Ciencia de Datos Aplicada

Los objetivos de la Maestría en Ciencia de Datos y Aprendizaje Automático son promover la profundización y actualización de los conocimientos en las diferentes disciplinas relacionadas con la Ciencia de Datos y el Aprendizaje Automático. Se busca formar recursos humanos altamente capacitados para la investigación y el desarrollo científico-tecnológico, así como para el ejercicio innovador en la profesión y la resolución de problemas específicos de la industria nacional, promoviendo el desarrollo de la misma. Asimismo se busca formar profesionales con una actitud crítica ante las nuevas posibilidades y tecnologías, y con la capacidad de aplicarlas a la resolución de las necesidades de la sociedad uruguaya en el área.

El egresado adquiere formación en diferentes disciplinas de la Ciencia de Datos y el Aprendizaje Automático. Esto lo capacita en la recolección, depurado, modelado, representación y análisis de datos para resolver problemas como los que se presentan en la industria o la academia.
De igual modo adquiere capacidades para interpretar, visualizar y comunicar los resultados obtenidos. A la vez, es capaz de entender los fundamentos matemáticos y algorítmicos detrás de los métodos de la ciencia de datos y del aprendizaje automático, y comprender la literatura especializada de la disciplina. Por lo tanto, es capaz de proponer y desarrollar nuevos métodos y algoritmos adaptados al tipo de datos y al problema que tenga que resolver.

Algoritmos Evolutivos
Álgebra Lineal Numérica
Análisis de Datos en Redes
Aprendizaje Automático
Aprendizaje Automático para Datos en Grafos
Aprendizaje Profundo para Visión Artificial
Estadística Multivariada ComputacionaI
Herramientas para el Diseño y Análisis de Redes de Transporte Urbano
Optimización Continua y Aplicaciones
Recuperación de Información y Recomendaciones en la Web
Simulación a Eventos Discretos
Teoría y Algoritmia de Optimización
Tratamiento de Imágenes por ComputadoraI
Redes Neuronales para el Procesamiento de Lenguaje Natural
Análisis de Redes de Transporte Urbano
Bases de datos no relacionales
Computación de Alta Performance
Computación de Propósito General en GPU
Estimación y Predicción en Series Temporales
Estimación Numérica Monte Carlo
Introducción a la Ciencia de Datos
Introducción al Procesamiento de Lenguaje Natural
Introducción a la Teoría de la Información
Métodos eficientes de simulación para la estimación de confiabilidad de redes
Sistemas de Información para el Análisis de Grandes Volúmenes de Datos
Tratamiento de imágenes por computadora
Visualización de Datos
 

Se requiere el 80% de asistencia para la aprobación de los cursos y un mínimo de 3 en la escala de calificaciones y un máximo de 12.
Estructura de gobierno que rige el posgrado:
-Director de Instituto.
Pro Director de Posgrados
Scapa Informática.
Referentes de carreras de posgrado.
 

Condición 1: Contar con un título de grado en carreras que incluyan formación en
matemática e informática, otorgado por la Universidad de la República de al menos 360 créditos. Condición 2: Contar con formación equivalente que, a juicio de la Comisión de Posgrado, permita la realización y aprovechamiento del Plan de Estudios del diploma de Especialización en Ciencia de Datos o Maestría en Ciencia de Datos Aplicada.

 

Dra.Ing.Aiala Rosá aialar@fing.edu.uy

Montevideo