Ingreso a IMACID vía 36 créditos
Lineamientos del trámite de solicitud de admisión:
Se adjunta el documento con los lineamientos correspondientes a los 36 créditos, así como el formulario y su respectiva instrucción.
Importante
- Todos los documentos deben presentarse debidamente escaneados.
-
En caso de que algún documento no haya sido emitido por la UNA:
- Deberá solicitarse en formato físico a la instancia correspondiente, debidamente firmado y sellado.
- Posteriormente, deberá presentarse en la recepción de la Escuela de Matemáticas para su aprobación o visto bueno (VB).
- Una vez obtenido el VB, el documento deberá ser escaneado y enviado.
- No se aceptarán documentos que no cuenten con el visto bueno (VB).
- La documentación debe remitirse de forma completa.
- Es indispensable completar el formulario correspondiente.
Descripción General
La carrera Ingeniería Matemática en Ciencia de Datos (IMACID) se centra en procesos de la exploración, la transformación y la aplicación de modelos matemáticos y estadísticos a nubes de datos con el fin de obtener información relevante y significativa. Busca generar inferencias precisas y el desarrollo de nuevos conocimientos que sustenten la toma de decisiones basadas en evidencia científica.
En estos, los procesos son mediados a través de la aplicación de herramientas computacionales para el manejo eficaz de la información. Este campo abarca el desarrollo y la aplicación de metodologías estadísticas, los algoritmos de aprendizaje automático, las técnicas de minería de datos y las herramientas de visualización para transformar datos crudos en información valiosa.
Ejes curriculares
Los ejes curriculares orientan la formación académica, asegurando una cobertura integral de las competencias y habilidades necesarias en ciencias de datos y permea todos los cursos de las áreas disciplinares. Esto son:
- Investigación: La investigación científica es un acto intencional que se realiza no solo para construir conocimientos, sino que también para intervenir el medio, esencialmente en busca de soluciones.
- Interdisciplinariedad: Obliga a las disciplinas a comunicarse entre sí con la finalidad de hacer frente a problemas complejos.
- Tecnología digital: Incorporación de tecnologías de punta, programas de computación, lenguajes de programación y simuladores especializados.
- Matemáticas y Estadística: Cubre fundamentos matemáticos, cálculo, álgebra lineal, optimización, métodos numéricos y probabilidades.
- Programación e Informática: Dominio de lenguajes como Python y R para procesar grandes volúmenes de datos.
- Aprendizaje de máquina e Inteligencia Artificial: Algoritmos supervisados, no supervisados y aprendizaje profundo para modelos predictivos.
- Análisis de Datos: Técnicas para limpiar, transformar y visualizar datos.
- Optimización y Modelado: Formular y resolver problemas de optimización y crear modelos matemáticos.
- Aplicaciones y Casos de Estudio: Integración de conceptos en situaciones y problemas reales.
- Expresión oral y escrita: Desarrollo de habilidades para presentar de manera efectiva los resultados de los trabajos.
Tabla 1. Áreas temáticas y el abordaje en la ciencia de datos
| Áreas temáticas | Abordaje en la ciencia de datos |
|---|---|
| Matemáticas y Estadística |
|
| Programación e informática |
|
| Análisis de Datos |
|
| Aprendizaje de máquina e Inteligencia Artificial |
|
| Optimización y Modelado |
|
| Aplicaciones y Casos de Estudio |
|
| Aplicaciones en la Práctica Profesional Supervisada |
|
Perfil Ocupacional
El rango de actividades profesionales que puede desempeñar un egresado de Ingeniería Matemática en Ciencia de Datos es muy amplio. En efecto, cualquier sector que maneje datos susceptibles de ser clasificados, comparados o medidos mediante la generación de algoritmos que optimicen estos procesos, se puede beneficiar de sus habilidades. En estos contextos, la persona egresada estará en la posibilidad de colaborar estrechamente con especialistas del área correspondiente para aplicar sus conocimientos de manera efectiva.
En la tabla se presentan algunos de los espacios laborales, cargos y funciones que podría desempeñar el egresado de esta oferta académica tanto en el ámbito público como en el privado, y a nivel nacional como internacional.
Funciones que podrán realizar
En la siguiente tabla se presentan los posibles espacios laborales, cargos y funciones que podría desempeñar el egresado de esta oferta académica. Es importante recalcar que dicho listado no limita el potencial de laborar en otros campos o industrias emergentes.
Tabla 2. Espacios laborales y funciones de un científico de datos.
| Espacio laboral | Funciones |
|---|---|
| Salud | Generar sistemas de soporte a decisiones clínicas, medicina personalizada, análisis de imágenes médicas y predicción de resultados para pacientes. |
| Finanzas | Análisis en gestión de riesgos, detección de fraudes, trading algorítmico, calificación crediticia y pronóstico financiero. |
| Marketing y entretenimiento | Análisis del comportamiento del cliente, sistemas de recomendación, publicidad dirigida y optimización de campañas a públicos meta. |
| Telecomunicaciones | Optimización de uso de redes, predicción de cancelaciones de clientes, mejora de la calidad de servicio y seguridad de redes. |
| Gobierno y política pública | Se utiliza para la formulación de políticas, reconocimiento de patrones delictivos, planificación urbana, monitoreo de salud pública y respuesta a desastres. |
| Educación | Estrategias educativas, trayectorias de aprendizaje personalizadas, análisis del rendimiento estudiantil y toma de decisiones administrativas. |
| Ciencias ambientales | Modelización climática, gestión de recursos naturales, predicción ecológica y evaluaciones de impacto ambiental. |
| Manufactura y logística | Optimiza la gestión de cadenas de suministro, mantenimiento predictivo, control de inventarios y optimización de procesos en la manufactura. |
| Análisis y rendimiento deportivo | Se aplica en el análisis de rendimiento deportivo, reclutamiento de jugadores, prevención de lesiones, y optimización de estrategias de juego. |
| Agricultura de precisión | Desarrollo de sistemas de precisión, predicción de rendimientos agrícolas, análisis de suelos, manejo de plagas y optimización de suministros. |
| Transporte | Contribuye a la optimización del flujo de tráfico, planificación de rutas, mantenimiento predictivo de vehículos y optimización logística. |
Malla curricular
| Nivel | Ciclo | Nombre del curso | Créditos |
|---|---|---|---|
| I | I | Matemática para Informática | 4 |
| Fundamentos de Informática | 3 | ||
| Estudios generales | 3 | ||
| Estudios generales | 3 | ||
| Inglés integrado I | 4 | ||
| Subtotal | 17 | ||
| I | II | Cálculo I | 4 |
| Programación I | 4 | ||
| Estudios generales | 3 | ||
| Estudios generales | 3 | ||
| Inglés integrado II | 4 | ||
| Subtotal | 18 | ||
| II | I | Cálculo II | 4 |
| Matemática discreta | 3 | ||
| Álgebra lineal | 4 | ||
| Probabilidad y estadística | 3 | ||
| Inglés integrado III | 4 | ||
| Subtotal | 18 | ||
| II | II | Cálculo III | 4 |
| Introducción al análisis de datos | 3 | ||
| Tópicos de probabilidad I | 3 | ||
| Visualización de datos | 3 | ||
| Inglés integrado IV | 4 | ||
| Subtotal | 17 | ||
| III | I | Optativo | 3 |
| Ecuaciones diferenciales | 4 | ||
| Análisis de datos I | 4 | ||
| Modelos de regresión | 3 | ||
| Introducción a los sistemas de bases de datos | 4 | ||
| Subtotal | 18 | ||
| III | II | Investigación dirigida I | 3 |
| Álgebra lineal numérica | 4 | ||
| Análisis de datos II | 4 | ||
| Elaboración y evaluación de proyectos | 3 | ||
| Optativo | 3 | ||
| Subtotal | 17 | ||
| IV | I | Investigación dirigida II | 3 |
| Series temporales | 3 | ||
| Técnicas de comunicación oral y escrita | 2 | ||
| Métodos de optimización heurística | 4 | ||
| Optativo | 3 | ||
| Subtotal | 15 | ||
| TOTAL CRÉDITOS | 138 | ||
Distribución de cursos por áreas y requisitos
