Master en Inteligencia Artificial y Ciencia de Datos (Online)

VER FOLLETO

Contenidos

INTRODUCCIÓN: Manejo de Herramientas Digitales 
Online:  del 21/10/2026 al 26/10/2026

• Presentación del Máster
• Aprendizaje y manejo de herramientas Online. Web 2.0

BLOQUE 1. DEL ENTORNO AL DATO: FUNDAMENTOS TÉCNICOS Y ANALÍTICOS

Este bloque construye la base sobre la que se apoya todo el programa. Comienza con la puesta en marcha del entorno de trabajo del científico de datos —herramientas, terminal, control de versiones y contenedores— y avanza de forma progresiva hacia el lenguaje de programación más utilizado en el sector, Python, para después asentar los fundamentos matemáticos y estadísticos imprescindibles para cualquier análisis riguroso. El bloque cierra con el diseño y explotación de bases de datos relacionales con SQL, completando así el kit esencial que el alumno necesita antes de abordar cualquier problema real con datos.

Módulo 1. La caja de herramientas del analista
Online: del 28/10/2026 al 02/11/2026 - 16 h.
Profesor: Sergio Couto

• Elementos de un ordenador: CPU, memoria, almacenamiento y red aplicados al análisis de datos.
• El sistema de archivos y la terminal: comandos esenciales de Unix/Linux para el científico de datos.
• Intérpretes vs. compiladores: cómo se ejecuta el código y por qué importa en el ecosistema de datos.
• Entorno de desarrollo: Qué es un IDE. VS Code, extensiones esenciales y Google Colab como entorno en la nube.
• Control de versiones con Git y GitHub: repositorios, commits, ramas y flujos de trabajo colaborativo. 
• Contenedores y máquinas virtuales: Docker aplicado a proyectos de datos.
• Introducción a la cultura MLOps: CI/CD/Buenas prácticas, por qué el entorno importa.

Módulo 2. Introducción al tratamiento de datos con Python
Online: del 04/11/2026 al 09/11/2026 - 16 h.
Profesor: Rafael Zambrano

• El lenguaje de programación Python.
• Captación, fuentes de datos y formatos. Procesos ETL: Archivos, bases de datos
• Acceso a datos Web
• Servicios Web y APIs

Módulo 3. Algebra para analistas y científicos/as de datos
Online: del 11/11/2026 al 16/11/2026 - 16 h.
Profesora: Rus María Mesas Jávega

• Vectores y matrices: Nuestros aliados para representar los datos
  o Vectores y matrices
  o Similitudes y distancias
• Transformaciones y proyecciones lineales
• Comprimiendo nuestros datos
  o La maldición de la dimensionalidad
  o Autovalores y autovectores
  o Descomposición en Valores Singulares (SVD)
  o Análisis de Componentes Principales (PCA)

Módulo 4. Introducción a la estadística
Online: del 18/11/2026 al 23/11/2026 - 16 h.
Profesor: Rus María Mesas Jávega

• Estadística descriptiva: Análisis y descripción de datos
• Conceptos básicos de teoría de la probabilidad
• Estadística inferencial: Intervalos de confianza
• Estadística inferencial: Contraste de hipótesis

Módulo 5. Diseño y explotación de bases de datos relacionales
Online: del 25/11/2026 al 30/11/2026 - 16 h.
Profesor: Ignacio Charfolé Sancho

• Nociones básicas del modelo relacional: 
  o Modelo conceptual, modelo lógico y modelo físico
• Introducción al lenguaje de consultas estructurado SQL:
  o DDL
  o DML
  o DCL
• Análisis de datos con SQL

DESCANSO DEL 01/12/2026 AL 08/12/2026

BLOQUE 2. IA GENERATIVA Y AGENTES INTELIGENTES

Este bloque introduce al alumno en el nuevo paradigma que está transformando la profesión. Se parte de los fundamentos del procesamiento del lenguaje natural y la IA generativa para avanzar hacia los grandes modelos de lenguaje —RAG, fine-tuning, multimodalidad y agentes— y culminar con la automatización de procesos reales mediante flujos de trabajo inteligentes. El enfoque es eminentemente práctico: el alumno no solo entiende cómo funcionan estas tecnologías, sino que aprende a utilizarlas como palancas de productividad en su trabajo diario.

Módulo 6. Introducción al NLP: IA generativa e IA agéntica
Online: del 10/12/2026 al 21/12/2026 - 32 h.
Profesor: José Luis Calvo Salanova

• Introducción a los conceptos básicos del NLP.
• Carga, preprocesado y modelización de corpus de textos.
• Uso de librerías de Deep Learning para tareas de clasificación de documentos, análisis de sentimientos, generación automática de resúmenes, etc.
• Aplicaciones prácticas
• Ingeniería de prompts
• Herramientas (GPT-X, Gemini, Midjourney, etc.)
• Fundamentos de los modelos de lenguaje
• Arquitecturas de Transformers

VACACIONES DE NAVIDAD DEL 22/12/2026 AL 12/01/2027

Módulo 7. Grandes Modelos del Lenguaje (LLMs)
Online: del 13/01/2027 al 25/01/2027 - 32h.
Profesor: Aitor Mira Abad

• Prompting avanzado e interacción estructurada con LLMs.
• Recuperación y Generación Aumentada, RAG.
• Agentes basados en LLMs, uso de herramientas externas y automatización de acciones.
• Personalización mediante fine-tuning y otros enfoques de adaptación.
• Multimodalidad: trabajo con texto, imagen, audio, documentos e interfaces visuales.
• Harness engineering: trabajo asistido con LLMs sobre código, datos, documentos, navegador, archivos y herramientas.
• Evaluación, verificación y buenas prácticas para el uso profesional de LLMs.

Módulo 8. Automatización de procesos
Online: del 27/01/2027 al 01/02/2027 - 16 h 
Profesor: Juan Echeverría

• Introducción al concepto de Automatización y las herramientas disponibles en el mercado
• Flujos de Make: nodos, workflows, triggers y ejecución.
• Conectores clave: LLMs, Google, Webhooks, bases de datos, …
• Manejo de datos: JSON, transformación, variables, filtros y expresiones.
• Caso de uso: Creación de un chatbot

BLOQUE 3. ARQUITECTURA Y PROCESAMIENTO DE DATOS A GRAN ESCALA

Este bloque aborda los retos técnicos que surgen cuando los datos crecen en volumen, variedad y velocidad. Partiendo de los principios de la inteligencia de negocio y las arquitecturas de datos, el alumno progresa hacia tecnologías relacionales modernas como PostgreSQL, el procesamiento distribuido con Apache Spark y los modelos de almacenamiento NoSQL —documental, columnar, clave-valor y en grafo—. El hilo conductor es siempre el mismo: entender qué arquitectura es la más adecuada para cada problema y saber construir soluciones escalables, eficientes y preparadas para entornos de datos complejos y heterogéneos.

Módulo 9. Arquitecturas de datos 101
Online: del 03/02/2027 al 08/02/2027 - 16 h.
Profesor: Ignacio Charfolé Sancho

• Definición, Componentes y Tipología de Sistemas de Inteligencia de Negocio.
• Contextualización y Diseño de Sistemas de Inteligencia de Negocio.
• Fuentes y Calidad de los Datos.

DESCANSO DEL 09/02/2027 AL 16/02/2027

Módulo 10. Arquitecturas de Datos Relacionales Modernas con PostgreSQL 
Online: del 17/02/2027 al 22/02/2027 - 16 h.
Profesor: Mario Renau Arce

• Fundamentos y PostgreSQL como Plataforma Moderna
• Time Series y TigerData (TimeScaleDB)
• JSONB, Full-Text Search y Clave-Valor
• Bases de Datos Vectoriales e IA
• Arquitecturas Completas y Escalabilidad

Módulo 11. Procesamiento distribuido con Apache Spark
Online: del 24/02/2027 al 01/03/2027 - 16 h.
Profesor: Mario Renau Arce

• Introducción a Spark y Conceptos Básicos
• Tipos de Datos y Funciones SQL
• Operaciones Avanzadas con DataFrames
• Análisis Avanzado y Casos Prácticos
• Optimización y Proyecto Final

Módulo 12. Tecnologías de almacenamiento escalable
Online: del 03/03/2027 al 08/03/2027 - 16 h.
Profesor: Jordi Conesa Caralt

• Introducción a las bases de datos NoSQL: origen, evolución y contexto histórico
• Persistencia poliglota: escoger el modelo de datos más adecuado para cada problema.
• Modelos de Agregación: características, tipos (clave-valor, documental y orientado a columnas) consideraciones de diseño y casos de uso.
• Modelos en grafo: características, consideraciones de diseño y casos de uso.
• Sistemas distribuidos: definición, tipos (cliente/servidor, peer-to-peer…), estrategias de
• distribución (fragmentación y replicación) y consistencia de datos (ACID vs BASE).
• Ejercicios y ejemplos usando bases de datos NoSQL: MongoDB y Neo4J.

BLOQUE 4. APRENDIZAJE AUTOMÁTICO

Este bloque profundiza en las técnicas y algoritmos que permiten a las máquinas aprender a partir de los datos. Se parte de los modelos clásicos de machine learning —aprendizaje supervisado y no supervisado, clustering y clasificación— para avanzar hacia arquitecturas más complejas como las redes neuronales y el aprendizaje profundo. El bloque culmina con los sistemas de recomendación, un caso de uso real y de alto impacto que integra de forma natural las técnicas trabajadas a lo largo del programa. El enfoque combina la comprensión teórica de los algoritmos con su implementación práctica en herramientas como TensorFlow y Keras.

Módulo 13. Introducción al aprendizaje automático (Machine Learning)
Online: del 10/03/2027 al 22/03/2027 - 32 h.
Profesor: Leticia Monje García

• Aprendizaje supervisado y no supervisado.
• Clustering y clasificación. Técnicas y medidas de calidad.
• Herramientas de aprendizaje automático, visualización.
• El ciclo de la minería de datos.

SEMANA SANTA DEL 23/03/2027 AL 30/03/2027

Módulo 14. Sistemas recomendadores de productos
Online: del 31/03/2027 al 05/04/2027 - 16 h.
Profesor: Miguel García Mena

• Introducción a los sistemas de recomendación
• Sistemas de recomendación clásicos: “El carrito de la compra”
• Sistema de recomendación personalizados
• Caso de uso real

Módulo 15. DEEP LEARNING: Teoría de redes neuronales
Online: del 07/04/2027 al 12/04/2027 - 16 h.
Profesor: Rafa Zambrano

• Historia y evolución del Deep Learning.
• Aplicaciones y casos de éxito en la industria y la investigación.
• Estructura y componentes de una red neuronal.
• Propagación hacia adelante y hacia atrás.
• Descenso del gradiente y optimización.
• Implementación de las Redes Neuronales Artificiales: Tensorflow y Keras.
• Otras arquitecturas de Redes Neuronales. (CNN, RNN, autoencoders)

BLOQUE 5. VISUALIZACIÓN Y COMUNICACIÓN EFECTIVA DE DATOS

Este bloque aborda las competencias necesarias para transformar datos en conocimiento comprensible y visualmente impactante. Se trabajan la herramienta líder en visualización que en estos momentos es Power BI, junto con técnicas de modelado de datos (DAX, Power Query) y buenas prácticas de diseño visual. Además, se introducen los principios del Data Storytelling, para estructurar narrativas visuales que comuniquen insights de forma clara, persuasiva y adaptada a la audiencia. El objetivo es capacitar al estudiante para construir informes y dashboards que no solo informen, sino que generen impacto y acción.

Módulo 16. Visualización y modelado de datos con PowerBI
Online: del 14/04/2027 al 26/04/2027 - 32h.
Profesor: Daniel Burrueco del Río

• Visualizando datos con PowerBI
• Conectando a orígenes de datos
• PowerQuery: El lenguaje M
• Modelando datos con DAX
• Creando y publicando informes

Módulo 17. Data Storytelling
Online: del 28/04/2027 al 03/05/2027 - 16 h.
Profesor: Alberto Turégano

• Percepción visual: ilusiones ópticas, atributos preatentivos y principios Gestalt
• Conocer los aspectos clave a tener en cuenta para comunicar nuestro mensaje con efectividad: Data Storytelling
 o Datos
• Cualitativos y cuantitativos
• Sesgos
 o Objetos visuales
• Gráficos de puntos, líneas y áreas
 o Narrativa
• La propuesta de Aristóteles
• La pirámide de Freytag

DESCANSO DEL 04/05/2027 AL 11/05/2027

Módulo 18. Metodología de proyectos
Online: del 12/05/2027 al 17/05/2027     16 h.
Profesor: Valvanera Castro Fernández

• Ideas modelos de negocio
• Formación de grupos de trabajo
• Asignación tutores

BLOQUE 6. CASOS DE USO Y GESTIÓN OPERATIVA DEL DATO

Este bloque aborda casos prácticos de aplicación de la analítica de datos en distintos sectores clave —marketing digital, finanzas y agroalimentación—, con un enfoque orientado a la toma de decisiones basada en datos. Además, se incorporan competencias estratégicas esenciales para la gestión moderna de datos y la implementación de programas efectivos de gobierno del dato.
El objetivo es que los participantes adquieran una visión aplicada y transversal del uso de la analítica en contextos reales.

Módulo 19. Analítica de Marketing
Online: del 19/05/2027 al 24/05/2027 - 16 h.
Profesor: Antonio Pita Lozano

• Aplicación al Marketing Digital
• Campañas con públicos seleccionados
• Selección de Clientes mediante Modelos de Propensión

Módulo 20. Analítica financiera
Online: del 26/05/2027 al 31/05/2027 - 16 h.
Profesor: Iván Pastor Sanz

• Conceptos financieros y de riesgos
• Aplicación práctica de BI y BIGDATA a la visión financiera/riesgos
• Obtención y preparación de datos financieros y de riesgos
• Modelos estadísticos para maximizar el RAR (Rentabilidad ajustada al Riesgo) y para inferir el riesgo de operaciones financieras.

Módulo 21. Analítica en el sector agroalimentario
Online: del 02/06/2027 al 07/06/2027 - 16 h.
Profesor: Alberto Oikawa Lucas

• Introducción de la tecnología aplicada en el sector
• Aplicación del IoT, gamificación, etc. en la operativización
• Análisis de datos predictivos para la toma de las decisiones

Módulo 22. Gestión y Gobierno de datos
Online: del 09/06/2027 al 14/06/2027 - 16 h.
Profesor: Alberto Turégano

• Introducción a la gestión de datos
• Gobierno de datos: Índice de madurez del dato
• Gestión de la Calidad del dat o 
• Gestión de Metadatos
• Definiendo e Implementando un programa de gobierno en la organización

FASE PROYECTO

El proyecto consiste en la realización de un trabajo de aplicación práctico en grupo (4/5 alumnos) y tiene una duración estimada de 200 horas. Los tutores del proyecto son profesores especialistas en los temas a desarrollar en cada proyecto.

Entrega del proyecto fin de máster el 24/10/2027.