El procesamiento de datos es una técnica de gran relevancia en todos los sectores económicos y sociales, debido a la gran acumulación de datos que ha generado la explosión de internet, el creciente uso de sensores y el abaratamiento de la capacidad computacional de los ordenadores.
En el entorno socioeconómico navarro:
en el sector biosanitario: la medicina de precisión (medicina personalizada) requiere un avanzado tratamiento de los datos para ofrecer apoyo al personal médico en las tareas de diagnóstico y toma de decisiones, que permita adecuar el tratamiento al paciente y a su entorno.
en el sector de la industria y financiero: requiere de algoritmos eficientes e instantáneos en el sector automovilístico (coche autónomo), en el de las energías renovables (aerogeneradores, etc.) o en el financiero (riesgos, modelos predictivos, análisis de datos financieros, etc.)
Podrán acceder a la Universidad Pública de Navarra los estudiantes que se encuentren en alguna de estas situaciones:
• Quienes hayan cursado Bachillerato ó Bachillerato extranjero convalidable- y hayan superado la Selectividad (Prueba de Acceso a la Universidad)
• Los que hayan superado un Ciclo formativo de Grado Superior, módulos profesionales experimentales de nivel III o enseñanzas de formación profesional de segundo grado
• Prueba de Acceso a la Universidad para mayores de 25 años
• Prueba de Acceso a la Universidad para mayores de 45 años
• Los estudiantes que hayan superado el PREU, Pruebas de Madurez o Bachilleratos cursados en planes de estudios anteriores al año 1953
• Los estudiantes que tengan una titulación universitaria
• Cumplir los requisitos para el acceso de mayores de 40 años (carecer de titulación académica y acreditar determinada experiencia profesional o laboral)
Primer Curso:
Álgebra lineal
Cálculo I
Biología
Programación
Introducción a la Ciencia de Datos
Estadística I
Fundamentos de Física
Estructura de Datos
Matemática Discreta
Cálculo II
Segundo Curso:
Estadística II
Fundamentos de genética
Algorítmica
Programación orientada a objetos
Ecuaciones diferenciales ordinarias
Programación concurrente y distribuida
Empresa
Métodos numéricos
Variable compleja y análisis de Fourier
Bases de datos I
Tercer Curso:
Criptografía
Bases de datos II
Optimización I
Aprendizaje automático
Preparación de datos
Modelización estadística
Ciencia y sociedad
Finanzas
Optimización II
Modelos estadísticos avanzados
Análisis multivariante y visualización de datos
Cuarto Curso:
Investigación de mercados
Optimización III
Aprendizaje profundo
Extracción del conocimiento
Simulación
Big Data
Asignaturas optativas
Trabajo Fin de Grado
Trabajar como analista de datos en empresas de cualquier sector.
Diseñar algoritmos para la industria (coche autónomo, predicción, etc).
Trabajar como analista de redes sociales.
Trabajar en laboratorios médicos o farmacéuticos como responsable del estudio de datos en investigaciones sobre medicina personalizada, genómica, etc.
Trabajar en departamentos financieros en puestos de diseño de estrategias de marketing y análisis de mercados.
Trabajar desarrollando algoritmos para el internet de las cosas.
Trabajar en bancos centrales, instituciones públicas y agencias europeas en análisis y prospección de datos.
Trabajar en el sector de consultoría.
Dedicarte a la docencia.
CE1 Analizar e interpretar modelos matemáticos de situaciones científicas reales, utilizando las herramientas propias del álgebra lineal y el
cálculo diferencial e integral más adecuadas para resolverlos
CE2 Manejar las técnicas que permiten representar y fusionar datos e información
CE3 Conocer los conceptos básicos de matemática discreta, y criptografía y su aplicación para la resolución de problemas
CE4 Conocer las principales técnicas que permitan realizar un análisis exploratorio preliminar de los datos
CE5 Aplicar los modelos adecuados de probabilidad y de estadística a los análisis de datos procedentes de estudios científicos
CE6 Conocer los fundamentos de la programación de los ordenadores, la eficiencia de los programas, así como conocer la aplicación y las limitaciones de las estructuras de datos básicas que pueden utilizarse en la concepción de programas
CE7 Analizar, validar e interpretar modelos matemáticos de situaciones reales, utilizando las herramientas del cálculo diferencial e integral en varias variables, variable compleja, transformadas integrales y métodos numéricos para resolverlos
CE8 Comprender las características, funcionalidades y estructura de las bases de datos, que permitan su adecuado uso, y el diseño y el análisis e implementación de aplicaciones basadas en ellas
CE9 Comprender situaciones de toma de decisiones en industria, empresa y servicios reflejándolas en modelos de simulación que incorporan sus incertidumbres y complejidades
CE10
Conocer las arquitecturas físicas y lógicas de sistemas informáticos que permitan el tratamiento de altas prestaciones y almacenamiento
de grandes volúmenes de datos, así como identificar y evaluar las prestaciones y la escalabilidad que puedan ofrecer dichas arquitecturas
en la concepción de servicios orientados a la Ciencia de Datos.
