El mapa curricular de la Maestría en Ciencia de Datos está afín con los perfiles y las líneas de generación y aplicación del conocimiento (LGAC) de los Cuerpos Académicos y los programas educativos de posgrado de la Facultad de Informática.
|
LGAC 1- Mecanismos para el Aprendizaje Artificial en el Análisis de Datos Esta LGAC considera los temas relacionados con técnicas de aprendizaje guiado, automático, por refuerzo, o profundo (entre otros), para la construcción de modelos que ayuden a encontrar estructuras de interés en los datos analizados, ya sea por aprendizaje guiado bajo alguna estructura definida o el descubrimiento de estructuras intrínsecas sin previo conocimiento sobre el comportamiento de los datos. En este contexto, se entiende a un mecanismo de aprendizaje como el proceso que a través de un concepto basado en un fundamento teórico permite representar la estructura perceptible en un conjunto de datos y resulta repetible con un cierto grado de representatividad en los datos utilizados permitiendo modelar y predecir algunos comportamientos bajo el fundamento teórico usado. |
|
LGAC 2- Representación, Manipulación, y Visualización de Grandes Volúmenes de Datos Esta LGAC considera los temas relacionados con los mecanismos para representar los datos en forma gráfica, de tal forma que permitan su manipulación e interpretación a través de procesos de análisis, entre los temas considerados se tienen el análisis espectral de datos, análisis de los datos en diferentes dominios (frecuencia, distribución, dimensión embebida, por citar algunos), de forma que permita definir procesos de análisis novedosos que ayuden a su visualización e interpretación en los diferentes problemas. En este contexto esta LGAC está orientada a analizar los diferentes esquemas de codificación y representación de información que ayude a definir mejores criterios teóricos de análisis e interpretación. |
