Máster en Data e Inteligencia Artificial

COMPETENCIAS GENERALES

CG1. Analizar, diseñar y aplicar soluciones basadas en datos y tecnologías de inteligencia artificial para impulsar la transformación digital, la innovación y la toma de decisiones en las organizaciones

CG2. Desarrollar e integrar infraestructuras, arquitecturas y modelos avanzados de ciencia de datos, Big Data y aprendizaje automático para la gestión, explotación y generación de conocimiento a partir de los datos

CG3. Evaluar, gobernar y asegurar sistemas de datos e inteligencia artificial, garantizando su fiabilidad, seguridad, escalabilidad, cumplimiento normativo y uso ético y responsable en entornos profesionales

COMPETENCIAS ESPECÍFICAS

CE1. Analizar la contribución del Big Data y la Ciencia de Datos a los procesos de transformación digital, considerando su impacto en la innovación, la toma de decisiones y la competitividad de las organizaciones

CE2. Implementar procesos de transformación digital mediante la definición de estrategias, la selección de tecnologías adecuadas y la utilización de indicadores de seguimiento para la evaluación de resultados

CE3. Valorar las implicaciones éticas, sociales y organizativas asociadas al uso de datos y tecnologías digitales, considerando aspectos de privacidad, seguridad, transparencia y responsabilidad en la gestión de la información

CE4. Identificar los principales tipos y subcampos de la inteligencia artificial, describiendo sus características, aplicaciones y limitaciones

CE5. Explicar los fundamentos básicos de la inteligencia artificial, incluyendo nociones de estadística, matemáticas, programación y datos

CE6. Identificar herramientas básicas de programación y gestión de datos en ciencia de datos, distinguiendo tipos de datos y estructuras de almacenamiento

CE7. Aplicar el ciclo de vida de la ciencia de datos en el desarrollo de procesos de análisis

CE8. Aplicar métodos de análisis descriptivo, predictivo y prescriptivo para la interpretación de datos

CE9. Analizar tecnologías de computación en la nube y su uso en procesos de ciencia de datos

CE10. Identificar las características, funcionalidades y aplicaciones de los distintos componentes de un stack digital, incluyendo infraestructuras, plataformas de almacenamiento, sistemas de procesamiento y herramientas de análisis y visualización de datos

CE11. Utilizar tecnologías, lenguajes y frameworks empleados en entornos de datos y aprendizaje automático para el desarrollo de procesos de tratamiento, análisis y explotación de información

CE12. Identificar soluciones basadas en stacks digitales mediante la selección, configuración y monitorización de tecnologías que garanticen la escalabilidad, seguridad y operatividad de los sistemas de datos

CE13. Analizar las características, ventajas, limitaciones y casos de uso de los distintos modelos de bases de datos NoSQL, considerando su adecuación a diferentes necesidades de almacenamiento y acceso a los datos

CE14. Gestionar modelos de datos y tecnologías NoSQL, teniendo en cuenta aspectos de consistencia, disponibilidad, escalabilidad y rendimiento en función de los requisitos del entorno de aplicación

CE15. Identificar políticas y prácticas de gobierno, privacidad y seguridad de los datos en entornos NoSQL mediante la aplicación de mecanismos de control, autenticación, cifrado y aseguramiento de la calidad de los datos

CE16. Preparar conjuntos de datos para su uso en modelos de machine learning, mediante técnicas de limpieza, transformación, normalización y gestión de valores atípicos y faltantes

CE17. Desarrollar modelos de machine learning adecuados a distintos tipos de problemas, aplicando técnicas de validación y ajuste de hiperparámetros

CE18. Evaluar modelos de machine learning mediante métricas y técnicas de validación, comprendiendo su comportamiento y su aplicación en entornos de producción

CE19. Aplicar técnicas de preprocesamiento, análisis y representación de texto utilizando herramientas y librerías especializadas

CE20. Aplicar modelos de procesamiento del lenguaje natural en tareas como clasificación de texto, análisis de sentimientos, modelado de temas y reconocimiento de entidades

CE21. Analizar grandes modelos de lenguaje y plataformas de modelos preentrenados en distintos escenarios de aplicación

CE22. Identificar las principales aplicaciones del Big Data en ámbitos como la personalización para consumidores, el turismo, la automoción, las redes sociales, la alimentación y las ciudades inteligentes

CE23. Evaluar casos de éxito basados en el uso del Big Data, considerando los objetivos perseguidos, las soluciones implementadas y los resultados obtenidos en diferentes sectores

CE24. Relacionar las necesidades y características de distintos contextos sectoriales con las posibilidades de aplicación de técnicas y estrategias basadas en datos para la mejora de productos, servicios y procesos

CE25. Diseñar y desarrollar soluciones avanzadas de IA generativa, aplicando modelos generativos, técnicas de prompt engineering, sistemas RAG, agentes inteligentes y frameworks especializados para resolver casos de negocio reales

CE26. Integrar y automatizar procesos empresariales mediante ecosistemas de IA, utilizando protocolos, herramientas y plataformas de orquestación que permitan la conexión de modelos, datos y aplicaciones para mejorar la productividad y la toma de decisiones

CE27. Evaluar, gobernar y asegurar sistemas de IA generativa, identificando riesgos técnicos y regulatorios, implementando mecanismos de protección y garantizando el cumplimiento de principios de seguridad, gobernanza de datos y normativa vigente

¿POR QUÉ ELEGIR NUESTRO MÁSTER?

SEMIPRESENCIAL

Combina la cercanía de las sesiones presenciales con la flexibilidad del entorno online. Adapta tus estudios a tu actividad laboral sin renunciar al contacto directo con profesores y compañeros.

ORIENTADOR PERSONAL

No estarás solo. Un orientador personal te acompañará durante el máster para ayudarte en cualquier problema o cuestión que pueda surgirte.

El Máster en Data e Inteligencia Artificial (semipresencial) de UCAV Business School va dirigido a profesionales que necesitan adquirir, mejorar o certificar sus conocimientos en ciencia de datos e inteligencia artificial.

El perfil de ingreso es amplio: desde titulados en ingenierías, informática, matemáticas o estadística, hasta profesionales de otras disciplinas que deseen adquirir competencias técnicas en datos e IA para aplicarlas en su sector.

El Máster en Data e Inteligencia Artificial va dirigido preferentemente a Licenciados o Graduados en:

• Ingeniería Informática
• Ingeniería de Telecomunicaciones
• Matemáticas y Estadística
• Física
• Ingeniería Industrial
• Bioinformática
• Ciencias Ambientales
• Administración y Dirección de Empresas
• Economía
• Cualquier titulación con interés o experiencia profesional en tecnología, datos o transformación digital

El Máster en Data e Inteligencia Artificial (semipresencial) ofrecerá una formación que permitirá a sus egresados desempeñar puestos y funciones relacionadas con la ciencia de datos y la inteligencia artificial en cualquier tipo de organización. Sin ser un listado cerrado, algunos de los puestos a desempeñar serían:

• Científico de datos, aplicando técnicas de análisis descriptivo, predictivo y prescriptivo
• Ingeniero de datos, diseñando e implementando arquitecturas y pipelines de datos escalables
• Especialista en machine learning, desarrollando y optimizando modelos de aprendizaje automático
• Especialista en NLP y modelos generativos, trabajando con procesamiento del lenguaje natural y grandes modelos de lenguaje
• Consultor en transformación digital e integración de IA en la empresa
• Responsable de gobernanza de datos y cumplimiento normativo en entornos de IA
• Desarrollador de soluciones de IA generativa, agentes inteligentes y automatización de procesos
• Analista de datos y business intelligence en entornos empresariales

Los módulos del 1 al 9 se evalúan mediante un examen tipo test final que supone el 100% de la calificación del módulo.

El Trabajo Fin de Máster se realiza y evalúa en fases. Al superar cada fase se accede a la siguiente. El TFM se considera superado cuando la nota obtenida es igual o superior a 7 sobre 10.

La calificación final es el resultado de multiplicar la nota obtenida en cada módulo por el número de créditos y dividir el sumatorio entre el total de créditos del programa.

ESCALA DE CALIFICACIONES

0 – 4,9: SUSPENSO (SS)

5,0 – 6,9: APROBADO (AP)

7,0 – 8,9: NOTABLE (NT)

9,0 – 10: SOBRESALIENTE (SB)