Acerca de Maestría en Inteligencia Artificial con Especialidad en Análisis de Datos
Perfil de Ingreso
Los profesionistas que aspiran a estudiar en esta maestría cuentan con las siguientes características:
- Personas interesadas en el análisis de los datos
- Trabajan en el sector de la inteligencia artificial
Perfil Profesional
Los profesionales que finalizan la Maestría conocen de primera mano las características clave de la tecnología de la Inteligencia Artificial y las ventajas que ofrece. Poseen conocimientos para aplicar el análisis de datos al campo de la inteligencia artificial y controlan grandes cantidades de datos con el estudio de Big Data que ayudan al proceso de aprendizaje automático de las máquinas.
Por lo tanto, algunas de las principales habilidades que adquieren estos profesionales son las siguientes
- Análisis de datos aplicados a la inteligencia artificial.
- Gestión de datos con Big Data.
- Procesos de aprendizaje automático de las máquinas.
Campo Laboral
Los egresados de la maestría pueden trabajar en los siguientes roles:
- Data Scientist.
- Data Analyst.
- Data Engineer.
- Arquitecto de datos.
- Director de datos.
Plan de Estudios
El plan de estudios de la Maestría en Inteligencia Artificial con Especialidad en Análisis de Datos está conformado por 12 asignaturas. A lo largo de los 21 meses de cursado, se prevé la enseñanza de aspectos relativos al procesamiento de datos, la ciencia de los datos, la programación y la inteligencia artificial. De esta manera, sus estudiantes logran establecer conexiones entre la inteligencia artificial y el análisis de datos.
ASIGNATURA 1. FUNDAMENTOS DE PROGRAMACIÓN
ASIGNATURA 2. DATOS MASIVOS EN LAS ORGANIZACIONES
ASIGNATURA 3. INTELIGENCIA ARTIFICIAL
ASIGNATURA 4. BASES DE DATOS
ASIGNATURA 5. FUNDAMENTOS DE MACHINE LEARNING
ASIGNATURA 6. MINERÍA DE DATOS
ASIGNATURA 7. DESCUBRIMIENTO DE CONOCIMIENTO CON LENGUAJE R
ASIGNATURA 8. PROCESAMIENTO DEL LENGUAJE NATURAL (PLN)
ASIGNATURA 9. APRENDIZAJE PROFUNDO (DEEP LEARNING)
ASIGNATURA 10. PROYECTO INTEGRADOR DE INTELIGENCIA ARTIFICIAL
ASIGNATURA 11. FUNDAMENTOS DEL ANÁLISIS DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
¿Qué es la ciencia de datos?
Herramientas necesarias para el científico de datos
Data Science & Cloud Computing
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
Introducción
El modelo relacional
Lenguaje de consulta SQL
MySQL Una base de datos relacional
UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
¿Qué es una base de datos NoSQL?
Bases de datos Relaciones Vs Bases de datos NoSQL
Tipo de Bases de datos NoSQL Teorema de CAP
Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASE DE DATOS NOSQL, MONGODB
¿Qué es MongoDB?
Funcionamiento y usos de MongoDB
Primeros pasos con MongoDB: Instalación y Shell de comandos
Creando nuestra primera base de datos NoSQL: Modelo e inserción de datos
Actualización de datos en MongoDB: Sentencias set y update
Trabajando con índices en MongoDB para optimización de datos
Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 5. PYTHON Y EL ANÁLISIS DE DATOS
Introducción a Python
¿Qué necesitas?
Librerías para el análisis de datos en Python
MongoDB, Hadoop y Python Dream Team del Big Data
UNIDAD DIDÁCTICA 6. R COMO HERRAMIENTA PARA BIG DATA
Introducción a R
¿Qué necesitas?
Tipos de datos
Estadística Descriptiva y Predictiva con R
Integración de R en Hadoop
UNIDAD DIDÁCTICA 7. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
Obtención y limpieza de los datos (ETL)
Inferencia estadística
Modelos de regresión
Pruebas de hipótesis
UNIDAD DIDÁCTICA 8. ANÁLISIS DE LOS DATOS
Inteligencia Analítica de negocios
La teoría de grafos y el análisis de redes sociales
Presentación de resultados
ASIGNATURA 12. BIG DATA
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
¿Qué es Big Data?
La era de las grandes cantidades de información. Historia del big data
La importancia de almacenar y extraer información
Big Data enfocado a los negocios
Open Data
Información pública
IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
Definición y relevancia de la selección de las fuentes de datos
Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 3. OPEN DATA
Definición, Beneficios y Características
Ejemplo de uso de Open Data
UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
Diagnóstico inicial
Diseño del proyecto
Proceso de implementación
Monitorización y control del proyecto
Responsable y recursos disponibles
Calendarización
Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 5. ECOSISTEMA HADOOP
¿Qué es Hadoop? Relación con Big Data
Instalación y configuración de insfraestructura y ecosistema Hadoop
Sistema de archivos HDFS
MapReduce con Hadoop
Apache Hive
Apache Hue
Apache Spark
UNIDAD DIDÁCTICA 6. WEKA Y DATA MINING
¿Qué es Weka?
Técnicas de Data Mining en Weka
Interfaces de Weka
Selección de atributos
