información (normalmente texto, aunque puede incluir información gráfica) y extraer los datos que dieron lugar a esa presentación.
• Dominar técnicas de visualización y aprender a crear visualizaciones interactivas
• Descubrir cómo pueden aplicarse métodos de análisis de datos en entornos masivos como las redes sociales, la web o las finanzas.

Profesorado

Dirección

• Estrella Pulido Cańabate, Profesora Titular de la Universidad Autónoma de Madrid, Escuela Politécnica Superior

Subdirección

• Francisco Javier Gómez Arribas, Profesor Titular de la Universidad Autónoma de Madrid, Escuela Politécnica Superior

Profesorado UAM

• Alaiz, Carlos
• Espósito, Carlos
• Fernández, Ángela
• Fierrez, Julian
• García Dorado, Jose Luis
• Gómez, Francisco
• González, Ana Maria
• González, Ivan
• Lago, Luis Fernando
• Martínez, Gonzalo
• Mora, Miguel Angel
• Morales, Aythami
• Oliva, Christian
• Pulido, Estrella
• Ramos, Daniel
• Ramos, Javier
• Rodríguez, Francisco
• San Miguel, Juan Carlos
• Sánchez Peńa, Juan Jose
• Sánchez, Manuel
• Vera, Rubén
• Villegas, Paulo

Profesorado externo

• Cano, Francisco J., IBM
• Galán, Sergio, ITEFI
• Gallego, Jenaro, Former IBM
• Gońi, Ainhoa, IIC
• Guerrero, Marta, IIC
• Leira, Rafael, Naudit
• Martínez, Sara, IBM
• Moreno, Victor, Conento
• Pérez, Pedro Luis, Telefonica Tech
• Torres, Alberto, Komorebi AI

Admisión y matrícula

Requisitos de acceso

• Para acceder a las enseńanzas propias de Máster de Formación Permanente, Diploma de Especialización y Diploma de Experto, será necesario un título universitario oficial de Grado, Licenciatura, Ingeniería Superior o Técnica, Arquitectura Superior o Técnica, Diplomatura o equivalente.
• Títulos universitarios conforme a sistemas educativos extranjeros sin necesidad de la homologación, siempre que acrediten un nivel de formación equivalente a los correspondientes títulos universitarios oficiales espańoles y que faculten en el país expedidor del título para el acceso a enseńanzas de posgrado.

Requisitos específicos de admisión

El título está dirigido a profesionales, expertos y consultores en el ámbito de la ingeniería TIC y de cualquier sector en el que se requiera el análisis de grandes volúmenes de datos. También está dirigido a ingenieros, licenciados y graduados en ingenierías, ciencias experimentales u otras titulaciones universitarias que justifiquen un perfil de ingreso adecuado a las materias propias del título de master. Excepcionalmente podrán acceder estudiantes próximos a la finalización de cualquiera de los estudios anteriormente relacionados.

También podrán acceder aquellas personas que, aun no cumpliendo los requisitos anteriores, cuenten con amplia experiencia, documentalmente acreditada, en el campo de las tecnologías TIC.

Criterios de selección

• Expediente académico: 20%
• CV que detalle la experiencia en programación: 30%
• Competencia documentada en el manejo de las TIC: 40%
• Nivel de inglés: 5%
• Otros méritos: 5%

Se realizará también una entrevista personal (cuando se considere pertinente) y será determinante.

Precios y becas

Precios y becas

Becas: 10% mínimo del número de alumnos matriculados

Para la concesión de becas se dará prioridad a los solicitantes en situación de desempleo y a los inscritos en el primer plazo.

Otros criterios que se tendrán en cuenta son el currículum académico y/o profesional y la Declaración de la Renta o documento similar.

Pago fraccionado: Sí. Precio total: **4.900 **

• Primer plazo (al formalizar la preinscripción): 300
• Segundo plazo (septiembre 2025): 1700
• Tercer plazo (febrero 2026): 1500
• Cuarto plazo (mayo 2026): 1400

En el caso de segunda o sucesivas matrículas, el importe de las tasas se verá incrementado un 50% sobre el precio por ECTS de la tasa de primera matrícula.

Entidades colaboradoras

Entidades colaboradoras

• IBM

Empleabilidad

Salidas profesionales

Algunos de los perfiles profesionales para los que capacita el master en Big Data y Data Science son los siguientes:

• Consultor de Big Data y analítica de datos
• Consultor de Business Intelligence
• Analista de datos
• Científico de datos
• CDO (Chief Data Officer)
• Arquitecto de proyectos Big Data
• Marketing Digital
• eCommerce / eBusiness
• Responsable de Seguridad en proyectos Big Data
• Responsable de Privacidad en soluciones Big Data
• Auditor de sistemas Big Data