Màster universitari Online de Ciència de Dades

Treball final de màster

Els estudis de màster conclouen amb l'elaboració d'un treball final. En el màster universitari de Ciència de Dades el treball final té 12 crèdits ECTS.

El treball final del màster universitari de Ciència de Dades consisteix en la realització projecte individual de síntesi dels coneixements adquirits en altres assignatures del màster. És una assignatura que l'estudiant ha de cursar per a finalitzar el programa i està orientada a l'avaluació de les competències associades al títol. És per això que per a matricular-se d'aquesta assignatura cal haver superat un nombre determinat de crèdits del programa.

En el màster universitari de Ciència de Dades les propostes de línies de treball s'agrupen en diferents àmbits, relacionats amb les temàtiques o assignatures cursades durant el màster. L'estudiant haurà de triar l'àmbit de coneixement en el qual vol fer el seu treball final de màster. Per a matricular-se del treball final, prèviament cal haver fet una sol·licitud, que ha de ser acceptada per l'equip docent del programa. El tutor acadèmic de la UOC té un paper clau en l'orientació, la informació i la gestió del procés de selecció dels treballs finals.

El treball final és un projecte individual que es fa amb la tutorització i el guiatge del tutor del treball final, que fa l'acompanyament necessari per tal que l'estudiant el pugui portar a terme amb èxit. El tutor del treball final és l'encarregat d'orientar l'estudiant i fa el seguiment del projecte i l'assessora en cadascun dels aspectes: conceptualització, fonamentació, metodologia, redacció dels resultats i defensa.

El treball final conclou amb una defensa, en la qual l'estudiant ha de fer una exposició del treball, mitjançant una eina de presentacions virtuals, davant una comissió d'avaluació formada per tres membres, que l'avaluen.

La qualificació del treball final consta de tres parts: (1) el seguiment i l'elaboració del treball, (2) la memòria, producte, projecte o estudi final realitzat i (3) la defensa del treball.

Per a més informació sobre la docència i el procés de sol·licitud, cal consultar el pla docent, a la Secretaria del Campus un cop s'ha demanat l'accés al programa.

+ Consulta més detalls sobre els treballs finals

Recursos d'aprenentatge

Recursos comuns per a l'aprenentatge

L'estudiant disposa al llarg del programa amb:

-Un laboratori virtual de tecnologies i eines de ciència de dades, que dóna serveis de suport en l'ús de les eines. El programa té acords amb els principals fabricants de programari de business intelligence, amb empreses d'infraestructura virtualitzada i amb un laboratori d'eines de programari de codi obert.

-Un laboratori virtual de llenguatges de programació, que proporciona suport a l'estudiant durant tot el programa en els temes relacionats amb la programació, especialment en el llenguatge R.

A més, durant el desenvolupament del màster, els estudiants tenen accés a programari i a recursos seleccionats pel professorat de cada matèria: una selecció de programari lliure i de llicències del programari propietari més utilitzat actualment al mercat, i altres recursos, ja siguin elaborats per la UOC expressament per a aquest màster o recursos externs de reconeguda qualitat i rigor acadèmic.

Tenim acords de col·laboració estables amb els programes acadèmics de QlikView i Tableau. D'altra banda, la UOC ha tingut tradicionalment un compromís amb el programari de codi obert, especialment en l'àmbit de l'anàlisi de dades. Les nostres eines de referència en anàlisi estadística, mineria de dades (data mining) i aprenentatge automàtic (machine learning) són R i Python, llenguatges estàndards de facto en el mercat industrial i la recerca. Disposem de manuals, tutorials i d'una pàgina web de recursos sobre ambdós llenguatges.

A més, les nostres eines de referència en l'explotació i anàlisi de dades massives són Apache Hadoop i Apache Spark. Per a l'aprenentatge de bases de dades NoSQL utilitzem eines com MongoDB, Riak o Neo4j. En el cas de bases de dades analítiques, utilitzem Microsoft o Pentaho per al magatzem de dades i Oracle o PostgreSQL com a bases de dades.

Cal tenir en compte que estem avaluant contínuament altres eines i acords amb diversos fabricants, de manera que aquesta llista es pot modificar en funció de les tendències de l'àmbit i les necessitats docents del programa.

Depenent de les exigències de rendiment del programari, algunes aplicacions es poden descarregar a l'ordinador de l'estudiant o bé es pot accedir, des de la mateixa aula, a màquines virtuals d'Amazon i Azure.

És recomanable disposar d'un ordinador portàtil o PC de sobretaula amb un sistema operatiu de 64 bits, 8 GB de RAM i 25 GB de disc com a mínim, en el qual es pugui instal·lar programari sense restriccions. Actualment, els ordinadors Mac amb xips M1 o M2 poden donar problemes per realitzar algunes de les activitats previstes en el pla docent de diverses assignatures, així que es recomana disposar d'un ordinador alternatiu.

https://www.youtube.com/watch?v=4A8a1cwAw6o

Resultats d'aprenentatge

Coneixements o continguts (Knowledge)

En finalitzar el màster universitari, l'estudiantat serà capaç de:

Comprendre el procés general o global d'un projecte de ciència o anàlisi de dades, incloent-hi la identificació de fonts de dades, la captura i l'emmagatzematge de dades, el processament i l'anàlisi d'aquestes i, finalment, la presentació dels resultats.

Identificar els punts crítics en un projecte de ciència o anàlisi de dades, així com les debilitats principals que puguin dificultar la finalització reeixida del projecte.

Identificar les fonts de dades rellevants per a un determinat projecte, fent èmfasi en la tipologia i el format de les dades.

Comprendre els mecanismes dextracció i transformació de dades, ja sigui a partir duna única font de dades o fent ús de múltiples de fonts de dades.

Identificar el sistema demmagatzematge de dades més adequat per a un determinat projecte o tipus dinformació.

Conèixer i aplicar tècniques d'anàlisi estadística i descriptiva per obtenir informació rellevant a partir de les dades emprades en un projecte de ciència de dades.

Comprendre l'ampli ventall de tècniques, mètodes i eines disponibles per fer l'anàlisi de dades a partir d'un conjunt de preguntes de negoci o de recerca.

Conèixer les diferents tècniques i models per a la visualització de dades que permetin transmetre, de manera adequada al públic, la informació o els resultats d'un projecte de ciència de dades.

Habilitats o destreses (Skills)

En finalitzar el màster universitari, l'estudiantat serà capaç de:

Conceptualitzar i dissenyar un flux de treball que permeti resoldre problemes específics a l'entorn d'un projecte de ciència de dades.

Integrar i gestionar bases de dades i sistemes demmagatzematge de dades dacord amb criteris ètics, tècnics i funcionals.

Analitzar, conceptualitzar, dissenyar i desenvolupar aplicacions basades en intel·ligència artificial per resoldre problemes específics en el context d'un projecte de ciència de dades.

Conèixer les diferents tècniques, mètodes, models i algorismes dins de la intel·ligència artificial que permeten la resolució de diferents tasques, considerant-ne els principals punts forts i les debilitats o problemes més rellevants.

Utilitzar de manera avançada els llenguatges de programació, les eines de desenvolupament i les tecnologies disponibles per a l'anàlisi, el disseny i la implementació d'aplicacions basades en intel·ligència artificial.

Saber crear gràfics i visualitzacions adequades per mostrar la informació i els resultats d'un projecte de ciència de dades.

Produir i comprendre textos escrits i presentacions orals en un context acadèmic, científic i professional, demostrant habilitats comunicatives a l'àmbit tècnic de la ciència de dades.

Analitzar i sintetitzar informació per avaluar solucions tecnològiques i elaborar propostes de projectes de ciència de dades, tenint en compte els recursos, les alternatives disponibles i les condicions de mercat.

Treballar en equip en un entorn virtual per fer aplicacions basades en intel·ligència artificial en el context d'un projecte de ciència de dades.

Competències (Competències)

En finalitzar el màster universitari, l'estudiantat serà capaç de:

Actuar de manera honesta, ètica, sostenible, socialment responsable i respectuosa amb els drets humans i la diversitat, tant a la pràctica acadèmica com a la professional, i dissenyar solucions per a la millora d'aquestes pràctiques.

Desenvolupar el pensament crític i autocrític a l'anàlisi, la conceptualització i el disseny de projectes de ciència de dades.

Dissenyar, desenvolupar i gestionar projectes de ciència de dades, adaptant-se a levolució de les tecnologies, els llenguatges de programació i les necessitats dempreses, institucions i, en general, de la societat.

Desenvolupar i aplicar iniciativa i esperit emprenedor.

Realitzar, presentar i defensar projectes professionals en l'àmbit de la ciència de dades, adequant-se al públic a què s'adreça la presentació.

Avaluar de manera crítica, justificada i objectiva el resultat d'un projecte de ciència de dades.

Criteris d'admissió

Serà possible l’admissió d’estudiants procedents de titulacions d’àmbits diferents als detallats a l'apartat Prefil d'ingrés recomanat, sempre que tinguin tots els coneixements previs que es detallen a continuació:

• Coneixements bàsics de matemàtiques, amb una dedicació mínima de 150 hores o equivalent. En concret, s'exigeix:

  • Fonaments bàsics de probabilitat i estadística

  • Fonaments bàsics d'àlgebra lineal

• Coneixements a nivell intermedi de programació, amb una dedicació mínima de 300 hores o equivalent. En concret, s'exigeix:

  • Fonaments de programació (variables, funcions, etc.)

  • Programació estructurada

  • Fonaments de programació orientada a objectes

  • Tipus abstractes de dades

• Coneixements bàsics de bases de dades relacionals, amb una dedicació mínima de 150 hores o equivalent. En concret, s'exigeix:

  • Fonaments de disseny de bases de dades relacionals

  • Model Entitat-Relació

  • Ús de llenguatge SQL

• Coneixements introductoris a l’arquitectura de xarxes i computadors, amb una dedicació mínima de 150 hores o equivalent. En concret, s'exigeix:

  • Fonaments d’estructura de computadors (CPU, memòria, etc.)

  • Fonaments de sistemes operatius (accés a fitxers, processos, etc.)

  • Fonaments de xarxes de comunicacions (xarxes IP, protocols d’Internet, etc.)

  • Ús del sistema operatiu Linux a nivell usuari

Aquests coneixements seran avaluats per la Comissió d’Admissió del màster. Per fer-ho, es tindran en compte certificats o títols d'assignatures o cursos expedits per una universitat, ja siguin oficials o propis. L'estudiant haurà d'aportar la documentació que justifiqui les hores o els crèdits impartits, així com el detall del pla d'estudis.

En cas de no disposar de coneixements previs per poder accedir al màster, es podran adquirir a través del Curs preparatori d'accés al màster universitari de ciència de dades:

• Àlgebra lineal (6 crèdits) 

• Probabilitat i estadística (6 crèdits) 

• Fonaments de programació (6 crèdits)

• Programació per a la ciència de dades (6 crèdits)

• Bases de dades per a data warehousing (6 crèdits) 

• Fonaments de xarxes i arquitectures (6 crèdits)

Per poder accedir a aquest curs cal sol·licitar accés al màster per que el/la tutor/a pugui orientar i facilitar la matrícula. 

Aquest curs disposa de 6 assignatures on l'alumne pot matricular les assignatures que necessiti per aconseguir els coneixements necessaris que permetin accedir al màster. Té l’avantatge d’oferir un preu molt més assequible que cursar aquestes assignatures com a lliures.

També es poden cursar assignatures afins a qualsevol altra universitat, sempre que es respecti el temari i el creditatge.

Un cop superades aquestes assignatures prèvies, l'estudiantat podrà tornar a demanar l'accés i l'admissió al màster.