La carrera de Ingeniería en Ciencia de Datos e Inteligencia Artificial forma profesionales que participan activamente en grupos multidisciplinares para el diseño e implementación de soluciones basadas en datos e inteligencia artificial que resuelvan las necesidades de los diversos grupos de nuestra sociedad.
Misión
Preparar profesionales en el área de ciencia de datos e inteligencia artificial que a través de su formación profesional íntegra y competitiva potencien sus capacidades en el análisis, el diseño, la implementación, la investigación y la innovación de soluciones tecnológicas basadas en datos, que contribuyan a la mejora de la calidad de vida y que promuevan el desarrollo sostenible y equitativo de nuestro país y de la región, considerando los aspectos sociales, económicos y ambientales dentro del marco ético profesional.
Ejes de la Carrera
La carrera de Ciencia de Datos e Inteligencia Artificial incluye un completo grupo de conocimientos, habilidades y métodos que los graduados deben adquirir al completar esta carrera de formación integral. La Association for Computing Machinery (ACM) ha definido un grupo de ejes de conocimientos, los cuales se asocian a las asignaturas de la carrera, para desarrollar las habilidades que debe reunir un egresado o graduado de nuestra carrera.
- Análisis y presentación de datos.
- Inteligencia artificial.
- Sistemas de big data.
- Adquisición, administración, y gobernanza de datos.
- Minería de datos.
- Machine learning.
Modalidades
- Toda la carrera podrá desarrollarse virtualmente.
- Las evaluaciones serán virtuales y presenciales.
* Costo de carrera:
El Art. 356 de la Constitución de la República, entre otros principios establece que será gratuita la educación superior pública de tercer nivel, y que esta gratuidad está vinculada con la responsabilidad académica de las estudiantes y los estudiantes
Número de estudiantes admitidos por año académico
Número de graduados por año
Número de estudiantes registrados por año académico
Los gráficos muestran las cifras en tiempo real, al momento de la consulta
La carrera aún no cuenta con acreditaciones internacionales debido a que es de reciente creación y todavía no ha tenido su primera cohorte de graduados, condición requerida por los organismos acreditadores.
La estructura académica de la carrera ha sido desarrollada conforme a estándares de calidad reconocidos a nivel internacional, con miras a iniciar su proceso de acreditación una vez que se cumplan los criterios necesarios.
Buscamos estudiantes curiosos, imaginativos, creativos e innovadores que cuenten con:
- Conocimientos básicos de informática.
- Aptitud numérica y conocimientos básicos de Matemáticas.
- Capacidad de abstracción, análisis, síntesis y razonamiento lógico.
- Disposición para trabajar en equipo
- Comprensión lectora en inglés.
- Capacidad de percepción y atención.
OBJETIVOS EDUCACIONALES
Los graduados de la carrera de Ciencia de Datos e Inteligencia Artificial deberán ser capaces en un período de 3 a 5 años después de graduarse de:
- Resolver retos profesionales a nivel global, aplicando los fundamentos de su profesión e innovación, considerando los aspectos sociales, económicos y ambientales, y enmarcados en lo ético y lo moral.
- Plantear y liderar exitosamente el desarrollo y la implementación de soluciones vinculadas a su disciplina, contribuyendo con ofertas de valor a los distintos segmentos de la sociedad.
- Adquirir y mejorar las habilidades y conocimientos técnicos y científicos, a lo largo de su vida profesional, tomando como referente los aspectos contemporáneos, de investigación y emprendimiento.
- Contribuir con la mejora en la productividad a través de las soluciones basadas en datos.
- Aplicar herramientas de comunicación, redacción en español e inglés.
RESULTADOS DE APRENDIZAJE
RA 1. Analizar un problema computacional complejo y aplicar principios de computación y otras disciplinas relevantes para identificar soluciones.
RA 2. Diseñar, implementar y evaluar una solución basada en computación para cumplir con un conjunto dado de requisitos de computación en el contexto de la disciplina del programa.
RA 3a. Comunicarse efectivamente en español en una variedad de contextos profesionales.
RA 3b. Comunicarse efectivamente en inglés en una variedad de contextos profesionales.
RA 4. Reconocer las responsabilidades profesionales y realizar juicios en la práctica computacional basado en principios legales y éticos.
RA 5. Funcionar efectivamente como miembro o líder de un equipo involucrado en actividades apropiadas para la disciplina del programa.
RA 6.Aplicar teorías, técnicas y herramientas a lo largo del ciclo de vida de la ciencia de datos y emplea el conocimiento resultante para satisfacer las necesidades de los involucrados.
Primer Año
Descripción:
Es una asignatura transversal de formación básica para los estudiantes de Ingeniería y Ciencias Sociales y Humanísticas. Se estudian temas relacionados con: nociones topológicas, límites y continuidad de funciones de una variable real, derivadas y sus aplicaciones, antiderivadas y técnicas de integración, y, la integral definida y sus aplicaciones. El curso está orientado para que los estudiantes desarrollen habilidades y destrezas en los procesos de derivación e integración como base fundamental para cursos superiores en su formación académica.
Descripción:
Este curso es de formación básica para estudiantes de ingenierías y ciencias, en el cual se aborda como ejes temáticos el estudio de matrices, sistemas de ecuaciones lineales, espacios vectoriales, transformaciones lineales, espacios con producto interno, valores y vectores propios; a fin de contribuir en la formación integral que permita posteriormente atender necesidades conceptuales, sociales y tecnológicas en la resolución de problemas y desarrollo del pensamiento abstracto del futuro profesional.
Descripción:
Esta asignatura, de formación general, está dirigida a quienes buscan adquirir herramientas prácticas para el análisis y resolución de problemas reales, con un enfoque en innovación y desarrollo de productos o servicios centrados en el usuario. El curso fomenta la creación de valor y la colaboración mediante la metodología Design Thinking, que se estructura en seis fases: investigar, empatizar, definir, idear, prototipar y validar. Los estudiantes aprenden a analizar problemas desde la perspectiva de los usuarios, redefiniendo retos y desarrollando soluciones centradas en ellos. A lo largo del curso, se estimula la creatividad para generar propuestas innovadoras, que se materializan en prototipos validados con los usuarios.
Descripción:
El curso de formación básica presenta a los estudiantes estrategias para la resolución de problemas comunes en diversos campos profesionales por medio del diseño e implementación de soluciones basadas en el uso de un lenguaje de programación. Cubre los principios básicos para que el estudiante pueda leer y escribir programas; haciendo énfasis en el diseño y análisis de algoritmos. Además, introduce a los estudiantes en el uso de herramientas de desarrollo y depuración
Descripción:
Este curso proporciona una introducción a los fundamentos de la ciencia de datos y la inteligencia artificial, con un enfoque en la aplicación práctica en proyectos reales. Los estudiantes aprenden desde los conceptos básicos de ciencia de datos, la recolección y preparación de datos, hasta el análisis exploratorio y el modelamiento de datos utilizando técnicas de inteligencia artificial. Además, se exploran áreas especializadas como la analítica de texto y el análisis de redes, lo que permite a los estudiantes desarrollar habilidades en la extracción de información valiosa y en la toma de decisiones informadas. El curso combina teoría y práctica, preparando a los estudiantes para enfrentar desafíos complejos en diversas áreas de aplicación.
Descripción:
Cálculo vectorial es un curso dirigido a la formación básica de profesionales en las áreas de Ingeniería, ciencias exactas y ciencias naturales que requieren desarrollar habilidades de planteamiento y resolución de problemas en el contexto n-dimensional. Para el efecto, el curso consta de 5 temas generales: geometría analítica tridimensional y funciones de varias variables, cálculo diferencial de campos escalares y vectoriales, optimización de funciones escalares de varias variables, integrales de línea e integración múltiple, integrales de superficie y teoremas de la teora vectorial; siendo las principales aplicaciones de este curso: la optimizacion de funciones de varias variables aplicadas a problemas prácticos, el cálculo de longitudes, área, volúmenes, trabajo y flujo, empleando objetos del plano y del espacio.
Descripción:
Este curso de formación profesional examina el diagrama de entidad-relación, el cual permite la conceptualización de los requerimientos y modelamiento formal para ser implementado en el sistema de administración de bases de datos relacional (RDBMS). Además, se utiliza el lenguaje estructurado de consultas para la manipulación de datos y el álgebra relacional para la comprensión de los planes de optimización de ejecución de una consulta. Finalmente, se aborda conceptos básicos de seguridad y nuevas alternativas para el desarrollo de aplicaciones con bases de datos.
Descripción:
Esta asignatura de formación profesional introduce a los estudiantes a los conceptos relacionados al paradigma de programación orientada a objetos y al desarrollo con interfaces gráficas de usuario. Diseña e implementa soluciones de software de complejidad media a problemas del mundo real usando un lenguaje de programación orientado a objetos. Se refuerza los conceptos con ejercicios prácticos en sesiones de laboratorio semanales y con tareas de programación desafiantes. Aborda también la persistencia de datos, manejo de errores y la introducción a la programación multitarea.
Segundo Año
Descripción:
El curso de Estadística I es de formación básica y permite al estudiante mejorar su capacidad de análisis, síntesis y resolución de problemas, mediante el estudio de los fundamentos estadísticos para la obtención de información a partir de un conjunto de datos, partiendo de la recopilación de los mismos, el procesamiento, análisis e interpretación de información obtenida. También se estudia el concepto de probabilidad como medida de incertidumbre, se analizan modelos matemáticos de variables aleatorias discretas y continuas tratadas de forma univariada y multivariada, para finalmente consolidar las bases de la estadística inferencial.
Descripción:
Este curso ofrece a los estudiantes de Ingeniería en Ciencias de Datos, una formación integral en los aspectos teóricos y prácticos de Machine Learning, cubriendo temas esenciales como el aprendizaje supervisado, no supervisado y por refuerzo. A lo largo del curso, los estudiantes se involucrarán en actividades interactivas que les permitirán analizar, diseñar e implementar modelos de Machine Learning aplicados a problemas reales. Se enfatiza el uso de herramientas y lenguajes de programación contemporáneos, proporcionando una base sólida para abordar desafíos actuales y futuros en el ámbito del Machine Learning y la Inteligencia Artificial.
Descripción:
El curso de formación profesional presenta los fundamentos del análisis, diseño e implementación de estructuras de datos elementales utilizadas en las ciencias computacionales. Estudia algoritmos para manipulación y organización de datos en estructuras, con énfasis particular en eficiencia computacional y estilos de codificación adecuados. Asimismo, plantea problemas reales de mediana complejidad para que los estudiantes diseñen e implementen soluciones utilizando estructuras de datos apropiadas.
Descripción:
Este curso de formación profesional desarrolla estrategias para el diseño e implementación de soluciones en las que se utiliza tecnología. Estas estrategias se enfocan en seguir un proceso de diseño que incluye la investigación de usuarios, la definición del problema, prototipado y evaluación de las soluciones propuestas. Este curso complementa la formación profesional del estudiante en el área de diseño de software y además le permite explorar formas diversas de resolver problemas, usando la creatividad y la innovación.
Descripción:
Estadística II es una asignatura transversal de formación básica para estudiantes de ingeniería y licenciaturas, aborda los conocimientos necesarios para realizar inferencias de una población a través de una muestra mediante estimaciones puntuales, por intervalos o pruebas de hipótesis, por lo que el estudiante adquiere la capacidad de resolver situaciones complejas mediante comparaciones o estableciendo relaciones entre variables de una muestra, facilitando así el proceso de toma de decisiones desde un punto de vista estadístico.
Descripción:
Esta asignatura de formación profesional se diseñan e implementan aplicaciones web y móviles cumpliendo con los estándares actuales y las buenas prácticas de programación. Se aborda el diseño y modelado de aplicaciones que realizan requerimientos web asincrónicos entre el cliente y el servidor.
Descripción:
Este curso de formación profesional aborda la importancia de la ingeniería de software, el ciclo de vida del desarrollo de un sistema de software y la aplicación de una metodología de desarrollo de software, con énfasis en la planificación, la gestión, el análisis de requerimientos y el diseño de un sistema de software de mediana complejidad. Además, se desarrolla habilidades técnicas y no técnicas. En el primer grupo de habilidades, se encuentra la aplicación de métodos y herramientas para planificar un proyecto de desarrollo de software, el análisis de las necesidades de un cliente real y el diseño de un sistema de software, tanto en forma arquitectónica como detallada. El segundo grupo de habilidades incluye el trabajo en equipo, el ejercicio ético de la profesión y la comunicación oral y escrita.
Descripción:
Este curso de formación profesional provee una introducción al análisis y diseño de algoritmos computacionales. Aborda técnicas formales para la determinación de la eficiencia de algoritmos y estrategias básicas de diseño de algoritmos que permiten enfrentarse de manera adecuada a nuevos problemas computacionales. Además, se abordan temas relacionados a la complejidad computacional y cómo convertir nuevos problemas a otros conocidos para ser resueltos de manera eficiente a través de algoritmos.
Descripción:
El curso de Algoritmos de Optimización introduce a los estudiantes a los mecanismos fundamentales para la resolución de problemas de optimización, con un enfoque particular en aplicaciones dentro de la ciencia de datos e inteligencia artificial. Se examinan en detalle algoritmos de optimización discreta, con un énfasis especial en la resolución de problemas basados en grafos. Además, se abordan los algoritmos basados en gradientes utilizados en el entrenamiento de modelos de aprendizaje autónomo, incluyendo su aplicación en entornos de computación distribuida. El curso combina teoría y práctica, proporcionando a los estudiantes las habilidades necesarias para implementar soluciones óptimas en problemas complejos.
Tercer Año
Descripción:
Este curso de formación profesional aborda los aspectos éticos esenciales y su aplicación práctica en el contexto de la ciencia de datos y la inteligencia artificial. El curso explora temas como la privacidad y el consentimiento en el uso de datos, el sesgo y la equidad en algoritmos, la responsabilidad ética durante el despliegue de sistemas inteligentes, y la importancia de la transparencia y la explicabilidad en el desarrollo de modelos éticos. Al finalizar, los estudiantes estarán preparados para enfrentar los desafíos éticos en estos campos, integrando principios éticos en sus decisiones y contribuyendo de manera responsable al desarrollo de soluciones tecnológicas éticas y socialmente responsables.
Descripción:
Este curso proporciona las bases y técnicas esenciales de la Inteligencia Artificial (IA), los principios teóricos y sus aplicaciones. Se exploran algoritmos de búsqueda, diferentes métodos de representación del conocimiento, la interacción con sistemas basados en Inteligencia Artificial, sistemas de agentes inteligentes y los desafíos reales en este campo. El curso fomenta el desarrollo de habilidades analíticas y de resolución de problemas enfatizando la importancia de la responsabilidad ética en la implementación de soluciones basadas en Inteligencia Artificial.
Descripción:
Esta asignatura de grado, dirigida a estudiantes de la carrera de Ciencias de Datos, aborda el análisis de datos y la generación de pronósticos mediante el uso de modelos estadísticos avanzados y series temporales. El curso se centra en el desarrollo de habilidades prácticas y teóricas que permiten a los estudiantes identificar patrones, construir modelos predictivos y evaluar su precisión, con el objetivo de prepararlos para enfrentar desafíos reales en la toma de decisiones basadas en datos en diversos contextos profesionales.
Descripción:
Este curso aborda conceptos básicos para la creación de visualizaciones de datos. Comienza motivando el uso de representaciones gráficas para comunicar efectivamente aspectos específicos de un conjunto de datos. También estudiamos la forma en que el sistema visual humano percibe la información gráfica y cómo explotar este conocimiento en el desarrollo de herramientas para la exploración interactiva de datos. El curso revisa diferentes tipos de datos (por ejemplo, espaciales, tabulares, cualitativos, jerarquías, redes/gráficos) y las técnicas de interacción más importantes para las visualizaciones. Los temas del curso se integran, a lo largo del mismo, en un proyecto en el que los estudiantes diseñan e implementan un sistema de visualización interactivo. Con este fin, las clases prácticas se centran en ejercicios con librerías para la implementación de sistemas de visualización interactivos (por ejemplo, D3.js o Processing).
Descripción:
Este curso de formación profesional presenta los fundamentos teóricos y aplicaciones de las redes neuronales profundas. Aborda desde perceptrones, redes neuronales convolucionales (CNNs), recurrentes (RNNs), modelos de atención, con un enfoque en casos prácticos y desafíos actuales en el procesamiento de imágenes, secuencias, y del lenguaje natural. El curso enfatiza la optimización de redes, el aprendizaje por refuerzo, las arquitecturas generativas, la inteligencia artificial explicable y la ética en el aprendizaje profundo, preparando a los estudiantes para abordar desafíos actuales y futuros en la inteligencia artificial.
Descripción:
Esta asignatura de formación básica y transversal para todos los estudiantes de la institución, está compuesta por seis capítulos. Introduce los principios claves de la sostenibilidad y la ruta hacia el desarrollo sostenible. Aborda los principios ecológicos profundizando en la biodiversidad, los ecosistemas, la población humana y los servicios ecosistémicos. Estudia los fundamentos de los recursos renovables y no renovables al igual que las alternativas para un aprovechamiento sostenible. Analiza la calidad ambiental específicamente en los componentes aire, agua y suelo, ahondando en temas como cambio climático. Finalmente, enfatiza en el eje económico con temas como economía circular y en el eje social en temas como gobernanza y urbanismo.
Descripción:
El propósito de este curso es conocer toda la información necesaria para desarrollar un plan a largo plazo que sirve para plantear qué hacer con los datos de una organización, facilitar su acceso, compartirlos, y administrar su contenido; de tal forma que la organización pueda tomar decisiones fundamentadas a través de análisis descriptivos, predictivos, y prescriptivos.
Cuarto Año
Descripción:
Esta materia presenta un enfoque teórico/práctico para el diseño de arquitecturas en la nube para el procesamiento de grandes cantidades de datos. Específicamente, se diseñan arquitecturas para recopilar, almacenar, preparar, analizar, y visualizar datos para su uso en soluciones de analítica y aprendizaje de máquina, con un énfasis en aplicaciones reales de diferentes dominios.
Descripción:
Este curso introduce a los estudiantes sobre los fundamentos y aplicaciones avanzadas del Procesamiento de Lenguaje Natural (PNL), una disciplina esencial en el campo de la Ciencia de Datos. A través de una combinación de teoría y práctica, los estudiantes explorarán los aspectos clave del PNL, desde los principios lingüísticos fundamentales hasta las técnicas de vanguardia utilizadas en la actualidad.
Descripción:
En este curso de formación profesional se examina el diseño conceptual, lógico y físico de bases de datos relacional (RDBMS); se analiza el tuning de funcionamiento; normalización y desnormalización; y conocimiento de conceptos de seguridad de bases de datos relacional. Se menciona el rol de Big Data en negocios modernos y se discuten las principales tecnologías Big Data desarrolladas, como NoSQL. Se explica el propósito y funcionamiento de sistemas de administración de bases de datos distribuidas (DDBMS). Finalmente, se menciona el rol de la inteligencia de negocios y Data Warehouses en proveer soporte integral de decisiones comerciales; se describe la arquitectura, estilos de reporte, evolución y beneficios.
Adicional
COMPLEMENTARIAS DE HUMANISTICAS
1 créditos - 1.9 ECTS
COMPLEMENTARIAS DE ARTES, DEPORTES E IDIOMAS
1 créditos - 1.9 ECTS
ITINERARIO
3 créditos - 5.8 ECTS
ITINERARIO
3 créditos - 5.8 ECTS
Destrezas profesionales y perfil ocupacional:
El Ingeniero en Ciencia de Datos e Inteligencia Artificial estará en la capacidad de diseñar, implementar y administrar soluciones tecnológicas basadas en datos. El profesional, tendrá competencias para:
- Empresario.
- Gerente de una empresa que provea soluciones basadas en datos.
- Director de proyectos basados en datos.
- Asesor y consultor de desarrollo de sistemas y proyectos basados en datos.
- Auditor de sistemas basados en datos.
- Estudiante de Postgrado.
Para obtener el título de Ingeniero en Ingeniero en Ciencia de Datos e Inteligencia Artificial, los estudiantes deben cumplir con los siguientes requisitos:
- Aprobar un mínimo de 58 créditos en cursos de Formación Profesional.
- Aprobar un mínimo de 24 créditos en cursos de Educación General.
- Aprobar un mínimo de 15 créditos en cursos de Matemáticas y Ciencias Básicas.
- Aprobar un mínimo de 6 créditos en cursos Itinerarios.
- Aprobar un mínimo de 2 créditos en cursos Complementarios.
- Acreditar un mínimo de 336 horas de Prácticas preprofesionales, distribuidas en:
- 240 horas de Prácticas Preprofesionales Empresariales.
- 96 horas de Prácticas de Servicio Comunitario.
- Aprobar la Unidad de Integración Curricular, que incluye:
- Materia Integradora (3 créditos).
- Proyecto Integrador (5 créditos), equivalente a 240 horas.
Los proyectos integradores son un requisito para obtener el título profesional en la ESPOL. Estos proyectos son una oportunidad para que los estudiantes apliquen sus conocimientos y habilidades en un contexto real, y para resolver problemas relevantes para la sociedad, con un enfoque en la sostenibilidad.
Todos los proyectos de graduación son presentados en la Feria IDEAR, una experiencia que les permite desarrollar habilidades blandas como la comunicación y el trabajo en equipo, además de interactuar con potenciales clientes y empleadores.
¿SABÍAS QUÉ?
El Foro Económico Mundial reconoce a los especialistas en Inteligencia Artificial y Machine Learning como uno de los trabajos del futuro con mayor crecimiento de la demanda laboral. En esta carrera se forman profesionales que sean capaces de manipular y transformar grandes volúmenes de datos con el objetivo de diseñar e implementar modelos de Machine Learning basados en Inteligencia Artificial para la identificación de patrones en texto, datos de transacciones del mercado, imágenes, datos de sensores y de muchas otras fuentes de datos; y así generar predicciones basadas en datos que sean de soporte en la toma de decisiones en los diferentes procesos de transformación digital de las industrias.
