CS. Ciencias de Datos

La carrera de CS especializada en Ciencias de Datos le permite adquirir los conocimientos y habilidades que necesita para idear, diseñar, modelar, programar, asegurar, implementar y probar algoritmos que se utilizan para ordenar, administrar y mostrar información mediante la detección y análisis de patrones en conjuntos de datos muy grandes.

Fuente: CareerOneStop, patrocinado por el Departamento de Trabajo, Empleo y Administración de Capacitación de los EE. UU.

Proyecciones de empleo

Proyecciones de empleo para investigadores de informática e información ( ciencias de datos y visión computacional ), hasta el año 2026

Investigadores de informática e información ( ciencias de datos y visión computacional )

19%

Ocupaciones en computación

13%

Total de todas las ocupaciones

7%
Nota: Todas las ocupaciones incluyen todas las ocupaciones en la economía de los Estados Unidos.
Fuente: Oficina de Estadísticas Laborales de los Estados Unidos, programa de Proyecciones de Empleo.

La carrera de CS ( Computer Science ) especializada en Ciencias de Datos es una de las disciplinas de mayor crecimiento y demanda entre las disciplinas de las Ciencias de la Computación.

El departamento de empleo de los Estados Unidos estima un crecimiento del 19% de empleabilidad para todos los cargos relacionados a la investigación de informática e información ( ciencias de datos y visión computacional ).

Estructura del plan de estudios

El plan de estudios para CS. Ciencias de Datos está organizado en cuatro categorías de aprendizaje, donde cada categoría está compuesta por una serie de cursos.

Categoría 1: Matemáticas, estadísticas y computación

  1. 1.1. Introducción a la computación
  2. 1.2. Programación
  3. 1.3. Programación avanzada
  4. 1.4. Emprendimiento - Contribuye a la ideación del proyecto.
  5. 1.5. Introducción a la inteligencia artificial - Contribuye a la ideación del proyecto.
  6. 1.6. Introducción a las ciencias de datos - Contribuye a la ideación del proyecto.
  7. 1.7. Álgebra y trigonometría
  8. 1.8. Álgebra lineal
  9. 1.9. Matemáticas discretas
  10. 1.10. Algoritmos y estructuras de datos I
  11. 1.11. Bases de datos - Incluye diseño de modelos de bases de datos relacionales para el proyecto.
  12. 1.12. Programación orientada a objetos - Incluye diseño de clases y objetos para el proyecto.
  13. 1.13. Introducción a la web
  14. 1.14. Estadísticas - Incluye algoritmos estadísticos en caso de ser necesarios para el proyecto.
  15. 1.15. Matemáticas numéricas - Incluye modelos matemáticos en caso de ser necesarios para el proyecto.
  16. 1.16. Sistemas operativos

Categoría 2: Ciencias de la computación, desarrollo de software, inteligencia artificial y ciencias de datos

  1. 2.1. Modelado de software - Incluye diseño de modelos de software para el proyecto.
  2. 2.2. Patrones de diseño - Incluye selección y desarrollo de patrones de diseño para el proyecto.
  3. 2.3. Metodología de desarrollo de software - Incluye selección de metodología de desarrollo y documentación para el proyecto.
  4. 2.4. Fundamentos en ciencias de la computación - Contribuye a los modelos computacionales del proyecto.
  5. 2.5. Algoritmos de inteligencia artificial - Contribuye a los modelos computacionales y la programación de algoritmos para el proyecto.
  6. 2.6. Fundamentos en ciencia de datos - Contribuye a los modelos computacionales del proyecto.
  7. 2.7. Estadísticas y probabilidad - Contribuye a los modelos.

Categoría 3: Inteligencia artificial y ciencias de datos avanzada

  1. 3.1. Bases de datos avanzadas
  2. 3.2. Visualización de datos - Incluye algoritmos para la visualización de datos en caso de ser necesarios para el proyecto.
  3. 3.3. Machine learning - Incluye algoritmos de aprendizaje de máquina en caso de ser necesarios para el proyecto.
  4. 3.4. Deep learning - Incluye algoritmos avanzados de aprendizaje profundo en caso de ser necesarios para el proyecto.
  5. 3.5. Servicios de infraestructura - Incluye implementación del proyecto en su infraestructura.
  6. 3.6. Pruebas de software y arquitectura - Incluye informe de pruebas de software y arquitectura para el proyecto.
  7. 3.7. Seguridad computacional - Incluye implementación de métodos de seguridad para el proyecto.
  8. 3.8. Sustentación final - Incluye una serie de presentaciones y retroalimentaciones finales del proyecto.

Categoría 4: Desarrollo profesional

  1. 4.1. Aprendizaje autónomo
  2. 4.2. Redacción - Incluye ensayo sobre el proyecto.
  3. 4.3. Oratoria - Incluye elevator pitch para el proyecto.
  4. 4.4. Pensamiento sistémico
  5. 4.5. Investigación - Incluye estado del arte para el proyecto.
  6. 4.6. Aprendizaje colaborativo
  7. 4.7. Ética profesional - Incluye análisis ético para el proyecto.
  8. 4.8. Sociedades y culturas - Incluye análisis del impacto social y cultural para el proyecto.
  9. 4.9. Inglés básico A1
  10. 4.10. Inglés elemental A2
  11. 4.11. Inglés intermedio B1
  12. 4.12. Inglés intermedio B2
  13. 4.13. Fundamentos en administración
  14. 4.14. Inglés avanzado C1
  15. 4.15. Inglés avanzado C2

Estructura de cursos por niveles

Los cursos del plan de estudios se encuentran estructurados por niveles de aprendizaje, por lo que cada nivel debería equivaler a un semestre ( 6 meses ), sin embargo, cada curso se estudia a su propio ritmo, así que usted podría tardar más de un semestre para completar un nivel de aprendizaje o bien podría tardar menos de un semestre.

Nivel de aprendizaje # 1

El primer nivel, le permite aprender los fundamentos de la computación y adquirir habilidades avanzadas en programación, por lo que necesitará estudiar los cursos de introducción a la computación, programación, programación avanzada y sistemas operativos ( categoría 1: curso 1, 2, 3, 16 ). Le recomendamos tomar en paralelo los cursos de aprendizaje autónomo e inglés básico A1 ( categoría 4: curso 1, 9 ).

Nivel de aprendizaje # 2

El segundo nivel, le permite adquirir los conocimientos y habilidades que necesita para idear su proyecto, por lo que inicialmente, deberá estudiar en paralelo el curso de emprendimiento ( categoría 1: curso 4 ) y el curso de investigación ( categoría 4: curso 5 ). Luego, deberá tomar el curso de introducción a la inteligencia artificial e introducción a las ciencias de datos ( categoría 1: cursos 5, 6 ), seguido del curso de álgebra y trigonometría ( categoría 1: curso 7 ).

Nivel de aprendizaje # 3

El tercer nivel, le permite adquirir los conocimientos y habilidades que necesita para trabajar con datos y elaborar el diagrama de base de datos para su proyecto, por lo que necesitará estudiar los cursos de álgebra lineal, matemáticas discretas, algoritmos-estructuras de datos I y bases de datos ( categoría 1: cursos 8, 9, 10, 11 ). Se recomienda tomar en paralelo los cursos de redacción y oratoria ( categoría 4: cursos 2, 3 ).

Nivel de aprendizaje # 4

El cuarto nivel, le permite adquirir los conocimientos y habilidades que necesita para modelar diagramas, seleccionar las mejores prácticas y metodologías de desarrollo para su proyecto, por lo que necesitará estudiar los cursos de programación orientada a objetos ( categoría 1: curso 12 ), modelado de software, patrones de diseño y metodología de desarrollo de software ( categoría 2: cursos 1, 2, 3 ). Se recomienda tomar en paralelo los cursos de pensamiento sistémico, inglés elemental A2 e inglés intermedio B1 ( categoría 4: cursos 4 ,10, 11 ).

Nivel de aprendizaje # 5

Nivel de aprendizaje # 6

El sexto nivel, le permite adquirir los conocimientos y habilidades que necesita para programar herramientas de ciencias de datos para su proyecto, por lo que necesitará estudiar los cursos de algoritmos de inteligencia artificial, fundamentos en ciencias de datos, estadísticas-probabilidad y programación para ciencias de datos ( categoría 2: cursos 5, 6, 7, 8 ). Se recomienda tomar en paralelo los cursos de inglés intermedio B2, inglés avanzado C1 y fundamentos en administración ( categoría 4: cursos 12, 14, 13 ).

Nivel de aprendizaje # 7

El séptimo nivel, le permite adquirir los conocimientos y habilidades que necesita para integrar técnicas de visualización de datos, algoritmos de machine learning o deep learning según la necesidad de su proyecto, por lo que necesitará estudiar los cursos de bases de datos avanzadas, visualización de datos, machine learning y deep learning ( categoría 3: cursos 1, 2, 3, 4 ). Se recomienda tomar en paralelo el curso de inglés avanzado C2 ( categoría 4: curso 15 ).

Nivel de aprendizaje # 8

El octavo nivel, le permite adquirir los conocimientos y habilidades que necesita para implementar el software en su infraestructura, realizar pruebas, fortalecer la seguridad y hacer la sustentación final de su proyecto, por lo que necesitará estudiar los cursos de introducción a la web ( categoría 1: curso 13 ), servicios de infraestructura, pruebas de software-arquitectura, seguridad computacional y sustentación final ( categoría 3: cursos 5, 6, 7, 8 ).

Conviértase en un estudiante de Ciencias de la Computación (CS)

Requisitos de entrada

La carrera está disponible a todo público a partir de los 12 años de edad, por tanto, no se requiere finalizar la escuela para iniciar sus estudios.

Admisiones abiertas para el Grupo 2019 - G06

Las clases inician el 05 de Junio de 2019 y la fecha límite para enviar su solicitud de admisión es el 27 de Mayo de 2019.

Consulte nuestro calendario académico para conocer las próximas fechas de admisión disponibles.

Si tiene alguna pregunta, por favor envíe una solicitud de contacto.

Solicitar admisión