Maestría en Ciencia de Datos

Segundo Bloque: Primavera

En el segundo bloque del programa se profundizan las bases aprendidas. Se exploran a detalle y en mayor alcance los conceptos y técnicas relevantes en los ámbitos de programación, modelado estadístico y matemático. El semestre está planeado para un alumno de posgrado de tiempo completo. Esto implica una carga académica de 5 materias. Las materias optativas están marcadas con un asterisco (*).

Materias Créditos
Métodos de Gran Escala
(Arquitectura de Productos de Datos)
6
Estadística Multivariada y Datos Categóricos
(Aprendizaje de Máquina Profundo)
6
Modelos Lineales Generalizados
(Modelación Bayesiana *)
6
Métodos Analíticos
(Métodos Avanzados de Ciencia de Datos *)
6
Temas Selectos de Modelado
(Optimización Avanzada *)
6
Temas Selectos de Estadística
(Bioestadística *)
6

Métodos de Gran Escala

Arquitectura de
Productos de Datos

Conocer los diferentes elementos que forman parte de un producto de datos.
Conocer las implicaciones de cada uno de esos elementos.
Entender los conceptos básicos de ingeniería de software/ingeniería de datos.
Construir productos de datos
de inicio a fin.

Más información

Prerequisito:
Introducción a Ciencia de Datos
o equivalente

Estadística Multivariada y Datos Categóricos

Aprendizaje de
Máquina Profundo

El objetivo es brindar al estudiante una sólida introducción a las técnicas de Aprendizaje de Máquina modernas. En particular, las que se encuentran en el área de Deep Learning. Aprenderán las técnicas más usadas y conocerán las limitaciones y retos a los que se enfrenta el campo de aprendizaje de máquina.

Más información

Prerequisito:
Aprendizaje de Máquina

Modelos Lineales Generalizados

Modelación
Bayesiana

Profundizar en la visualización, inferencia y simulación de modelos bayesianos para inferencia, análisis de potencia, calibración de procedimientos estadísticos y flujo de trabajo bayesiano, incluyendo el cómo incluir estos modelos en productos de datos en ambientes productivos.

Más información

Prerequisito:
Fundamentos de Estadística con Remuestreo
o equivalente

Métodos Analíticos

Métodos Avanzados de Ciencia de Datos

Se estudiarán diversas técnicas de análisis de datos, en su mayoría diseñadas para escalar a datos grandes. El enfoque se concentra más en el entendimiento y aplicación de los algoritmos y los métodos, y menos en las herramientas para implementarlos.

Más información

Prerequisito:
Programación para Ciencia de Datos
o equivalente

Temas Selectos de Modelado

Optimización
Avanzada

Proporcionar fundamentos de teoría de convexidad, cómputo en paralelo y en la nube para resolución de problemas de optimización a gran escala.

Más información

Prerequisito:
Optimización o equivalente

Temas Selectos de Estadística

Bioestadística

El alumno conocerá las técnicas para el análisis de datos de biología y medicina. En particular se estudiarán las variables aleatorias no negativas como lo son los tiempos de falla o duración.

Aprenderá a incorporar al análisis información parcial proveniente de muestras aleatorias con datos censurados o truncados. Conocerá las familias paramétricas comúnmente usadas en el análisis de supervivencia, así como la forma de realizar inferencias no paramétricas.

Más información

Prerequisito:
Fundamentos de Estadística con Remuestreo
o equivalente



El programa de la Maestría en Ciencia de Datos es una iniciativa del ITAM para satisfacer la creciente demanda nacional e internacional de profesionistas con conocimientos sólidos en el modelado a partir de datos (en especial grandes datos) para ayudar a la toma de decisiones estratégicas.