Programa de
Maestría en
Estadística Aplicada y Ciencia de Datos
SNIES: 110913.
Registro Calificado: Resolución 24183 del 23 de diciembre de 2021. Vigencia 7 años.
Inscripciones Abiertas
Título
Magister en Estadística Aplicada Y Ciencia de Datos
Créditos
48
Duración
3 semestres
Nivel de Formación
Maestría
Modalidad
Presencial
Periodicidad Admisiones
Semestral
Ciudad
Bogotá D.C.
Estadística Aplicada y Ciencia de Datos
Hoy en día, se hace necesario que el profesional de cualquier área del conocimiento que desee investigar, planificar o determinar estrategias competitivas en su campo, haga uso de principios estadísticos y se familiarice con algoritmos inteligentes para analizar muestras y grandes volúmenes de datos que le permitan obtener información de calidad para la toma de decisiones óptimas. Bien lo dice Yuval Noah Arari: “Nunca se han tomado tantas decisiones basadas en estadísticas, como hoy en día”.
Dirigido a
A nuestro programa pueden ingresar profesionales de todas las disciplinas del saber, que deseen obtener soluciones óptimas de problemas que afrontan las comunidades en su relación con el entorno, utilizando el análisis de datos, tanto en muestras como en grandes volumenes de estos, para lo cual cuentan con tres líneas de profundización como son: el Muestreo, la Bioestadística y la Ciencia de Datos.
Más de la Maestría
Características del programa
Objetivos
Formar a profesionales de distintas áreas del conocimiento en la aplicación estadística y ciencia de datos con capacidad para la recolección, análisis
e interpretación de estos, caracterizada por la explicación de fenómenos aleatorios y toma de decisiones mediante la utilización de herramientas computacionales de última generación que permitan un abordaje de muestras y grandes volúmenes de información. Esto les permitirá, además, aplicar la metodología y principios de la disciplina estadística y los algorítmos inteligentes, como marco científico de áreas y ciencias del conocimiento, tales como: medicina, economía, psicología, geología, astronomía, física, entre otras.
e interpretación de estos, caracterizada por la explicación de fenómenos aleatorios y toma de decisiones mediante la utilización de herramientas computacionales de última generación que permitan un abordaje de muestras y grandes volúmenes de información. Esto les permitirá, además, aplicar la metodología y principios de la disciplina estadística y los algorítmos inteligentes, como marco científico de áreas y ciencias del conocimiento, tales como: medicina, economía, psicología, geología, astronomía, física, entre otras.
Perfil ocupacional
La Estadística Aplicada y Ciencia de Datos le permiten al egresado participar en cualquier organización en labores investigativas fundamentadas en el análisis de datos y en las prácticas científicas propias de su campo; desarrollar competencias de comunicación de los conocimientos y resultados de la investigación; y aportar a la solución de problemas, tanto en el campo específico como en contextos interdisciplinarios.
Información académica
Otro de los principales aportes que diferenciarán el Programa de Maestría en Estadística Aplicada y Ciencia de Datos de la Universidad El Bosque de otros programas similares, es su enfoque hacia las aplicaciones en áreas como el muestreo, la bioestadística y la ciencia de datos, apoyadas en una sólida fundamentación teórica estadística e informática. Esto se aprecia en las tres líneas de énfasis que los estudiantes podrán elegir en el tercer cuatrimestre, inexistentes en otros programas nacionales similares que solo contienen algunos temas parciales.
Metodología
- Actividad magistral del docente haciendo exposición de los conocimientos y el análisis de casos, sucesos, procesos, con demostraciones, videos, modelos y otros.
- Talleres para reforzar y ampliar los conocimientos expuestos.
- Experiencias en laboratorio para verificar lo aprendido cuando hay componente práctico, con aplicaciones de pruebas y ensayos, con presentaciones experimentales del tema.
- Tutorías y acompañamiento académico al estudiante, con el propósito de remediar falencias de aprendizaje, consolidar y propender por la obtención de logros académicos.
- Estudio y trabajo independiente, asistido por nuevas tecnologías informáticas.
- Remisión del estudiante a bibliotecas y bases de datos, con el propósito de hacer revisiones bibliográficas.
- Muestras de trabajos, exposiciones y concursos para evidenciar la formación de competencias.
- Asistencia a los seminarios, conferencias y conversatorios que organizará el programa, para complementar la formación estudiantil.
- Talleres para reforzar y ampliar los conocimientos expuestos.
- Experiencias en laboratorio para verificar lo aprendido cuando hay componente práctico, con aplicaciones de pruebas y ensayos, con presentaciones experimentales del tema.
- Tutorías y acompañamiento académico al estudiante, con el propósito de remediar falencias de aprendizaje, consolidar y propender por la obtención de logros académicos.
- Estudio y trabajo independiente, asistido por nuevas tecnologías informáticas.
- Remisión del estudiante a bibliotecas y bases de datos, con el propósito de hacer revisiones bibliográficas.
- Muestras de trabajos, exposiciones y concursos para evidenciar la formación de competencias.
- Asistencia a los seminarios, conferencias y conversatorios que organizará el programa, para complementar la formación estudiantil.
Grupos de investigación
Grupo de investigación del Dpto. de Matemáticas, SIGNOS
Plan de Estudios
Malla Curricular
Semestre
1
INTRODUCCIÓN A LA ESTADÍSTICA Y PROBABILIDAD
El módulo explora datos con estadísticas resumidas, probabilidad y estadística inferencial para análisis y decisiones basadas en evidencia. La segunda etapa se enfoca en la programación en Python a través de Google Colaboratory, abarcando sintaxis, manipulación de datos y funciones. También se introduce el lenguaje R con Google Colab o RStudio para un aprendizaje profundo y práctico.
Créditos
6
ANÁLISIS MULTIVARIADO DE DATOS
Este módulo trata la interpretación de datos en bases de datos con variables relacionadas, esencial en Estadística Aplicada y Ciencia de Datos. Explora la descripción y agrupación de datos de individuos con múltiples variables, cruciales para comprender fenómenos complejos y tomar decisiones informadas en análisis de datos.
Créditos
3
MODELOS DE REGRESIÓN
En este módulo, se explorarán los métodos de regresión, los cuales son esenciales en el repertorio de herramientas estadísticas para analizar datos y se enmarcan en las metodologías de aprendizaje supervisado dentro de la ciencia de datos. El objetivo del curso es brindar a los estudiantes una comprensión sólida y la capacidad de aplicar diversas técnicas de regresión en diferentes situaciones problemáticas. El enfoque principal se encuentra en los aspectos prácticos y aplicados de estos métodos, promoviendo la adquisición de conocimientos a través de un aprendizaje significativo y orientado a la aplicación práctica.
Créditos
3
MUESTREO PROBABILÍSTICO
Este curso se enfoca en métodos de muestreo probabilístico para análisis en poblaciones, usando muestras representativas. Los estudiantes aprenden diseño de encuestas, identificando herramientas óptimas, explorando ventajas prácticas y teóricas. Adquieren habilidades para establecer diseños y estimar parámetros, tomando decisiones informadas.
Créditos
3
Semestre
2
MACHINE LEARNING I
En este módulo de Machine Learning, el objetivo principal es dotar a los estudiantes con un sólido conocimiento de los conceptos básicos, herramientas y aplicaciones del aprendizaje automático. Se busca capacitar a los estudiantes para enfrentar desafíos del mundo real, abordando desde la preparación de datos hasta la creación y evaluación de modelos de clasificación, predicción y más.
Créditos
3
Deep Learning I
En este módulo se brinda a los estudiantes un profundo entendimiento de los conceptos, técnicas y aplicaciones fundamentales de las redes neuronales. El enfoque se centra en proporcionar las habilidades necesarias para diseñar, entrenar y optimizar modelos de aprendizaje profundo para tareas como reconocimiento de patrones, procesamiento de imágenes y otras aplicaciones avanzadas.
Créditos
3
MÉTODOS DE MACHINE LEARNING EN BIOESTADÍSTICA
Este módulo es un curso que fusiona métodos estadísticos y de Machine Learning en el contexto de la Biología y Medicina. El objetivo es reforzar conceptos y técnicas relevantes para la salud y presentar enfoques novedosos de análisis de datos en este ámbito; enfocándose en la importancia de los métodos estadísticos en el procesamiento de grandes conjuntos de datos de salud y cómo estos son esenciales para la formación profesional en este campo.
Créditos
3
SEMINARIO DE INVESTIGACIÓN
El Seminario de Investigación se centra en la fase inicial del proceso de trabajo de grado. El objetivo principal de este curso es proporcionar a los estudiantes las herramientas y el conocimiento necesario para concebir, fortalecer y presentar de manera efectiva su propuesta de investigación.
Créditos
3
NIVEL DE PROFUNDIZACIÓN I
Según la línea de énfasis elegida:
Línea de Ciencia de Datos: Machine Learning II
Línea de Bioestadística: Epidemiología
Línea de Muestreo: Muestreo Avanzado
Créditos
3
Semestre
3
Nivel de Profundización II
Según la línea de énfasis elegida:
Línea de Ciencia de Datos: Deep Learning II
Línea de Bioestadística: Análisis de Supervivencia
Línea de Muestreo: Muestreo En Poblaciones Biológicas
Créditos
3
Nivel de Profundización III
Según la línea de énfasis elegida:
Línea de Ciencia de Datos: Architecting with Google Compute Engine Specialization
Línea de Bioestadística: Epidemiología Espacial
Línea de Muestreo: Estimación en Áreas Pequeñas
Créditos
3
TRABAJO DE GRADO
Créditos
12
Información Adicional
Para que tengas en cuenta
Inscripciones
Horarios del Programa
Viernes de 6:00 PM - 10:00 PM y Sábados de 8:00 AM - 5:00 PM
Inicio de Inscripciones:
Inscripciones abiertas 2024-2
Cierre de inscripciones:
Sujeto a cupos. *Las clases inician en el mes de julio de 2024
Requisitos
Formulario de inscripción
Fotocopia del diploma y acta de grado autenticadas.
Fotocopia de la libreta militar. (opcional).
Hoja de vida.
Dos fotos tamaño 3x4 cm.
Fotocopia de la cédula ampliada al 150%.
Fotocopia del carné de afiliación a EPS o Seguridad Social.
La documentación se cargará directamente al sistema, posterior al diligenciamiento del formulario.
Fotocopia del diploma y acta de grado autenticadas.
Fotocopia de la libreta militar. (opcional).
Hoja de vida.
Dos fotos tamaño 3x4 cm.
Fotocopia de la cédula ampliada al 150%.
Fotocopia del carné de afiliación a EPS o Seguridad Social.
La documentación se cargará directamente al sistema, posterior al diligenciamiento del formulario.
*En el caso de los aspirantes extranjeros o colombianos con estudios en el exterior, deberán presentar el Diploma, Acta y las notas, los cuales deben estar debidamente apostillados y deben contar con la convalidación del título ante el MEN o constancia de trámite, así como presentar fotocopia del pasaporte o documento de identidad y hoja de vida.
Así mismo, deberán tener en cuenta que el proceso de matrícula no se podrá finalizar sin una visa válida o un permiso de residencia vigente para Colombia.
Así mismo, deberán tener en cuenta que el proceso de matrícula no se podrá finalizar sin una visa válida o un permiso de residencia vigente para Colombia.
Exámenes y Pruebas
Entrevista
Fecha de la entrevista: Programada con el programa.
Fecha entrega de resultados: 8 días después de cada entrevista
Fecha entrega de resultados: 8 días después de cada entrevista
Valores
Valor Inscripción
$ 0
Inversión Semestral
Valor Semestre $ 12.200.000 COP.
Director Maestría
Leonardo Daniel Donado Escobar
maestriaestadistica@unbosque.edu.co
Profesional en Matemáticas con estudios posgraduales en Evaluación de Proyectos, Ciencias Financieras y de Sistemas, con amplia experiencia en la planeación, organización y desarrollo de planes académicos a nivel universitario, que lo califican para implementar el desarrollo de distintas áreas académicas en el campo de la educación superior. Ha dirigido la estructuración de los pregrados de Matemáticas y Estadística y la Maestría en Estadística Aplicada y Ciencia de Datos de la Universidad El Bosque