Modalidad: Sincrónica, en forma remota o en el aula
Horario: Dos veces por semana, de 18 a 21 h
Estado: Apertura de la primera cohorte 2027 En trámite
Inicio de cursada: Mayo de 2027 En trámite
Duración: 2 años, en régimen semestral
Inscripción: Diciembre de 2026 a abril de 2027 En trámite
Título: Magíster en Ciencia de Datos, con validez nacional
La inscripción está prevista desde diciembre de 2026. Quienes completen la solicitud de información reciben el aviso de apertura y los pasos del proceso de admisión.
Solicitar informaciónLa Maestría en Ciencia de Datos forma profesionales capaces de diseñar, implementar e interpretar soluciones basadas en datos, con criterio ético y legal sobre el uso de la información. Es una carrera de posgrado de la Universidad Nacional de Luján y la Facultad de Ciencia y Tecnología de la UADER, acreditada por CONEAU y con título de validez nacional.
Tamaño según TF-IDF: cantidad de cursos obligatorios en cuyos contenidos mínimos aparece el término (Res. HCS 789/23), ponderada por su rareza en los 21.364 documentos del digesto de la UNLu. Color según el curso donde aparece; en blanco, los que aparecen en más de uno.
Mayo de 2027
Sincrónica, en forma remota o en el aula
Magíster en Ciencia de Datos
2 años · 776 h
8 cursos obligatorios, 2 optativos y tesis · 776 horas · Régimen semestral · Cursada sincrónica
El plan se organiza en 8 cursos obligatorios, 2 optativos y la tesis. Los cursos se dictan de a uno, en forma consecutiva, para concentrar el trabajo en un tema por vez. Antes del primero, el Comité Académico puede asignar cursos de nivelación según los antecedentes de cada admitido. Cada tarjeta se da vuelta y muestra los contenidos mínimos del curso.
Contenidos mínimos
Análisis exploratorio de datos y sus etapas. Revisión de modelos de probabilidad. Test de hipótesis e intervalos de confianza. Regresión: métodos lineales. Estimación puntual, máxima verosimilitud y optimización básica: ajuste de modelos estadísticos genéricos. Reducción de dimensionalidad: Análisis en componentes principales y análisis factorial de correspondencias y exploratorio. Explicación de la variabilidad.
Contenidos mínimos
Nociones básicas de ciencia de datos. Metodologías relacionadas con la generación de conocimiento a partir de datos. Conceptualización del problema y los objetivos de descubrimiento de conocimiento. Selección de técnicas de aprendizaje adecuadas. Adquisición (crawling, scraping, consultas). Preprocesamiento (limpieza, integración). Transformación (normalización, discretización, binning). Interpretación de las relaciones en el conjunto de datos resultante. Datos Faltantes.
Contenidos mínimos
Paradigmas de aprendizaje automático. Diseño de sistemas de aprendizaje. Aprendizaje Estadístico. Regresión lineal. Clasificación. Regresión logística. Cross-validation. Regularización. Métricas de performance y error. Árboles de decisión. División en entrenamiento y prueba. Métodos de combinación de modelos: Votación, Bagging y Boosting. Support Vector Machines. Aprendizaje no supervisado. Clustering jerárquico y por densidad. K-means, DBSCAN. Conceptos básicos de Redes Neuronales. Métodos para evaluar la incertidumbre. Análisis Discriminante Lineal.
Contenidos mínimos
El proceso de visualización de datos: Objetivos y dinámica. Formulación de preguntas a responder con los datos. Representaciones de datos altamente dimensionales, temporales y geoespaciales. Transformación de datos. Marcas y canales: expresividad y efectividad. Análisis visual de grandes volúmenes de datos. Evaluación de la visualización: expresividad y efectividad.
Contenidos mínimos
Procesamiento y análisis de flujos de datos. Algoritmos de aprendizaje para modelado de flujos. Casos de aplicación. Técnicas de manejo de datos no estructurados (imágenes, texto). Representaciones de datos textuales en espacios multidimensionales (matrices, embeddings). Introducción a la estadística geoespacial.
Contenidos mínimos
Diseño de proyectos con un enfoque basado en datos (data-driven, data-informed). Análisis de objetivos, datos y modelos. Criterios para selección de herramientas. Conceptos sobre la generación de productos basados en datos.
Contenidos mínimos
Conceptualización de datos personales. Legislación sobre la obtención, almacenamiento, distribución y explotación de datos personales. Cuestiones de propiedad de los datos y privacidad de los usuarios. Casos paradigmáticos. Aspectos éticos asociados a todo el proceso de manejo de datos.
Contenidos mínimos
El curso brinda conocimientos y apoyo para la formulación del proyecto personal de tesis profesional. Durante su desarrollo, las/los estudiantes deberán atender los criterios y pautas metodológicas en relación a: definición del problema, objetivo de la investigación, marco teórico, estrategia metodológica, descripción y sistematización de las fuentes de información, análisis de los resultados y elaboración de conclusiones.
El plan prevé veinte cursos posibles, de posgrados de ambas universidades.
Contenidos mínimos
Los cursos optativos podrán ir ofertándose a propuesta del Comité Académico de la Carrera en función de temáticas de interés. A su vez, se señalan una serie de cursos pre-existentes en ambas Universidades que podrían ofrecerse en el Marco de la Maestría en Ciencia de Datos.
Contenidos mínimos según el Anexo III de la Resolución HCS 789/23 de la Universidad Nacional de Luján.
Temas de la maestría 85 temas · contenidos mínimos · BGE-M3
Cada punto es un tema de los contenidos mínimos de los ocho cursos obligatorios (Res. HCS 789/23). Posición: t-SNE sobre la distancia coseno entre embeddings BGE-M3; los temas cercanos tratan contenidos parecidos y los ejes no tienen unidades.
Diseñada para profesionales que trabajan a tiempo completo Dos veces por semana, de 18 a 21 h, en forma remota o en el aula, sin necesidad de viajar.
Aprobación del Plan de Estudios 80.01 y reglamento de la Maestría por el Honorable Consejo Superior de la UNLu.
Aprobación institucional por el Consejo Superior de la Universidad Autónoma de Entre Ríos.
Acreditación favorable de la Comisión Nacional de Evaluación y Acreditación Universitaria (25/11/2024).
Reconocimiento Oficial y Validez Nacional del título otorgado por la Subsecretaría de Políticas Universitarias.
El título de Magíster en Ciencia de Datos tiene validez en todo el territorio nacional y habilita para ejercer la disciplina en los ámbitos académico, profesional y de investigación.
Se dictan dos encuentros semanales sincrónicos de tres horas, que pueden seguirse en forma remota o en el aula, en bloques de seis semanas por curso, ocho en el caso de Aprendizaje Automático, con una semana libre entre cursos.
Los encuentros sincrónicos comprenden el 60% de la carga horaria de cada curso, y el resto de las actividades se organiza según la propuesta de cada docente.
La cursada concluye con el Taller de Formulación de Tesis, que acompaña la elaboración del plan de tesis. El desarrollo de la tesis se inicia en noviembre de 2028.
Primera cohorte 2027 En trámite
Recorrido de la cursada Primera cohorte · en trámite
| Curso | Horas | Semanas | Avance acumulado |
|---|---|---|---|
| Técnicas de Análisis para Ciencia de Datos | 64 | 6 | 8,2 % |
| Fundamentos de Ciencia de Datos | 64 | 6 | 16,5 % |
| Aprendizaje Automático | 96 | 8 | 28,9 % |
| Visualización de Información | 64 | 6 | 37,1 % |
| Optativa I | 48 | 5 | 43,3 % |
| Ciencia de Datos Aplicada I | 64 | 6 | 51,5 % |
| Ciencia de Datos Aplicada II | 64 | 6 | 59,8 % |
| Aspectos Legales y Éticos del Uso de la Información | 32 | 4 | 63,9 % |
| Optativa II | 48 | 5 | 70,1 % |
| Taller de Formulación de Tesis | 32 | 4 | 74,2 % |
| Tesis | 200 | — | 100 % |
Horas según el plan de estudios (Res. HCS 789/23). Orden y semanas según el cronograma de la primera cohorte, en trámite: cursos de a uno, con una semana libre entre cursos; no se muestran los recesos.
Diseño y puesta en producción de modelos de aprendizaje automático en organizaciones públicas y privadas.
Extracción, limpieza y análisis de datos para apoyar decisiones estratégicas.
Continuidad en un doctorado o en grupos de investigación de la UNLu, la UADER y el CONICET.
Aplicación de ciencia de datos en organismos del Estado nacional, provincial y municipal.
Diseño de flujos de datos, gestión de grandes volúmenes e infraestructura para análisis y modelado.
Aspectos legales, éticos y de gobernanza del uso de información en grandes organizaciones.
El título es además antecedente para doctorados en informática, estadística y áreas afines.