Descripción

Estudiar Ingeniería en Ciencia de Datos en línea en UVM te ayudará a obtener una sólida formación en las habilidades técnicas y analíticas necesarias para extraer conocimientos valiosos de grandes conjuntos de datos. Este programa te proporcionará una comprensión profunda en los principios fundamentales de la estadística y programación, así como experiencia práctica en el uso de herramientas y técnicas de análisis de datos.

El programa de Ingeniería de datos en línea tiene una duración de 3 años, en una modalidad de 9 cuatrimestres. Además, cuenta con diversas certificaciones como:

• Fundamento de la ciencia de datos – IBM
• Narrativa con datos - IBM
• Significado de datos y análisis - IBM
• Estadísticas para negocios – IBM
• Fundamentos de la nube - Amazon
• Aplicaciones de ciencia de datos – IBM
• Programación avanzada para ciencia de datos – IBM
• Arquitectura de almacenamiento en la nube – Amazon
• Autoaprendizaje de sistemas e inteligencia artificial – IBM
• Computación matemática para ciencia de datos – IBM
• Grandes volúmenes de datos – IBM
• Herramientas y técnicas avanzadas para ciencia de datos - IBM

Al elegir la carrera de ciencia de datos, obtendrás certificaciones con validez nacional e internacional que te permitirán ampliar tus oportunidades profesionales. Además, tendrás materias de certificación con Coursera y la opción a doble titulación, con nuestro convenio con National Louis University y el título internacional que incluye el Bachelor of Science in Management.

Con la flexibilidad que ofrecen las Ingenierías en línea UVM podrás avanzar en tu educación mientras administras tu tiempo personal y profesional.

Perfil de ingreso

• Interés por las ciencias básicas y exactas y su aplicación como el álgebra y la estadística.
• Entendimiento y aplicación básica de la informática.
• Contexto tecnológico y uso de tecnologías de la información.
• Análisis de la información, formulación de preguntas y conclusiones.
• Razonamiento lógico-matemático y facilidad para la expresión oral y escrita.

Perfil de Egreso:

• Manejo de métodos numéricos para el manejo de grandes volúmenes de datos.
• Administración en el almacenamiento y procesamiento de datos.
• Análisis e interpretación de información estadística.
• Creación de tableros de control para la visualización y presentación de análisis de datos.
• Evaluación y aplicación de técnicas específicas de captura, tratamiento y exploración de datos.

Primer Cuatrimestre

• Estrategias de aprendizaje y habilidades digitales


• Álgebra


• Lógica y programación estructurada


• Fundamentos de la ciencia de datos


• Narrativa con Datos

Segundo Cuatrimestre

• Empatía para resolver


• Cálculo


• Métodos numéricos


• Arquitectura empresarial


• Estadística descriptiva

Tercer cuatrimestre

• Solucionar para cambiar


• Ecuaciones diferenciales y series


• Seminario de actualización en ingeniería


• Matemáticas discretas


• Estadística inferencial

Cuarto cuatrimestre

• Transformar para impactar


• Enfoque sistémico


• Seminario de actualización en innovación


• Cultura internacional del trabajo


• Significado de datos y análisis

Quinto cuatrimestre

• Diseñar para compartir


• Programación orientada a objetos


• Seminario de actualización en emprendimiento social


• Bases metodológicas de la investigación


• Estructura y organización de datos

Sexto cuatrimestre

• Integrar para masificar


• Bases de datos relacionales


• Administración de bases de datos


• Programación concurrente


• Estadísticas para negocios

Séptimo cuatrimestre

• Resolver para escalar


• Fundamentos de la nube


• Análisis de ecosistemas digitales


• Planeación estratégica


• Métodos de clasificación


• Aplicaciones de ciencia de datos

Octavo cuatrimestre

• Programación avanzada para ciencia de datos


• Visualización gráfica de datos


• Bases de datos avanzadas


• Arquitectura de almacenamiento en la nube


• Taller de fortalecimiento al egreso I


• Soluciones avanzadas para ciencia de datos

Noveno cuatrimestre

• Taller de fortalecimiento al egreso ll


• Autoaprendizaje de sistemas e inteligencia artificial


• Grandes volúmenes de datos


• Taller de tendencias disciplinarias


• Computación matemática para ciencia de datos


• Herramientas y técnicas avanzadas para ciencia de datos