FOLLETO |
 |
Preinscripción y Matrícula |
TRABAJO DE FIN DE MÁSTER (TFM) |
NORMATIVA |
CALIDAD |
Documentación oficial |
PROGRAMA |
Buzón de Sugerencias |
Máster Interuniversitario organizado en colaboración con la Universidad de Cantabria
VII Edición. Del 2 octubre de 2023 al 29 de mayo de 2024
La Universidad Internacional Menéndez Pelayo (UIMP) y la Universidad de Cantabria (UC) han programado, en alianza académica, el Programa Oficial de Máster Interuniversitario en Ciencia de Datos / Master in Data Science.
El objetivo de este Máster es proporcionar a los estudiantes la visión y técnicas necesarias de Ciencia de Datos (Data Science) para abordar los retos asociados al uso de datos complejos, variados, de gran volumen (Big Data) y herramientas asociadas, desde un entorno de Ciencia Abierta (Open Science).
Para ello se espera transmitir a los alumnos la experiencia adquirida por los diferentes grupos de investigación que colaboran en este Máster, cubriendo las diversas áreas en base a su experiencia en múltiples proyectos.
Se espera que los estudiantes sean capaces de incorporarse tras cursar este Máster Universitario a un entorno profesional especializado, bien en actividades de investigación o de explotación, y para ello se promoverán las prácticas y trabajos de fin de máster ligados a empresas y/o grupos de investigación y el trabajo intensivo con datos de interés real en diferentes áreas específicas mediante los denominados Datalabs.
Plazo de preinscripción ordinario: del 03 de marzo al 8 de junio de 2023 (hasta las 12:00 horas de Madrid).
Consultas relacionadas con preinscripción y admisión: preinscripcion.posgrado@uimp.es
Plazo de formalización de matrícula: a partir del 27 de junio de 2023, en los 10 días naturales a contar desde la recepción de la notificación de admisión.
Plazo de entrega de documentación: desde el momento de formalización de la matrícula hasta las dos primeras semanas de curso.
Consultas relativas a matriculación y otros trámites relacionados con estudios de posgrado: alumnos.posgrado@uimp.es
Se puede consultar información adicional en este enlace.
Lara Lloret Iglesias, Investigadora Postdoctoral, Instituto de Física de Cantabria (IFCA), CSIC-UC
Francisco Matorras Weinig, Catedrático de Física Atómica, Molecular y Nuclear, Universidad de Cantabria (UC)
Consultas académicas: info-masterdatascience@listas.csic.es
Castellano e Inglés
La admisión de candidatos será decidida por la Comisión Académica del Máster atendiendo a las condiciones de acceso y requisitos específicos de admisión del programa, con el objeto de no sobrepasar el número de 15 plazas establecido como máximo de plazas a ofertar.
Facultad de Ciencias de la Universidad de Cantabria
Avenida de Los Castros, 48. 39005 Santander (Cantabria), España
Las clases se impartirán de octubre a mayo, de lunes a viernes, en horario de 15:30 a 19:30 horas (no todos los viernes habrá clase).
El Máster Universitario en Ciencia de Datos / Master in Data Science tiene una carga lectiva de 60 créditos ECTS, que se distribuyen en dos cuatrimestres (un curso académico).
El programa se estructura en 36 créditos obligatorios, 18 créditos optativos y 6 créditos de Trabajo de Fin de Máster, y posee cuatro especialidades.
La estructura de plan de estudios en función de las 4 especialidades es la siguiente:
Esta especialidad tiene como objetivo proporcionar al estudiante un contacto directo con las tecnologías, principalmente de ingeniería informática, que permiten el despliegue de las herramientas de análisis de datos y el desarrollo e implementación de nuevas soluciones.
Módulo I - Fundamentos (30 ECTS): asignaturas 102263 a 102267
Módulo II - Especialización - Inteligencia en Ciencias de Datos / Data Science Analytics (12 ECTS): asignaturas 102268 a 102270
Módulo III - Contexto profesional (6 ECTS): asignaturas 102277 y 102278
Módulo IV - Orientación profesional (6 ECTS) - El estudiante debe seleccionar al menos 1 de las siguientes asignaturas optativas de 6 créditos: asignaturas 102279 a 102285
Módulo V - Trabajo de fin de Máster - Inteligencia en ciencia de datos / Data science analytics: asignatura 102286
Esta especialidad tiene como objetivo proporcionar al estudiante los conocimientos básicos sobre las distintas metodologías y técnicas de aprendizaje automático (machine learning) para que sepan aplicarlas de forma crítica en problemas reales, incluyendo la minería de textos y la minería Web.
Módulo I - Fundamentos (30 ECTS): asignaturas 102263 a 102267
Módulo II - Especialización - Ingeniería de Datos / Data Science Engineering (12 ECTS): asignaturas 102271 a 102273
Módulo III - Contexto profesional (6 ECTS): asignaturas 102277 y 102278
Módulo IV - Orientación profesional (6 ECTS) - El estudiante debe seleccionar al menos 1 de las siguientes asignaturas optativas de 6 créditos: asignaturas 102279 a 102285
Módulo V - Trabajo de fin de Máster - Ingeniería de Datos / Data Science Engineering: asignatura 102287
Esta especialidad tiene como objetivo proporcionar al estudiante un contacto directo con las tecnologías utilizadas para la implementación de repositorios de datos y su posterior explotación.
Módulo I - Fundamentos (30 ECTS): asignaturas 102263 a 102267
Módulo II - Especialización - Gestión de Datos en Abierto / Open Data Management (12 ECTS): asignaturas 102274 a 102276
Módulo III - Contexto profesional (6 ECTS): asignaturas 102277 y 102278
Módulo IV - Orientación profesional (6 ECTS) - El estudiante debe seleccionar al menos 1 de las siguientes asignaturas optativas de 6 créditos: asignaturas 102279 a 102285
Módulo V - Trabajo de fin de Máster - Gestión de Datos en Abierto / Open Data Management: asignatura 102288
Esta especialidad tiene un perfil transversal y da libertad a los estudiantes para elegir 3 asignaturas de las 9 ofertadas en el Módulo de especialización.
Módulo I - Fundamentos (30 ECTS): asignaturas 102263 a 102267
Módulo II - Especialización (12 ECTS) - El estudiante debe escoger 3 asignaturas: asignaturas 102268 a 102276
Módulo III - Contexto profesional (6 ECTS): asignaturas 102277 y 102278
Módulo IV - Orientación profesional (6 ECTS) - El estudiante debe seleccionar al menos 1 de las siguientes asignaturas optativas de 6 créditos: asignaturas 102279 a 102285
Módulo V - Trabajo de fin de Máster - Ciencia de Datos / Data Science: asignatura 102289
AF1 - Participación y asistencia a lecciones magistrales y seminarios
AF2 - Realización de prácticas de computación y análisis de datos
AF3 - Desarrollo de proyectos guiados
AF4 - Participación en casos prácticos en empresas o centros de investigación
AF5 - Prácticas externas
AF6 - Tutorías (presenciales o por medio de recursos telemáticos)
AF7 - Elaboración de informes de laboratorio y trabajos
AF8 - Estudio individual de contenidos de la asignatura
AF9 - Trabajo en grupo
A10 - Pruebas de evaluación
SE1 - Examen (escrito, oral y/o práctico en el aula de computación)
SE2 - Valoración de informes y trabajos escritos
SE3 - Valoración de exposiciones orales de trabajos
SE4 - Seguimiento de actividades presenciales
SE5 - Memoria escrita del Trabajo de Fin de Máster
SE6 - Defensa del Trabajo de Fin de Máster
SE7 - Informe final del tutor externo de la actividad
La Ciencia de Datos, o Data Science como se conoce profesionalmente, es un campo emergente en ciencia y tecnología que requiere de una aproximación multidisciplinar, combinando conocimientos normalmente dispersos entre diferentes áreas temáticas (Matemáticas, Física, Informática).
Además, esta aproximación debe tener en cuenta la relevancia de los problemas conocidos como Big Data, que han tenido un gran impacto en múltiples dominios tanto en la investigación como en la industria, y que requieren un replanteamiento y rediseño de los cursos usuales y los modelos de educación correspondientes. Este no es un planteamiento nuevo y en la actualidad ya existen, en España y en todo el mundo, diferentes cursos a distintos niveles que abordan específicamente esta temática de Data Science.
Sin embargo, en estos últimos años aparecen nuevos componentes que motivan el interés de proponer este Máster en Ciencia de Datos / Master in Data Science con un enfoque específico a estos problemas de Big Data:
El creciente interés e impacto en múltiples áreas de los datos en abierto, conocidos como Open Data, que permiten abordar nuevos retos a la vez requieren de un esfuerzo considerable en la gestión integral de datos para su integración y reutilización. La rápida evolución del campo con aparición de nuevos estándares y sobre todo la necesidad de aplicación de buenas prácticas en la cada vez más compleja cadena de vida del ciclo de datos requiere de una formación específica y avanzada. El foro internacional conocido como RDA (Research Data Allianz) es un buen ejemplo de los esfuerzos en este sentido. Sus recomendaciones, desarrollos y acuerdos son un valioso material de formación para un profesional.
La reciente iniciativa del European Open Science Cloud, lanzada en la primavera de 2016 desde la DG Research, trata de conectar resultados del mundo de la investigación y las estrategias mercado único digital ("Digital Single Market"), una idea apoyada tanto por las instituciones europeas como por todos los países.
Este Máster aúna las capacidades y fortalezas de la Universidad Internacional Menéndez Pelayo (UIMP) y la Universidad de Cantabria (UC), formalizadas mediante un convenio específico para desarrollar éste y otros másteres oficiales.
De igual forma, este título se apoya en el convenio establecido entre la UIMP y el Consejo Superior de Investigaciones Científicas (CSIC) para la enseñanza de postgrado.
La alianza entre estas dos Universidades y el CSIC para el desarrollo de este máster, junto con la coordinación desde el Instituto de Física de Cantabria (IFCA, Centro Mixto CSIC-UC) y la Facultad de Ciencias de la UC, permiten contar con un profesorado de alto grado de especialización con una clara visión Open Science y que aporta su experiencia de enfoque científico, desde el conocimiento del ciclo de vida de los datos y su importancia, a las técnicas prácticas de adquisición de datos, curación, procesado, simulación, validación, y preservación, aplicadas en grandes proyectos científicos pero también en iniciativas locales.
Además, los alumnos podrán acceder a recursos de computación de la escala requerida para abordar problemas reales, incluyendo supercomputadores, grandes sistemas de almacenamiento y sistemas Cloud, así como a entornos actuales de desarrollo y aplicación de soluciones.
CG1 - Integrarse eficazmente en un grupo de trabajo y trabajar en equipo, compartir la información disponible e integrar su actividad en la actividad del grupo colaborando de forma activa en la consecución de objetivos comunes
CG2 - Capacidad de estudio, síntesis y autonomía suficientes para desarrollar de forma autónoma proyectos básicos de investigación
CG3 - Redactar documentos científicos y técnicos, en particular artículos científicos
CG4 - Saber preparar y conducir presentaciones, ante públicos especializado, sobre una investigación o proyecto científico
CG5 - Planificar, diseñar y poner en marcha un proyecto avanzado
CG6 - Buscar, obtener, procesar, comunicar información y transformarla en conocimiento
CG7 - Conocer las herramientas metodológicas necesarias para desarrollar proyectos avanzados
CG8 - Capacidad de actualización de los conocimientos expuestos en el ámbito de la comunidad científica
CT1 - Analizar y combinar información utilizando diferentes fuentes
CT2 - Conocer la problemática ética y legal relacionada con el análisis de datos y entender su importancia para una sociedad basada en los valores de la libertad, la justicia, la igualdad y el pluralismo
CT3 - Dominio de la gestión del tiempo
CT4 - Afrontar tareas y situaciones críticas
CT5 - Capacidad de trabajo autónomo y toma de decisiones
CT6 - Capacidades asociadas al trabajo en equipo: cooperación, liderazgo, saber escuchar
DSDA01 - Utilizar el análisis predictivo para analizar grandes volúmenes de datos y descubrir nuevas relaciones
DSDA02 - Utilizar técnicas estadísticas apropiadas sobre los datos disponibles para lograr una visión adecuada de los mismos
DSDA04 - Investigar y analizar conjuntos de datos complejos, combinando diferentes fuentes y tipos de datos para mejorar el análisis global
DSDA05 - Utilizar diferentes plataformas de análisis de datos para procesar datos complejos
DSDA06 - Capacidad de representación de datos variables y complejos para su visualización
DSDM01 - Desarrollar e implementar una estrategia de gestión de datos, en particular, en la forma de un plan de gestión de datos (DMP)
DSDM02 - Desarrollar e implementar modelos de datos, incluidos los metadatos
DSDM03 - Recoger e integrar diferentes fuentes de datos y su ingestión para su posterior análisis
DSDM05 - Asegurar la calidad de los datos, su accesibilidad, y su forma de publicación (curación)
DSDM06 - Administrar los DPI (Derechos de Propiedad Intelectual) y cuestiones éticas en la gestión de datos
DSENG01 - Aplicar los principios de ingeniería a la investigación, diseño y desarrollo de un prototipo de aplicaciones de análisis de datos, o al desarrollo de estructuras, instrumentos, máquinas, experimentos, procesos, sistemas requeridos para ello
DSENG02 - Desarrollar y aplicar soluciones computacionales para problemas en un cierto dominio de aplicación, usando una amplia gama de plataformas de análisis de datos
DSRM01 - Crear nuevas visiones y capacidades mediante el uso del método científico (hipótesis, prueba y evaluación)
DSRM02 - Realizar un estudio sistemático dirigido hacia un conocimiento más completo o la comprensión de los hechos observables, y descubrir nuevos enfoques para lograr los objetivos en investigación o de organización
DSRM03 - Llevar a cabo un trabajo creativo, haciendo uso sistemático de la investigación o la experimentación, para descubrir o revisar nuestro conocimiento de la realidad, y utilizar este conocimiento en nuevas aplicaciones
DSRM04 - Capacidad para convertir las estrategias en planes de acción y llevar estos hasta su conclusión
DSRM06 - Aplicar el ingenio propio para resolver problemas complejos y desarrollar ideas innovadoras
DSBPM01 - Comprender un área de investigación o negocio y ser capaz de traducir los problemas no estructurados a un marco matemático abstracto
DSBPM02 - Utilizar los datos disponibles para mejorar los servicios existentes o desarrollar nuevos servicios
DSBPM03 - Participar de manera estratégica y tácticamente, aportando la visión de Data Science, en las decisiones que tienen un impacto en administración y organización
DSBPM04 - Proporcionar servicios de apoyo científico, técnico y analítico a otras secciones en la organización
El Máster Universitario en Ciencia de Datos / Master in Data Science está especialmente dirigido a titulados de Grado/Licenciatura de 240 créditos en Matemáticas, Física, e Ingeniería Informática, que serán admitidos sin necesidad de complementos formativos.
Dado que parte de la docencia se impartirá en inglés se exigirá acreditar un nivel de inglés equivalente al B2. En ausencia de una acreditación oficial, esta capacidad podrá ser verificada con una prueba propia del Centro de Idiomas de la Universidad de Cantabria.
Los estudiantes procedentes de titulaciones de Grado de 240 créditos en Ingeniería de Telecomunicaciones, Economía u otros títulos equivalentes, así como de cualquiera de las titulaciones mencionadas pero de 180 créditos, nacionales o extranjeros, podrán ser admitidos sin complementos formativos si acreditan una formación de al menos 24 créditos de matemáticas (que incluyan estadística) y al menos 12 de informática (que incluya programación) en su formación universitaria. En caso contrario podrán ser admitidos bajo la condición de realización de hasta 30 créditos de complementos formativos.
El Máster tiene una orientación profesional hacia el mundo empresarial. Además de por el contenido de la formación, este enfoque viene refrendado por la participación de profesionales de diversas empresas y la posibilidad de realizar prácticas externas.
Sin embargo, la formación ofrecida permite también una orientación académico-investigadora, que permita el paso a la realización de una tesis doctoral. Esta orientación se ve refrendada por la realización de un TFM junto con la estancia en distintos laboratorios, incorporando al alumno en alguno de los grupos de investigación de los profesores participantes en el Máster.
Los estudios conducentes a este título permitirán la posterior incorporación en centros o equipos de I+D+i tanto públicos como privados, incluyendo empresas, para el trabajo en proyectos relacionados con las tecnologías de Data Science.
En este Máster en Data Science podrás:
Conocer y aplicar, de la mano de expertos del CSIC, de la Universidad de Cantabria, y de empresas especializadas de toda España, las técnicas más actuales en Data Science, y serás capaz de plantear un proyecto que te conecte con tu futuro profesional.
Acceder a los mejores recursos de datos y computación de Europa.
Desarrollar prácticas en empresas y grupos de investigación punteros en áreas cómo Economía y Finanzas, Internet of Things, Biomedicina, Medio Ambiente, Meteorología, Física y Astronomía, Ciencias Sociales, etc.
Encontrar diferentes formas de apoyo para cubrir el coste de matrícula.
Compaginar este Máster con tu actividad profesional, si es necesario.
Iniciar una carrera en investigación si lo deseas, ya que da acceso a programas de doctorado.
Acceso con título universitario oficial español o del Espacio Europeo de Educación Superior (EEES): La admisión en el Máster Universitario en Ciencia de Datos / Master in Data Science requiere estar en posesión de un título universitario oficial español u otro expedido por una institución de educación superior perteneciente a otro Estado integrante del EEES que faculten, en el país expedidor del título, para el acceso a las enseñanzas de Máster Universitario.
Acceso con un título universitario ajeno al EEES: Podrán ser admitidos los titulados conforme a sistemas educativos ajenos al EEES sin necesidad de homologación de sus títulos, previa acreditación de un nivel de formación que sea equivalente al de los correspondientes títulos universitarios oficiales españoles y que faculte en el país expedidor del título para el acceso a enseñanzas de posgrado.
El acceso de estos estudiantes está condicionado a la resolución favorable del Rector. La resolución del Rector no implicará, en ningún caso, la homologación del título previo de que esté en posesión el interesado, ni su reconocimiento a otros efectos que el de cursar las enseñanzas de Máster.
Las solicitudes de admisión han de efectuarse a través del formulario de "Preinscripción on-line" al que se accede desde la web de la UIMP en http://www.uimp.es/preins/index.php. Al formalizar la preinscripción se debe adjuntar en formato PDF la documentación requerida, aunque los documentos no es necesario que en el momento de la preinscripción se encuentren compulsados. No obstante, conviene ir tramitándolos porque será imprescindible para formalizar la matrícula, en caso de ser admitido.
Dado que parte de la docencia se impartirá en inglés se exigirá acreditar un nivel de inglés equivalente al B2. En ausencia de una acreditación oficial, esta capacidad podrá ser verificada con una prueba propia del Centro de Idiomas de la UC.
Podrán acceder de manera directa los licenciados o graduados en Matemáticas, Física o Ingeniería Informática con 240 o más créditos de formación universitaria.
También tendrán acceso, sin necesidad de cursar complementos de formación, los graduados de universidades extranjeras en estas titulaciones, siempre que les permitan acceso a estudios de postgrado en su país, si acreditan haber cursado al menos 24 créditos de matemáticas (que incluya estadística) y 12 de informática (que incluya programación).
Igualmente, titulados o graduados de otras Ingenierías o de Economía (con formación de 240 créditos o más), siempre y cuando acrediten al menos 24 créditos de matemáticas (que incluya estadística) y 12 de informática (que incluya programación).
Alumnos con las titulaciones indicadas en ii) o iii) podrán ser admitidos con complementos formativos de hasta 30 créditos si no cumplen los requisitos formativos arriba indicados.
Fotocopia del DNI (en el caso de los ciudadanos españoles) o del pasaporte o NIE (en el caso de los ciudadanos extranjeros).
Fotocopia del Título que da acceso a los estudios de Máster Universitario, o del justificante de haber abonado los derechos de expedición.
Certificación académica personal.
Fotografía tamaño carnet, en formato JPG, identificando el archivo con los apellidos y nombre -sin espacios- del estudiante.
Curriculum vitae (máximo 4 páginas), en formato PDF, que permita valorar otros méritos adecuados al perfil de ingreso.
Los estudiantes con título extranjero no homologado o en trámite de homologación, deberán aportar además:
Certificación de la universidad donde hayan cursado los estudios, en la que conste que los mismos facultan para el acceso a estudios de posgrado en el país expedidor.
Certificación académica personal en la que deberá constar la duración oficial en años académicos, el plan de estudios seguido, las asignaturas cursadas, su calificación y la carga lectiva de cada una de ellas.
NOTA: Los estudiantes con titulación extranjera no homologada o en trámites de homologación deberán presentar los documentos debidamente legalizados y traducidos al castellano, en su caso.
La documentación original requerida SOLO debe presentarse en la Secretaría de Estudiantes (C/ Isaac Peral 23. 28040 Madrid, España) en el caso de que la solicitud sea admitida por la Comisión Académica del Máster.
Se garantizará la accesibilidad universal y se supervisará que los estudiantes con discapacidad dispongan de los recursos y apoyos necesarios para el correcto desarrollo del Máster, solicitándoles al hacer la preinscripción que indiquen sus necesidades específicas.
En este enlace se puede consultar el Protocolo UIMP para la atención de estudiantes con necesidades educativas específicas derivadas de discapacidad.
En el caso de que el número de solicitudes superase el número máximo de estudiantes de nuevo ingreso, los alumnos serán admitidos atendiendo al siguiente criterio de valoración:
a) Expediente académico.
b) En caso de dudas o empates, se realizará una entrevista personal al alumno.
La Comisión Académica podrá admitir al alumno y asignarle hasta un máximo de 30 créditos en complementos de formación. Así, el alumno que no acredite una formación suficiente en matemáticas y/o informática, deberá realizar unos complementos de formación de los que hasta 18 serán de matemáticas y 12 de informática.
Excepcionalmente, si la formación complementaria necesaria no representa una carga adicional excesiva para el alumno, la Comisión Académica del título podrá autorizar que sea cursada simultáneamente con el programa. Este proceso se realiza siempre designando al alumno un Tutor (profesor del Máster), el cual llevará a cabo un seguimiento personalizado del alumno para garantizar su éxito en la realización de los complementos a cursar.
Cada curso académico dicha Comisión hará pública la lista de admisión en la página web de la UIMP.
Se ha previsto la impartición de hasta 30 créditos de complementos de formación en asignaturas de primer y segundo curso de los grados de Matemáticas, Ingeniería Informática y Física de la UC para completar la formación del alumno que lo necesite.
Los complementos de formación incluyen dos materias que se distribuyen a su vez en asignaturas de la siguiente manera:
Matemáticas (18 créditos)
Complementos de Álgebra: 6 créditos
Complementos de Probabilidad y Estadística: 6 créditos
Complementos de Análisis Matemático: 6 créditos
Informática (12 créditos)
Complementos de Programación: 6 créditos
Complementos de Sistemas Informáticos: 6 créditos
Una vez matriculados, e independientemente de la institución en que lo hagan (UIMP o UC), los estudiantes van a recibir apoyo y orientación por diversas vías:
Página web de la UIMP y de la Facultad de Ciencias de la UC que incluirá información académica general, así como información particular sobre este Máster Universitario.
Tutorización personalizada: Asesoramiento en asuntos académicos.
Plataforma virtual interactiva, en la que se transmitirá al estudiante todos los programas, presentaciones, apuntes, grabaciones de las clases (cuando sea posible), prácticas, calendario de actividades y material necesario para el desarrollo de las diferentes asignaturas. Asimismo, dicha plataforma constituye el mecanismo por el cual los estudiantes realizan o entregan al profesor gran parte de los trabajos prácticos, incluyendo la realización de tests, resolución de problemas, etc.
Biblioteca de la UC: Cursos sobre localización de información.
SOUCAN: Técnicas y orientación para el estudio, comunicación oral e inteligencia.
La Comisión Académica del máster guiará al alumnado en todos los aspectos académicos que no puedan ser resueltos directamente por los profesores. En la realización de prácticas externas, datalabs y TFM, el alumno tendrá asignado un profesor que actuará como tutor o director, y se encargará de hacer el seguimiento, supervisión y orientación del trabajo a lo largo de las mismas.
Francisco Matorras Weinig. Catedrático de Física Atómica, Molecular y Nuclear, Universidad de Cantabria (UC)
Lara Lloret Iglesias. Investigadora Postdoctoral, Instituto de Física de Cantabria (IFCA), CSIC-UC
Francisco Matorras Weinig. Catedrático de Física Atómica, Molecular y Nuclear, Universidad de Cantabria (UC)
Lara Lloret Iglesias. Investigadora Postdoctoral, Instituto de Física de Cantabria (IFCA), CSIC-UC
José Manuel Gutiérrez Llorente. Profesor de Investigación, Instituto de Física de Cantabria (IFCA), CSIC-UC
Antonio Santiago Cofiño González. Profesor Contratado Doctor, Universidad de Cantabria (UC)
Cristina Tirnauca. Profesora Ayudante Doctora, Universidad de Cantabria (UC)
Diego García Saiz. Profesor Ayudante Doctor, Universidad de Cantabria (UC)
Consultas académicas: info-masterdatascience@listas.csic.es
El personal académico del máster está formado por profesores de la Universidad de Cantabria (UC) e investigadores del Consejo Superior de Investigaciones Científicas (CSIC), todos ellos con una amplia y dilatada experiencia docente e investigadora en temas relacionados con la Ciencia de Datos.
Se verán complementados por expertos nacionales e internacionales de distintos centros de investigación y distintas áreas que aportarán su experiencia y visión. También se contará con numerosos profesionales de empresas de este ámbito que igualmente transmitirán su visión, próxima a la aplicación comercial.
Además, el curso cuenta con todos los medios a disposición de los investigadores en el European Open Science Cloud: desde grandes servidores de datos a supercomputadores, recursos normalmente al alcance de muy pocos profesionales, y de primer nivel internacional.
La relación detallada del profesorado del programa se puede consultar en el apartado de "Guías Docentes" de esta página web. Cada asignatura cuenta con un coordinador que garantiza el cumplimiento del programa docente.
Fernando Aguilar Gómez. Doctor en Ciencia y Tecnología, Instituto de Física de Cantabria (IFCA), CSIC-UC
Alicia Calderón Tazón. Investigadora Doctora Ramón y Cajal, Instituto de Física de Cantabria (IFCA), CSIC-UC
Antonio Santiago Cofiño González. Profesor Contratado Doctor, Universidad de Cantabria (UC)
Marcos Cruz Rodríguez. Profesor Titular de Estadística e Investigación Operativa, Universidad de Cantabria (UC)
Pablo María de Castro García. Profesor Asociado Doctor de la Universidad de Cantabria (UC), Socio-Director de Conceptual KLT, S.L.
José Manuel Gutiérrez Llorente. Profesor de Investigación, Instituto de Física de Cantabria (IFCA), CSIC-UC
Sixto Herrera García. Profesor Ayudante Doctor de Matemática Aplicada, Universidad de Cantabria (UC)
Álvaro López García. Investigador Postdoctoral, Instituto de Física de Cantabria (IFCA), CSIC-UC
Lara Lloret Iglesias. Investigadora Postdoctoral, Instituto de Física de Cantabria (IFCA), CSIC-UC
Francisco Matorras Weinig. Catedrático de Física Atómica, Molecular y Nuclear, Universidad de Cantabria (UC)
Pablo Orviz Fernández. Investigador, Instituto de Física de Cantabria (IFCA), CSIC-UC
Luis Ignacio Santamaría Caballero. Catedrático de Teoría de la Señal y Comunicaciones, Universidad de Cantabria (UC)
Joaquín Bedia Jiménez. Profesor Doctor en Ciencia, Tecnología y Computación, Universidad de Cantabria (UC)
Julio Ramón Beivide Palacio. Catedrático de Arquitectura y Tecnología de Computadores, Universidad de Cantabria (UC)
Domingo Gómez Pérez. Doctor en Ciencias Matemáticas y profesor del Área de Lenguajes y Sistemas Informáticos, Universidad de Cantabria (UC)
Begoña Torre Olmo. Profesora Titular de Economía Financiera y Contabilidad, Universidad de Cantabria (UC)
Ignacio Alejandro Varela Egocheaga. Profesor Contratado Doctor, Universidad de Cantabria (UC)
El alumno es evaluado de forma continua a través de pruebas parciales presenciales sobre el temario del programa docente, la contribución a los trabajos individuales o en equipo y la participación activa en las sesiones presenciales.
Los alumnos disponen de hasta cuatro convocatorias para aprobar cada asignatura, dos por curso académico matriculado con el plan de estudios en vigor, contabilizándose entre las cuatro tanto las convocatorias calificadas como aquellas no evaluadas.
Sin perjuicio del número máximo de convocatorias, para garantizar un rendimiento académico mínimo, y un aprovechamiento razonable, los alumnos habrán de superar un mínimo del 50% de los ECTS matriculados cada curso académico. Si no alcanzan este porcentaje, no podrán renovar la matrícula para continuar los estudios en la UIMP.
Los alumnos matriculados en el Máster obtendrán, al finalizar y superar el programa, el Título Oficial de Máster Universitario en Ciencia de Datos / Master in Data Science, expedido por el Rector de la Universidad en la que el alumno esté matriculado.