• Hablemos de Big Data 3ra Edición
  • Primera Universidad Latinoamericana en ofrecer esta maestría
  • Erasmus Mundus Master Course in Data Mining and Knowledge Management
  • Jornadas de Data Mining
  • Primera Universidad Latinoamericana en ofrecer esta maestría
Previous Next

Carreras

Especialización en Explotación de Datos y Descubrimiento del Conocimiento

(Acreditación CONEAU, Categoría C. Resolución N° 41/14)

La carrera de Especialización en Explotación de Datos y Descubrimiento del Conocimiento (Data Mining & Knowledge Discovery) está estructurada sobre seis materias básicas y obligatorias para todos los alumnos con un total de 416 horas. 

Todos los alumnos inscriptos en la carrera de Especialización en Explotación de Datos y Descubrimiento de Conocimiento (Data Mining & Knowledge Discovery) deberán cursar y aprobar las asignaturas que se indican en el siguiente cuadro:

 

Cuatrimestre

Materia

Correlativas

-
-
-

Data MiningAnálisis inteligente de datos (AID)

Data MiningAnálisis inteligente de datos (AID)  

 
Maestría en Explotación de Datos y Descubrimiento del Conocimiento

(Acreditación CONEAU, Categoría C. Resolución N° 43/14)

Los aspirantes a la Maestría también deberán inscribirse en Secretaría de Posgrado de la Facultad de Ciencias Exactas y Naturales (Pabellón 2, Ciudad Universitaria) completando la Planilla de Inscripción, y al momento de iniciar el trámite, deberán presentar la certificación de haber obtenido la Carrera de Especialización o la documentación que requiera la Comisión para justificar su ingreso de acuerdo al recurso de excepción planteado en el ARTÍCULO 6 del Reglamento. 

Podrán inscribirse a la Carrera de Maestría en Explotación de Datos y Descubrimiento de Conocimiento (Data Mining & Knowledge Discovery) únicamente los graduados de la Carrera de Especialización en Explotación de Datos y Descubrimiento de Conocimiento (Data Mining & Knowledge Discovery). Sin embargo, aquellas personas que cuenten con antecedentes de investigación o profesionales relevantes, aún cuando no hayan obtenido el título de Especialista en 

Explotación de Datos y Descubrimiento de Conocimiento (Data Mining & Knowledge Discovery), podrán ser admitidos con carácter excepcional para ingresar, con la recomendación de la Comisión (según el Artículo 6 de la Resolución CS 6650/97). En estas circunstancias, la Comisión elevará conjuntamente con la recomendación de excepción, el listado de materias que son dadas por equivalencia de la Carrera de Especialización y cuales se sugiere que el aspirante curse como prerrequisito.

Los inscriptos en la Maestría, además de cursar las materias obligatorias para obtener el título de Especialista, salvo la excepción planteada en el ARTÍCULO 6, deberán cursar cuatro materias optativas (256 horas) y dos talleres de tesis (160 horas).

 

Cuatrimestre

Materia

Correlativas

Optativa

Optativa

-

Taller de Tesis I

-

Optativa

-

Optativa

-

Taller de Tesis II

Taller de Tesis I 

Las materias optativas a dictarse serán definidas por la Comisión al comienzo de cada año lectivo y notificadas al Consejo Superior de la Universidad de Buenos Aires para su conocimiento.

 

MATERIAS OPTATIVAS: (total 256 hs.)

Los alumnos de la Maestría podrán elegir las materias optativas de acuerdo con el siguiente listado y/o aquellos seminarios, Talleres o Cursos que la Comisión de la Maestría pueda programar para la óptima formación de los estudiantes. Estos Seminarios, Talleres o Cursos serán elevados a los 

Consejos Directivos de las Facultades a cargo para su aprobación y las resoluciones correspondientes serán enviadas a la Universidad de Buenos Aires a sus efectos.

 

LISTADO DE ALGUNAS DE LAS MATERIAS OPTATIVAS PROGRAMADAS

  • Data Warehousing (64 horas)
  • Redes neuronales (64 horas)
  • Recuperación de información (64 horas)
  • Metaheurísticas (64 horas)
  • Inteligencia Artificial (64 horas)
  • Bases de datos multimediales y data mining (64 horas) 
  • Visualización de la Información (64 horas)
  • Data mining de series de tiempo (64 horas)
  • Sistemas de información Geográfica
  • Tópicos de Data Mining en Big Data
  • Text Mining
  • Web Mining