Ciencia de Datos (NUEVA)

Ciencia de Datos

La Tecnicatura Superior en Ciencia de Datos ofrece una sólida base científico-tecnológica orientada a formar profesionales capaces de implementar, operar, desplegar y mantener soluciones operativas basadas en la analítica de datos e introducción al aprendizaje automático para diversos sectores productivos, corporativos y sociales. Esta propuesta prepara al estudiante para intervenir operativamente en la resolución de problemas del entorno socioproductivo mediante la utilización de flujos de datos y algoritmos, aplicando sistemas analíticos en contextos estratégicos como la salud, las finanzas, la industria, la educación, las comunicaciones, el medioambiente y el gobierno.

Título
Técnico Superior en Ciencia de Datos
Duración / Carga horaria
3 años (1483 h. reloj)
Plan de pago
Matrícula de Inscripción + 12 pagos por año
Modalidad de cursado
Virtual

¿Qué es la Ciencia de Datos?

La Ciencia de Datos constituye uno de los campos de más rápido crecimiento en el panorama tecnológico y productivo contemporáneo. Se caracteriza por ser un ecosistema que integra de manera práctica diversas disciplinas fundamentales: la estadística, la programación y el dominio del negocio, guardando a su vez una estrecha relación de similitud y diferencia con la informática y la inteligencia artificial. Dentro de este marco, el dato deja de ser un elemento aislado para ser considerado como un bien estratégico y una expresión directa del comportamiento humano.

Como área de conocimiento en rápida evolución, sus aplicaciones alcanzan todos los sectores de la vida cotidiana y productiva. En el escenario actual de la denominada "Economía de Datos", esta disciplina se vuelve la respuesta para consolidar una cultura orientada a los datos (Data-Driven), capacitada para procesar información estructurada y no estructurada en tiempo real con el fin de optimizar procesos. De este modo, la Ciencia de Datos abarca de forma práctica el ciclo completo de procesamiento y linaje del dato (data pipeline), instrumentando técnicas aplicadas de aprendizaje automático (machine learning), minería de datos, procesamiento de datos masivos (Big Data) y servicios en la nube (cloud computing) para resolver problemáticas del contexto real.

Perfil profesional

  • Colaborar eficazmente con profesionales de diversos campos y desempeñarse en el análisis y gestión de datos.
  • Manipular y analizar grandes volúmenes de datos mediante la aplicación de técnicas de aprendizaje automático y análisis predictivo, aportando soporte cuantitativo para la toma de decisiones informadas y estratégicas.
  • Desarrollar visualizaciones claras e interactivas y aplicar la narración de historias con datos (Data Storytelling) para presentar hallazgos técnicos de manera clara y efectiva a públicos no especializados.
  • Identificar y mitigar riesgos organizacionales, garantizando la integridad, la protección y el tratamiento lícito y ético de la información manejada.
  • Documentar de manera rigurosa cada etapa de su labor profesional, registrando especificaciones, código y procedimientos que faciliten la evaluación, replicabilidad y mejora continua de los desarrollos

Área ocupacional

  • Empresas y startups dedicadas al desarrollo de soluciones inteligentes para sectores como salud, finanzas, educación, industria y comercio electrónico.
  • Equipos interdisciplinarios en organizaciones públicas o privadas que requieran el análisis de grandes volúmenes de datos o la implementación de sistemas de inteligencia artificial, visión por computadora y procesamiento de lenguaje natural.
  • Consultoras tecnológicas o emprendimientos propios, brindando servicios de implementación, configuración y mantenimiento operativo de canalizaciones de datos y modelos analíticos aplicados.
  • Unidades de innovación tecnológica y laboratorios de desarrollo aplicado, colaborando en tareas de despliegue operativo, curación de datos, testeo de calidad de código y reentrenamiento de algoritmos.

Plan de estudios

Primer año

Primer cuatrimestre

  • Alfabetización Académica
  • Álgebra
  • Análisis Matemático
  • Fundamentos de Programación

Segundo cuatrimestre

  • Matemática Discreta
  • Base de Datos Relacionales
  • Análisis y Visualización de Datos
  • Introducción a la Ciencia de Datos
  • Práctica Profesionalizante I

Segundo año

Primer cuatrimestre

  • Traducción e Interpretación de Textos
  • Modelado Estadístico para la Toma de Decisiones
  • Captura y Análisis Exploratorio de Datos
  • Minería de Datos

Segundo cuatrimestre

  • Base de Datos No Relacionales
  • Introducción a Machine Learning
  • Big Data
  • Práctica Profesionalizante II (anual)

Tercer año

Primer cuatrimestre

  • Protección y Gobernanza de los Datos
  • Estructura de Datos
  • Introducción a la Inteligencia Artificial
  • Programación para la Ciencia de Datos

Segundo cuatrimestre

  • Gestión de Proyectos
  • Redes Neuronales y Aprendizaje Profundo
  • Computación en la Nube
  • Práctica Profesionalizante III (anual)