Maestría en Análisis de Datos

El programa se ofrece en un horario de tiempo completo o parcial para profesionales que trabajan y buscan desarrollar experiencia en el campo del análisis de datos. La mayoría de los estudiantes completan el programa en dos años, pero se puede completar en un año con estudio acelerado.

Estructura

Este programa de maestría interdisciplinario está diseñado para servir a estudiantes en una amplia gama de campos. Como estudiante del programa, adaptará la selección de su curso en función de sus intereses individuales y objetivos profesionales.

La estructura del plan de estudios incluye cinco componentes:

• Fundamentos del análisis de datos: 1 curso
  Este curso introductorio obligatorio le proporcionará una base sólida sobre el tema general de análisis de datos.
• Aplicación y competencias profesionales: 5 cursos (4 de estos son cursos de ½ semestre)
  Estos cursos obligatorios le permiten desarrollar las competencias clave exigidas por los empleadores en un campo en rápido crecimiento. Aprenderá a comunicar y presentar datos de forma eficaz a través de cursos que van desde la visualización de datos hasta la codificación.
• Técnicas de análisis estadístico y modelización: 3 cursos
  Esta sección es una inmersión profunda en el análisis estadístico y las técnicas de los métodos analíticos.
• Competencias disciplinarias: 2 cursos
  Elija entre una serie de asignaturas optativas relacionadas con la disciplina que le permitirán limitar su enfoque y aplicar las habilidades que ha aprendido a su área de interés.
• Capstone: 1 curso
  Culminará el programa completando un proyecto final experimental que incorporará y demostrará las habilidades y el conocimiento que ha adquirido.

Al finalizar el programa, podrá demostrar las siguientes áreas de conocimiento:

• Defina y resuelva problemas complejos basados en datos utilizando el análisis de metodologías estadísticas apropiadas.
• Seleccione las metodologías estadísticas y predictivas apropiadas con conjuntos de datos grandes y escasos.
• Proporcionar la interpretación teórica adecuada de estos resultados basados en conceptos relacionados con la disciplina.
• Demostrar habilidades de comunicación oral escrita para conclusiones extraídas del análisis de datos.
• Cree representaciones visuales para aumentar la comprensión y la utilización de datos complejos.
• Mantener relaciones de equipo de colaboración para contribuir efectivamente a un proyecto compartido.
• Tener habilidades de programación funcional en el lenguaje relacionado con datos.