La Maestría en Ciencia de Datos es una carrera de posgrado de la Universidad Nacional de Luján y la Facultad de Ciencia y Tecnología de la UADER. Dura 2 años, en régimen semestral, y su cursada es sincrónica, en forma remota o en el aula. Comprende 8 cursos obligatorios, 2 optativos y la tesis, con un total de 776 horas. Los cursos se dictan de a uno, en bloques de seis semanas, que son ocho en Aprendizaje Automático, cinco en las optativas y cuatro en los cursos de 32 horas. Cada semana hay dos encuentros de 18 a 21 h, que cubren el 60% de la carga horaria.
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.
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.
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.
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.
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.
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.
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.
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.
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.
La oferta de cursos optativos se renueva según los temas de mayor interés.
Bases de Datos, Estadística y Probabilidad e Introducción a la Programación. Son autoasistidos, con clases de consulta virtuales, y se cursan en abril, antes del primer curso del plan. El Comité Académico asigna a cada admitido los que correspondan según sus antecedentes; su aprobación es condición para iniciar la cursada.
Estadística y Probabilidad (48 h). Estadística: estadística descriptiva, estadística frecuentista, correlación, análisis de normalidad, estadística bayesiana, test de hipótesis, regresión lineal simple. Probabilidad: teoría de probabilidad, probabilidad condicional, variables aleatorias y continuas. Distribuciones principales. Esperanza matemática. Teoremas del límite, cadenas de Markov.
Introducción a la Programación (48 h). Fundamentos de programación. Resolución de problemas y algoritmos en lenguaje de alto nivel. Estructuras de control: secuencial, alternativa e iterativa. Funciones. Estructuras de datos fundamentales. Algoritmos elementales: ordenamiento y búsqueda. Manejo de archivos secuenciales.
Bases de Datos (32 h). Tipos y fuentes de datos. El concepto de base de datos. Modelo Entidad/Relación. Modelo relacional. Lenguaje de consulta SQL. Conceptos sobre bases de datos no relacionales.
Contenidos mínimos según el Anexo III de la Resolución HCS 789/23 de la Universidad Nacional de Luján.
El plan articula fundamentos y aplicación en cuatro áreas: análisis de datos, aprendizaje automático, visualización de información y aspectos legales y éticos del uso de la información. Se completa con 2 cursos optativos y la tesis, hasta sumar las 776 horas que conducen al título de Magíster en Ciencia de Datos.
Los cursos se dictan de forma consecutiva, uno a la vez, con dos encuentros semanales sincrónicos de 18 a 21 h y una semana libre entre cursos.
Fechas sujetas a la aprobación de la apertura de cohorte y al calendario académico de cada año.
Primera cohorte 2027 En trámite
| Etapa | Período | Detalle |
|---|---|---|
| Inscripción | Diciembre de 2026 a abril de 2027 | Admisión continua a cargo del Comité Académico |
| Cursos de nivelación | Abril de 2027 | Autoasistidos, con consultas virtuales, para quienes los tengan asignados |
| Primer año: cursos 1 a 4 | Mayo a diciembre de 2027 | Técnicas de Análisis, Fundamentos, Aprendizaje Automático y Visualización, con receso invernal en julio y jornada de integración en diciembre |
| Segundo año: cursos 5 a 10 | Febrero a octubre de 2028 | Optativa I, Ciencia de Datos Aplicada I y II, Aspectos Legales y Éticos, Optativa II y Taller de Formulación de Tesis |
| Tesis | Desde noviembre de 2028 | 200 h; plazo de defensa de 36 meses desde el fin de la cursada |