Programa de metodología de ciencia de datos La revolución digital trae consigo una explosión de datos que conlleva un valor potencial significativo para las empresas, la ciencia y la sociedad. A medida que los datos se vuelven fácilmente disponibles como nunca antes, también aumenta su volumen, y la extracción de información cuantitativa útil se vuelve cada vez más desafiante. El Barcelona School of Economics Programa de Maestría en Metodología de la Ciencia de Datos prepara a sus graduados para diseñar y construir sistemas basados en datos para la toma de decisiones en el sector público o privado, ofreciendo una capacitación completa en análisis predictivo, descriptivo y prescriptivo. El plan de estudios guiará a los estudiantes desde el modelado y la teoría hasta la práctica computacional y las herramientas de vanguardia, enseñando habilidades que tienen una creciente demanda global. Los estudiantes de Metodología de la ciencia de datos contarán con un conocimiento sólido de los métodos estadísticos y de aprendizaje automático, la optimización y la computación, y la capacidad de detectar, evaluar y aprovechar la oportunidad de la creación de valor impulsada por los datos. Aprenderán a aplicar ejemplos en el aula utilizando datos reales y responderán preguntas comerciales concretas desde las perspectivas de diferentes industrias. A través de un proyecto de maestría independiente y la oportunidad de realizar prácticas industriales realizadas con empresas locales, los estudiantes pueden tener la oportunidad de resolver problemas reales de análisis de forma práctica. Nuestros cursos son impartidos por académicos e investigadores destacados en los campos de la economía, las operaciones y la estadística, así como por profesionales experimentados de la industria de la analítica. El programa también invita a oradores invitados y emprendedores que trabajan en las fronteras de la ciencia de datos. Horario del programa El programa de Metodología de la ciencia de datos se organiza en torno a cuatro pilares: Estadísticas y aprendizaje automático Optimización e investigación operativa Almacenamiento de datos, inteligencia empresarial y análisis de macrodatos Economía, finanzas y formulación de políticas En septiembre, los estudiantes deben tomar tres cursos de actualización. Los estudiantes que puedan proporcionar evidencia de suficientes cursos anteriores pueden estar exentos: Introducción a la informática Introducción a la Economía Introducción a las Matemáticas La oferta de cursos está sujeta a cambios. ¿Qué habilidades y conocimientos adquiriré en este programa? Experiencia en aprendizaje automático y estadísticas computacionales modernas, de alta dimensión y basadas en simulación Evaluación sólida de las oportunidades de creación de valor impulsada por datos dentro de empresas y organizaciones. Capacidad para aplicar metodologías estadísticas adecuadas y técnicas de optimización en la resolución de problemas complejos. Innovación con sistemas de gestión de bases de datos y procesamiento distribuido en un entorno de computación en la nube. Experiencia analizando Big Data de Internet de las cosas (datos de sensores industriales), Internet de las personas (datos sociales y de ubicación) y datos de transacciones comerciales. Comunicación efectiva de los resultados del análisis de datos a través de presentaciones y habilidades de gráficos estéticos. ¿Quiénes se beneficiarán de este programa? Los estudiantes de Metodología de la ciencia de datos generalmente provienen de la economía, los negocios y otras materias cuantitativas. Por lo general, tienen una sólida base económica, un gran interés en los métodos cuantitativos y la ambición de trabajar en problemas y datos del mundo real. Profesionales de la programación y aspirantes a Ph.D. los estudiantes que deseen adquirir herramientas analíticas y cuantitativas también se beneficiarán del Barcelona GSE Programa de ciencia de datos. ¿Quién contrata a los graduados de Metodología de la ciencia de datos? Firma consultora Servicios financieros Autoridades gubernamentales Organizaciones internacionales / sin fines de lucro Tecnología Instituciones académicas y de investigación Otras industrias Ejemplos de colocaciones profesionales recientes: Accenture - Analista - Barcelona, España Barcelona Supercomputing Center - Data Scientist (Postdoctoral) - Barcelona, España Blackrock - Pasante de ciencia de datos - Londres, Reino Unido Caixa Business Intelligence - Data Scientist - Barcelona, España Centro de Investigación en Salud y Economía y UPF (CRES-UPF) - Data Scientist - Barcelona, España CoinFi - Científico de datos - Hong Kong, China Criteo - Analista local - Estocolmo, Suecia Banco Europeo de Inversiones (BEI) - Prácticas en Estadística - Luxemburgo, Luxemburgo Fresenius Medical Care - Científico de datos junior - Berlín, Alemania Organización Internacional del Trabajo (OIT) - Científico de datos - Ginebra, Suiza Unión Internacional de Telecomunicaciones - Analista de mercado - Ginebra, Suiza Aeropuerto de Múnich - Científico de datos - Múnich, Alemania Novartis - Especialista en análisis avanzado - Barcelona, España Dirección de Gobernanza Pública y Desarrollo Territorial de la OCDE - Pasante en Ciencia de Datos - París, Francia Sanofi - Pronosticador estadístico - Barcelona, España Social Point - Científico de datos de juegos - Barcelona, España Telefónica - Research Data Scientist - Barcelona, España The Washington Post - Analista digital - Washington DC, Estados Unidos Banco Mundial - Científico de datos / Analista de investigación - Washington DC, Estados Unidos Ejemplos de doctorados recientes en ciencia de datos. colocaciones: Universitat Pompeu Fabra (UPF) University College de Londres Universidad de California San Diego Programa de ciencia de datos para la toma de decisiones La demanda de científicos de datos se está disparando, impulsada por la creciente disponibilidad de datos y el avance del aprendizaje automático. La recopilación y el análisis de datos se han convertido en componentes cruciales de la toma de decisiones en las organizaciones públicas y privadas de hoy y muchas han comenzado a desarrollar departamentos especializados para este propósito. La capacidad de extraer, manejar y analizar grandes cantidades de datos es, por lo tanto, una habilidad clave en el mercado laboral actual. Sin embargo, recopilar y resumir datos no es suficiente. La ciencia de datos solo puede mejorar la toma de decisiones si se comprende cómo las elecciones afectan los resultados. Por lo tanto, los científicos de datos deben combinar cada vez más herramientas estándar en el aprendizaje automático con una comprensión de las relaciones causales detrás de los datos. El Barcelona School of Economics programa de maestría en ciencia de datos para la toma de decisiones integra elementos clave de ciencia de datos y economía para brindar a los graduados la capacidad de manejar todo tipo de datos y hacer las inferencias correctas a partir de ellos. Se capacitará a los estudiantes en el uso de métodos de aprendizaje automático de vanguardia y modelos estadísticos que los ayudarán a brindar un soporte de datos efectivo en el proceso de toma de decisiones de cualquier organización. Los estudiantes, por ejemplo, podrán extraer información de la estructura de las redes sociales, imágenes de satélite, grandes bibliotecas de texto digitalizado, leer y visualizar datos en mapas y entender la información geolocalizada y los datos de series de tiempo. También podrán utilizar estos datos para pronosticar y evaluar diferentes opciones de políticas o estrategias comerciales a través de modelos basados en la comprensión de las relaciones causales. Horario del programa El programa de ciencia de datos para la toma de decisiones se organiza en torno a cuatro pilares: Estadísticas y aprendizaje automático Econometría e identificación causal Almacenamiento de datos, inteligencia empresarial y minería de textos Modelos económicos y optimización para la toma de decisiones ¿Qué habilidades y conocimientos adquiriré en este programa? Capacidad para proporcionar análisis de datos adecuados para problemas de toma de decisiones en investigación, gobiernos, empresas, organizaciones internacionales y ONG. Capacidad para analizar el problema de la toma de decisiones mediante la combinación de marcos económicos y de ciencia de datos aplicados. Habilidades de programación necesarias para extraer datos de cualquier fuente, incluidos texto, imágenes, redes sociales, geocodificados y mapas. Utilice y programe herramientas econométricas y de aprendizaje automático de vanguardia para analizar los datos resultantes. Obtenga experiencia en administración de bases de datos y procesamiento distribuido en un entorno de computación en la nube. Desarrolle una comprensión profunda de las diferencias entre correlación y causalidad y por qué esto es crucial para una toma de decisiones óptima. Comunique los resultados del análisis de datos de manera efectiva a través de presentaciones y habilidades de gráficos estéticos. Capacidad para abordar problemas desde diferentes ángulos y ser consciente de las complementariedades de conocimientos en equipos interdisciplinares. ¿Quiénes se beneficiarán de este programa? El objetivo de este programa de Maestría es atender a dos perfiles: La naturaleza aplicada del curso tiene como objetivo ser accesible para los estudiantes que tienen experiencia laboral en empresas, gobiernos u organizaciones internacionales y han trabajado con datos dentro de estas organizaciones. El programa brinda a los recién graduados con sólidas habilidades analíticas la posibilidad de especializarse en el trabajo de datos aplicados. Dada la diversidad de antecedentes de nuestros estudiantes, no existen requisitos previos ni en Ciencias de la Información ni en Economía. Sin embargo, los estudiantes solo podrán absorber la gran cantidad de métodos que se enseñan con cierta experiencia en el trabajo con datos, habilidades cuantitativas muy sólidas y algunos conocimientos previos en estadística. Los estudiantes aprenderán cómo usar STATA y programar en Python durante la maestría, pero algo de experiencia en estos dos paquetes de software les permitirá concentrarse en las aplicaciones.
-