Datos básicos
Créditos
60 ECTS
Tipología
Máster
Idioma
Castellano
Fechas
2/11/2026 - 19/10/2027
Modalidad
Online
Precio
6.450 €
(El precio incluye tasas administrativas de la Universidad de Barcelona)
Matrícula abierta
Horas bonificadas
750 h. (Horas para poder realizar el cálculo de la bonificación a empresas)
Presentación
Se estima que cada minuto se envían más de 240 millones de correos electrónicos, se hacen más de 6 millones de búsquedas en Google y se consumen más de 500 horas de contenido en YouTube. Este crecimiento exponencial refleja cómo la generación de datos se ha convertido en un elemento estructural de la economía digital. En un día se generan más datos de los que han existido en los últimos 20 años.
Según el World Economic Forum, los perfiles relacionados con la ciencia de datos y la inteligencia artificial se encuentran entre los 10 empleos con mayor crecimiento a nivel mundial, con incrementos superiores al 30 % anual en muchas regiones. Además, hay informes de LinkedIn que muestran claramente que es una de las profesiones del futuro, con un aumento del 90 % en la publicación de ofertas de empleo relacionadas directamente con el mundo de los datos.
Es por ello por lo que el Máster en Data Science & Inteligencia Artificial tiene un enfoque totalmente práctico, orientado al entorno profesional, con docentes en activo en diferentes empresas.
Dentro de esta formación aprenderás a usar big data, analizando grandes volúmenes de datos, y a desarrollar modelos de machine learning e inteligencia artificial capaces de predecir comportamientos, automatizar procesos y apoyar la toma de decisiones en entornos reales de negocio.
Además, aprenderás a utilizar herramientas imprescindibles y ampliamente utilizadas en el mercado profesional como Hadoop y Spark para el procesamiento distribuido de datos, bases de datos SQL y NoSQL para el almacenamiento y la gestión de información, así como tecnologías para el desarrollo de modelos de machine learning e inteligencia artificial con deep learning.
Este máster también incluye el uso de entornos cloud como AWS y Google Cloud, herramientas de control de versiones como GitHub y lenguajes de programación clave en ciencia de datos como Python y R, que actualmente son estándares en la industria. Verás también la gestión del MLOps para la productivización de los modelos predictivos.
El programa está desarrollado e impartido por expertos procedentes de grandes compañías con experiencia directa en proyectos reales de analítica avanzada e inteligencia artificial.
Si buscas un máster en data science e IA con un enfoque práctico, orientado al big data y a las tecnologías más solicitadas en el mercado, centrado en el desarrollo de perfiles profesionales capaces de trabajar como data scientist o especialista en analítica avanzada e inteligencia artificial, este es tu máster.
Objetivos
- Realizarás casos reales aplicando técnicas de data science.
- Adquirirás un elevado conocimiento en visualización avanzada de datos con Power BI y data digital.
- Sabrás extraer información relevante para la empresa a partir de la aplicación de técnicas de data science y aprenderás a realizar un web scraping eficiente.
- Aprenderás a desarrollar algoritmos avanzados de machine learning como: regresión logística, modelos lineales generalizados o redes neuronales.
- Entenderás y desarrollarás inteligencia artificial con deep learning.
- Adquirirás conocimientos profundos y avanzados de programación en R y Python.
- Trabajarás y desarrollarás tareas en SQL, MongoDB, Spark y Hadoop.
- Mejorarás en la eficiencia del tiempo con metodologías como Agile o Scrum.
Tres razones para escogerlo
- El programa está diseñado y estructurado para que el alumno obtenga un conocimiento total para implementar y manejar un departamento de data science e IA en entornos de big data, así como el uso de las últimas herramientas.
- Está creado e impartido por expertos de gran nivel, con una metodología práctica, enfocada a la realidad y a las necesidades de las empresas.
- Adquirirás todos los conocimientos con las herramientas más solicitadas en el mercado laboral, potenciarás el conocimiento de los datos y lograrás tener una visión transversal que revolucionará tu perspectiva actual en la toma de decisiones.
Acreditación académica
Máster de Formación Permanente en Data Science & Inteligencia Artificial por la Universitat de Barcelona.
Curso propio diseñado según las directrices del Espacio Europeo de Educación Superior y equivalente a 60 créditos ECTS.
Programa
1. Herramientas de big data
1.1. Almacenamiento de grandes volúmenes de datos: data mark, data lakes, definición de big data, SQL, NoSQL y procesamiento escalable (Hadoop, MapReduce y Spark)
1.2. Herramientas en cloud: servicios en la nube. Diferencias entre IaaS, PAAS y SaaS. Google Cloud y Azure Amazon Web Services
1.3. Monitorización y control. Control de versiones: Git o SVVN. Ventajas e inconvenientes de utilizar GitHub. Alternativas a GitHub
1.4. Herramientas de análisis: programación en R y programación en Python
1.5. Herramientas de visualización con Power BI
2. Estadística aplicada al mundo real
2.1. Introducción a la estadística: concepto de estadística. Conceptos básicos: población, muestra, variable estadística...
2.2. Estadística descriptiva unidimensional: distribución de frecuencias, métodos gráficos y tablas estadísticas. Medidas de posición, dispersión, forma y concentración. Gráficos
2.3. Estadística descriptiva bidimensional: distribución de frecuencias bidimensionales. Tablas estadísticas de doble entrada. Métodos gráficos
2.4. Regresión y correlación: línea general de regresión. Correlación. Regresión no lineal. Correlación entre atributos. Coeficiente Sperman, Kendall y ji cuadrado
2.5. Introducción al cálculo de probabilidades: azar y probabilidad. Definiciones y propiedades. Probabilidad condicionada e independencia. Teorema de Bayes y probabilidad total
3. Data management y digital data
3.1. Digital data. Fuentes de datos externas oficiales (INE, EUROSTAT...)
3.2. Google Analytics. Social analytics: Hootsuite, Twitter Analytics y Facebook Insights
3.3. Web scrapping. Uso de correo basura
3.4. Data management. Gobierno de los datos. Ética y leyes
3.5. Data cooking. Preparación de los datos: selección, transformación y codificación
3.6. Data discovery. Creación de nuevas métricas (KPI, insights) y discretización de variables
3.7. Data quality. Técnicas avanzadas de detección de outliers, valores missing e imputación
3.8. Muestreo probabilístico, aleatorio, estratificado y sistemático
4. Técnicas avanzadas de data mining o minería de datos
4.1. Distribuciones. Gauss. Teorema central del límite
4.2. Análisis multivariante: estimación, contraste de hipótesis e intervalos de confianza
4.3. Análisis de componentes principales (PCE) y factorial
4.4. Análisis discriminante: elección de variables (forward, backward y stepwise)
4.5. Análisis clúster: algoritmos de clasificación jerárquica y no jerárquica
5. Modelización predictiva aplicada a la empresa
5.1. Preparación de tablero de modelización. Modelos supervisados vs. modelos no supervisados
5.2. Técnicas para mejorar un modelo: training validation y cross validation
5.3. Regresión lineal y regresión logística
5.4. GLM (modelo lineal general). Ridge y PLS
5.5. Series temporales
6. Técnicas avanzadas de machine learning
6.1. Classification algorithms: árboles de decisión
6.2. K-nearest neighbors
6.3. Modelo probabilístico: Bayes
6.4. Random forest
6.5. Boosting
6.6. Bagging
6.7. AdaBoost
7. Inteligencia artificial con deep learning
7.1. Redes neuronales (neural networks o NN)
7.2. Support vector machine (SVN)
7.3. Deep learning
7.4. Técnicas de machine learning en imágenes y vídeos
7.5. Modelos de sentimientos (computación sobre texto, redes sociales, etc.)
8. MLOps y metodología Agile para productivizar un modelo
8.1. Herramientas para la gestión de clúster
8.2. Validación del modelo: verificación p-values en regresiones. Test de bondad de ajuste. R-cuadrado, MSE, BIC y AIC
8.3. Test discriminate: curva ROC, curva lift, Gini index. Jackknifing y bootstrapping
8.4. Diagnóstico de los residuos. Prueba de estabilidad y validación con prueba ciega
8.5. Implementación del modelo: metodología para garantizar una solución viable
8.6. Mantenimiento y actualización. Uso del modelo y requerimientos de implementación. Monitorizar el rendimiento y la efectividad de los modelos implementados
8.7. Aportar análisis que faciliten la toma de decisiones y desarrollos futuros
8.8. Gestión de proyectos: planificación de un proyecto
8.9. Metodología Agile y metodología Scrum
9. Trabajo final de máster aplicado a la empresa
Destinatarios
El Máster en Big Data & Data Science está dirigido de manera preferente a alumnos con perfiles técnicos que estén interesados en desarrollar su carrera profesional en el ámbito del análisis y la gestión de grandes volúmenes de datos.
Para acceder a esta titulación los alumnos deberán ser:
- Ingenieros/graduados en informática, telecomunicaciones e industriales.
- Licenciados/graduados en matemáticas, física, química y estadística como titulaciones de ingreso preferente.
También se valorará el acceso a alumnos sin titulación universitaria que lleven al menos 2 años trabajando en áreas de Business Intelligence, Business Analytics, etc. En este sentido, podrán acceder si cumplen alguno de estos requisitos:
- Perfiles técnicos: tener conocimientos en analizar y gestionar datos o tener al menos 2 años de experiencia laboral en departamentos analíticos.
- Conocimientos de programación (preferiblemente SQL, Python o R) o haber programado al menos 2 años en alguna empresa.
El alumnado sin titulación universitaria puede adquirir las mismas habilidades y conocimientos impartidos en este curso y optar a una acreditación de Diploma Superior Universitario. Es necesario consultar a los responsables del curso sobre los requisitos y condiciones de acceso establecidos para este tipo de alumnado.
Salidas profesionales
El máster propuesto tendrá una orientación profesional para facilitar la incorporación de los estudiantes al mercado laboral o para permitir el reciclaje de profesionales que ya se encuentran en el mercado.
Se pueden destacar las siguientes salidas profesionales:
- Científico de datos (data scientist)
- Analista de datos (data analyst)
- Analista de negocio (business analyst / data business analyst)
- Analista de marketing (marketing analyst)
- Analista de producto (product analyst)
- Analista de riesgos (risk analyst)
- Consultor de analítica avanzada e inteligencia artificial (AI & data consultant)
- Jefe de proyecto de datos e inteligencia artificial (data & AI project manager)
- Consultor de soluciones big data (big data consultant)
- Jefe de proyectos big data (big data project manager)
- Analista digital (digital analyst)
- Analista de proyectos de I+D (R&D project analyst)
- Emprendedor de negocios basados en datos (data entrepreneur)
Sectores: financiero (banca o seguros), consultoría, comercio electrónico, automovilístico, sanitario, farmacéutico, retail, telecomunicación, televisión, etc. Prácticamente se puede trabajar en cualquier sector que trabaje con datos.
Profesorado
Dirección
Sra. Dolores Lorente Muñoz
Profesional con más de quince años de experiencia en el mundo de la analítica, apasionada de la estadística (con diplomatura y grado). Experiencia desarrollando modelos predictivos, descriptivos y cuadros de mando de business intelligence y aplicando técnicas de machine learning en los modelos. Experiencia como docente en data mining en KeepCoding y en IMF International Business School y directora y profesora del programa Just Data Science, impartido en la URJC. Actualmente trabaja como responsable científica de datos desarrollando análisis de modelos, comparativas y puesta en producción, tanto con técnicas estadísticas convencionales como con técnicas de machine learning, obteniendo mejoras en las predicciones y un retorno positivo en los proyectos trabajados.
Coordinación
Sr. Ignacio Pérez Torres
Gerente y arquitecto big data en Accenture Technology. Entusiasta de la tecnología con más de quince años de experiencia trabajando en proyectos con alto contenido tecnológico para las principales empresas del país y seis años trabajando en proyectos de big data. Cuatro años de experiencia como profesor de big data y cloud computing tanto en instituciones públicas como privadas.
Cuadro docente
Sr. Ferran Arroyo Vendrell
Profesional con más de ocho años de experiencia como data scientist en grandes compañías como Aegon-Santander o Fidias Actuaris. Actualmente trabaja en AXA en modelos predictivos, cross-selling, fraude y optimización. Conocimiento en modelos tanto descriptivos como predictivos en planes de pensiones. Experiencia en machine learning con un alto conocimiento en la analítica y fuertes conocimientos de estadística. Trabaja tanto con R como con Python para al desarrollo de los modelos. Experiencia como docente en la Universidad de Alcalá, en la asignatura de analítica actuarial, y en la Universidad Europea. Licenciado en Empresariales y en Ciencias Actuariales y Financiaras con el Máster Executive en Data Science por la MBIT School.
Sr. Parfait Atchade Adelomou
Ingeniero Superior de Telecomunicaciones, MBAs, PhD Candidate en Computación cuántica. Director Estratégico de Negocio de Lighthouse Disruptive Innovation Group LLC.
Sr. Ferrán Carrascosa Mallafré
Licenciado en Matemáticas en 2001 en la Universidad de Barcelona, y Técnico en Machine learning, Deep learning y Big data, con experiencia de más de 18 años. Actualmente, es responsable de Data Science en análisis de riesgos para CaixaBank. Como docente, tiene una experiencia de 15 años en diferentes cursos universitarios sobre Computación Estadística Moderna con R, Análisis multivariante, Aplicación de métodos estadísticos a la Ciencia Política y la Administración Pública, o Prácticas desarrolladas en R.
Sra. Lidia Cortés
Licenciada en Ciencias Físicas con más de siete años de experiencia en el mundo de los datos, trabajando actualmente en una multinacional. Amplio conocimiento de diferentes herramientas, así como de las distintas fases de un proyecto business intelligence, con amplia experiencia en la parte de reporting. Entusiasta en la representación visual de la información, aportando valor y haciéndola más atractiva y entendible. Tiene experiencia en impartición de diferentes formaciones tanto a usuarios finales como a personal técnico en diferentes empresas.
Sr. Jesús Cristobal Asorey
Más de diez años como mánager y director de IT en Randstad y cinco años como director en Softtek desarrollando estrategias de marketing y negocio. Actualmente es partner y director de Sand, donde trabaja en las áreas de business intelligence, business discovery y data analytics. Experiencia como docente desde 2011, continúa impartiendo formaciones en EAE Business School y OBS Business School. Entusiasta y creativo de las nuevas tecnologías, en sus ponencias sabe transmitir el proceso y la estructura, generando nuevas ideas gracias a una comunicación excelente.
Sr. Miguel Ángel De La Llave Montiel
Más de diez años de experiencia en el mundo de la analítica, responsable del departamento de pricing en AXA, experto en modelización de riesgo crediticio en Barclays y analista de inversiones. Doctorando en Econometría Espacial, actualmente cuenta con dos másteres, Máster en Ciencias Actuariales y Financieras y Máster en Técnicas Cuantitativas, y dos licenciaturas, una en Económicas y otra en Actuariales y Financieras. Experiencia como docente en el Máster de Business Analytics en la Universidad Europea, en la que trabaja actualmente.
Sr. Alberto Julián Rigau
Ingeniero superior de Telecomunicaciones y MBA. Data Scientist – Freelance. Data Scientist en Data Science Retreat.
Sra. Dolores Lorente Muñoz
Profesional con más de quince años de experiencia en el mundo de la analítica, apasionada de la estadística (con diplomatura y grado). Experiencia desarrollando modelos predictivos, descriptivos y cuadros de mando de business intelligence y aplicando técnicas de machine learning en los modelos. Experiencia como docente en data mining en KeepCoding y en IMF International Business School y directora y profesora del programa Just Data Science, impartido en la URJC. Actualmente trabaja como responsable científica de datos desarrollando análisis de modelos, comparativas y puesta en producción, tanto con técnicas estadísticas convencionales como con técnicas de machine learning, obteniendo mejoras en las predicciones y un retorno positivo en los proyectos trabajados.
Sr. Jorge Maestre Martínez
Head Of Agile en VASS, con una experiencia desde 1995 en trabajos web, desea acercar la tecnología a todos, haciéndola más manejable y accesible. Está especialmente interesado en aplicaciones que tengan un profundo impacto social, buscando una sociedad mejor. Fundó Devtopia Coop, una cooperativa de desarrolladores, donde colideró y cogestionó proyectos relacionados con internet y tecnologías emergentes.
Sr. Ignacio Pérez Torres
Gerente y arquitecto big data en Accenture Technology. Entusiasta de la tecnología con más de quince años de experiencia trabajando en proyectos con alto contenido tecnológico para las principales empresas del país y seis años trabajando en proyectos de big data. Cuatro años de experiencia como profesor de big data y cloud computing tanto en instituciones públicas como privadas.
Descuentos
Con la voluntad de facilitarte el acceso a la formación, te ofrecemos la posibilidad de aplicar descuentos en el momento de realizar la matrícula. Los descuentos pueden variar según el tipo de estudios o la titulación que quieras cursar y el número de créditos que tengas que matricular, el colectivo, y la comunidad a la que puedas acreditar la condición de beneficiario.
Ponte en contacto con nosotros mediante el formulario que encontrarás en la ficha de la página web y te informaremos ampliamente de los descuentos y facilitaciones de pago que ponemos a tu alcance.
COLECTIVOS CON DESCUENTO:
- Alumnado o exalumnado de la Fundación IL3-UB.
- Alumni UB con cuota Máster.
- Colegios, asociaciones profesionales y otras entidades con convenio de colaboración.
- Colectivos con descuento matrícula corporativa o entidad colaboradora.
- Colegiados/das en el Colegio de Ingenieros Graduados e ingenieros Técnicos Industriales de Barcelona. 10% de descuento.
- Colegiados/das en el Colegio de Educadoras y Educadores Sociales de Cataluña (CEESC). 10% de descuento.
Además, disponemos de descuentos específicos y para otros colectivos. Puedes ampliar la información en el siguiente enlace
Recuerda confirmar, en el momento de validar tu matrícula, si eres beneficiario de alguno de nuestros descuentos. La aplicación de los descuentos no tiene carácter retroactivo. Para poder beneficiarte de cualquier descuento ofrecido por el Instituto de Formación Continua de la Universidad de Barcelona deberás acreditar debidamente que eres beneficiario antes del inicio del curso. Si tienes cualquier duda, no dudes en consultar con una de nuestras asesoras.
La mayor parte de nuestros programas (tanto presenciales como en línea) cumplen con los requisitos para ser bonificados a través de la Fundación Tripartida. Si deseas más información para tramitar la bonificación para tu empresa, consulta con nuestra asesora en el momento de formalizar la matrícula.
Condiciones:
- No se aplicará ningún descuento que no esté acreditado.
- Los descuentos no son acumulables.
- No se aplicarán descuentos una vez iniciado el curso.
- No se aplicará ningún descuento en cursos inferiores a 7 ECTS.
CONTACTO
Instituto Forymat
Dirección:
C. de la Princesa, 41
28008. Madrid
WhatsApp: 630 25 42 67
E-mail: admision@il3.ub.edu
De Lunes a Jueves de 9:30h a 20:30h y Viernes de 9:30h a 18:30h
Proceso de matriculación
Este curso está respaldado por el prestigio y la experiencia del Instituto de Formación Continua de la Universidad de Barcelona (IL3-UB) y el Instituto Forymat.
El proceso de matriculación se gestiona directamente desde esta institución. Te facilitamos los datos de contacto para que te dirijas a ellos.
Instituto Forymat.
Teléfono: 91 559 27 86.
WhatsApp: 630 25 42 67
E-mail: admision@il3.ub.edu
Horario:
De Lunes a Jueves de 9:30h a 20:30h y Viernes de 9:30h a 18:30h.