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. El estudiantado no solo se vincula con la ciencia y la tecnología, sino que a través de la aplicación de herramientas tecnológicas ayudará a la toma de decisiones.

● Interdisciplinariedad: La Interdisciplinariedad surge con la intencionalidad de contrarrestar una ciencia excesivamente fragmentada, obliga a las disciplinas a comunicarse entre sí, con la finalidad de hacer frente a problemas complejos. De esta manera, los cursos se vinculan unos con otros y se articulan la teoría con la práctica conocimiento con su aplicación, es decir, con la resolución de problemas.

● Tecnología digital: La revolución industrial 4.0 ha acrecentado aún más la necesidad de habilidades digitales, por esta razón se incorporan tecnologías de punta, programas de computación, lenguajes de programación, análisis de datos, simuladores y programas especializados según la temática de los cursos.

● Matemáticas y Estadística: Este eje cubre los fundamentos matemáticos y estadísticos, en particular, el cálculo, el álgebra lineal, la optimización, los métodos numéricos y las ecuaciones diferenciales, así como los modelos lineales generalizados y la teoría de las probabilidades. Los estudiantes exploran técnicas avanzadas para la inferencia y modelización de datos, aplicando métodos cuantitativos para interpretar y validar resultados.

● Programación e Informática: Este componente se enfoca en el dominio de los lenguajes de programación como Python y R, para la implementación de algoritmos eficientes a partir de construcciones matemáticas y estadísticas. Se abordan las técnicas de programación para el procesamiento de grandes volúmenes de datos utilizando herramientas computacionales avanzadas en problemas reales.

● Aprendizaje de máquina e Inteligencia Artificial: Este eje se centra en los algoritmos de aprendizaje automático, tanto supervisados como no supervisados y de aprendizaje profundo, por medio de su implementación. Es por esto por lo que se desarrollan y entrenan modelos predictivos y de clasificación utilizando las técnicas de la inteligencia artificial, aplicadas a problemas reales y a datos complejos.

● Análisis de Datos: En esta arista curricular, las personas estudiantes aprenden a aplicar técnicas de análisis de datos que incluyen la evaluación estadística y el análisis exploratorio. Se estudian los métodos para limpiar, transformar y visualizar los datos con el fin de extraer información significativa y realizar interpretaciones basadas en estos.

● Optimización y Modelado: Se estudian los métodos de optimización matemática y la construcción de modelos estadísticos. Las personas estudiantes aprenden a formular y resolver problemas de optimización, y a crear modelos matemáticos y estadísticos para simulaciones y toma de decisiones fundamentadas.

● Aplicaciones y Casos de Estudio: Las personas estudiantes aplican sus conocimientos teóricos y prácticos a través de proyectos y estudios de caso en diversas industrias. Este eje permite la integración de conceptos aprendidos en situaciones reales, abordando problemas concretos mediante el análisis de datos y la implementación de soluciones efectivas.

● Expresión oral y escrita. Se pone especial énfasis en el desarrollo de habilidades de comunicación oral y escrita, con la finalidad de capacitar a las personas estudiantes en presentar y expresar de manera efectiva los resultados de trabajos, facilitando la transmisión clara y precisa de sus hallazgos.

Tabla 1. Áreas temáticas  y el abordaje en la ciencia de datos

Áreas temáticas	Abordaje en la ciencia de datos
Matemáticas y Estadística	●     Fundamentos Matemáticos: Cálculo, álgebra lineal, probabilidad. ●     Técnicas Estadísticas Avanzadas: Inferencia, modelización.
Programación e informática	●     Lenguajes de Programación: Python, R, Matlab, C++. ●     Desarrollo de algoritmos: Procesamiento de datos, automatización.
Análisis de Datos	●     Análisis Exploratorio: Limpieza y transformación de datos. ●     Minería de Datos: Extracción de información significativa.
Aprendizaje de máquina e Inteligencia Artificial	●     Algoritmos de Aprendizaje Automático: Supervisados, no supervisados. ●     Redes Neuronales y Modelos Predictivos: Implementación y evaluación. ●     Clasificación y segmentación.
Optimización y Modelado	●     Métodos de Optimización: Resolución de problemas complejos. Modelado Estadístico: Simulación y toma de decisiones.
Aplicaciones y Casos de Estudio	●     Proyectos Prácticos: Aplicación de conocimientos en diversas industrias. ●     Estudios de Caso: Resolución de problemas reales.
Aplicaciones en la Práctica Profesional Supervisada	●     Prácticas Profesionales: Experiencia en entornos laborales reales. ●     Desarrollo de Competencias Profesionales: Enfrentar desafíos reales en empresas e instituciones.

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. Lugares donde podría trabajar la persona graduada

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 tanto en el ámbito público como en el privado, y a nivel nacional como internacional. Es importante recalcar que dicho listado no limita el potencial de laborar en otros campos o industrias, algunas de las cuales pueden emerger en los próximos años o décadas.

Tabla 2. Espacios laborales y cargos por ocupar 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, estrategias de participación de los aficionados y optimización de estrategias de juego.
Agricultura de precisión	Ayuda en la agricultura al desarrollo de sistemas de precisión, predicción de rendimientos agrícolas, análisis de suelos, manejo de plagas y optimización de la cadena de suministro agrícola.
Transporte	Contribuye a la optimización del flujo de tráfico, planificación de rutas, mantenimiento predictivo de vehículos y optimización logística.

Malla curricular