Grado en Ingeniería Matemática en Ciencia de Datos Madrid

Plan de estudios ofertado en el curso actual.

120.

Las prácticas en empresas son un elemento clave en tu formación. Adquirir experiencia después de lo aprendido en tu titulación, es la mejor forma de entrar en el mercado laboral. Hay dos tipos de prácticas, las curriculares (incluidas en tu plan de estudios) y extracurriculares (las que puedes hacer de forma voluntaria).

Para realizar las prácticas curriculares en empresas, necesitarás tener el 50% de los créditos aprobado y matricular la asignatura antes de comenzar tus prácticas. Estas prácticas llevan un seguimiento por parte de la empresa y del profesor de prácticas, así como la realización de informes intermedios y finales para su evaluación.

Si quieres mejorar tu experiencia laboral antes de concluir tu formación universitaria, puedes hacer prácticas extracurriculares. Podrás hacerlas en cualquier curso pero te recordamos que las prácticas son un complemento formativo a tus estudios; por tanto, cuanto más conocimiento hayas adquirido a lo largo de la carrera, mayor provecho sacarás de la experiencia de prácticas.

Conocimientos

• CON01 - Describir el concepto de empresa, así como las áreas funcionales de la misma, incluyendo las relaciones entre ellas, y aplicación de las distintas herramientas disponibles en cada una de ellas necesarias para el desempeño como científico de datos
• CON02 - Describir los fundamentos básicos, los principios y las aplicaciones de los sistemas informáticos, el desarrollo software y las bases de datos
• CON03 - Explicar los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación prácticas.
• CON04 - Explicar el Ciclo de vida de los datos, desde la operación hasta la visualización. De los datos al conocimiento y del conocimiento a la estrategia de negocio
• CON05 - Describir los modelos y formas de evaluación de servicios en base a criterios de capacidad de utilización y calidad de servicio en el ámbito de aplicación de la ciencia de datos.
• CON06 - Enunciar la legislación en materia de datos personales, privacidad y derechos fundamentales de las personas, así como los criterios y mecanismos de evaluación y certificación de la seguridad vigentes en la actualidad, a la vez que se valoran y garantizan políticas y acciones de alto rigor ético y responsabilidad social.
• CON07 - Describir las técnicas de interoperabilidad de sistemas e integración y agregación de datos.
• CON08 - Adquirir los conocimientos sobre: álgebra lineal, cálculo diferencial e integral, métodos numéricos, estadística y optimización para la resolución de problemas
• CON09 - Describir los conceptos de estadística descriptiva y modelos probabilísticos, y ejemplificar su aplicación en contextos reales, explicando la diferencia entre estudios descriptivos e inferenciales.
• CON10 - Interpretar el significado de la derivada y la integral, explicar el concepto de diferencial y el Polinomio de Taylor, y aplicar estos principios para resolver problemas de optimización y cálculo de integrales
• CON11 - Explicar los conceptos de sistemas lineales, matrices, autovalores y autovectores, y la diagonalización e ilustrar cómo se resuelven sistemas lineales y cómo se calcula un autovalor y autovector.

Competencias

• CP01 - Participar de forma activa en proyectos que incluyan el uso de datos abiertos y herramientas de análisis estadístico en entornos distribuidos
• CP02 - Participar de forma activa en proyectos en el ámbito de sistemas de gran volumen de datos que requieran el conocimiento, la evaluación, la selección y la utilización de herramientas soporte para el desarrollo de proyectos de big data
• CP03 - Realizar, presentar y defender un ejercicio original individualmente ante un tribunal universitario, consistente en un proyecto en el ámbito de la ciencia de los datos de naturaleza profesional, en el que se sinteticen e integren las Competencias adquiridas en las enseñanzas
• CP04 - Aplicar las técnicas de aprendizaje computacional para diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos y que tengan en cuenta posibles problemas de calidad de los datos.
• CP05 - Aplicar las técnicas y modelos, matemáticos, estadísticos y de optimización, aplicados al procesamiento de datos, los sistemas de ayuda a la decisión, la búsqueda de relaciones entre variables y la realización de predicciones.
• CP06 - Extraer información de datos estructurados, semiestructurados o no estructurados, incluyendo texto, imagen, vídeo y audio, mediante técnicas de identificación y adquisición de datos relevantes, reducción, compresión, transformación, limpieza y evaluación de su calidad.
• CP07 - Representar conocimiento con formalismos basados en la lógica y realizar inferencia para derivar conocimiento nuevo, así como su uso para la gestión de los metadatos y la gobernanza de sistemas complejos de datos
• CP08 - Aplicar las metodologías, arquitecturas y técnicas propias de Big Data para el almacenamiento y la gestión de los datos grandes volúmenes de datos, la gestión eficiente de flujos continuos de datos y la aplicación de métodos de integración de datos.
• CP09 - Aplicar los modelos y estándares del ámbito de los sistemas de grandes volúmenes de datos.
• CP10 - Aplicar el pensamiento estadístico y tener la capacidad de enfrentarse a las distintas etapas de un estudio estadístico (desde el planteamiento del problema hasta la exposición de los resultados
• CP11 - Utilizar las tecnologías de la información y de la comunicación para la búsqueda y análisis de datos, la investigación, la comunicación y el aprendizaje.
• CP12 - Integrar el análisis con el pensamiento crítico en un proceso de evaluación de distintas ideas o posibilidades profesionales y su potencial de error, basándose en evidencias y datos objetivos que lleven a una toma de decisiones eficaz y válida en el ámbito de aplicación de la Ciencia de Datos
• CP13 - Aplicar técnicas de diseño, implementación, captación, almacenamiento y explotación de bases de datos y los sistemas de gestión de bases de datos, tanto estructuradas como no estructuradas, monolíticas y distribuidas.
• CP14 - Diseñar interfaces eficientes en el contexto del Big Data que garanticen la accesibilidad y usabilidad, utilizando técnicas de representación gráfica y analítica.

Habilidades

• HAB01 - Aplicar de forma eficiente los modelos de tipos de datos y los algoritmos para diseñar soluciones a problemas.
• HAB02 - Utilizar el lenguaje matemático y su aplicación para enunciar proposiciones y transmitir los conocimientos adquiridos en los distintos campos de las matemáticas.
• HAB03 - Utilizar las herramientas informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización y otras para experimentar en Matemáticas y resolver problemas
• HAB04 - Evaluar las tendencias en el mercado de la Economía digital, así como su impacto en el desarrollo social, económico y cultural
• HAB05 - Analizar las técnicas de marketing digital valorando el impacto de sus decisiones en los beneficios, el mercado, las personas y la sociedad
• HAB06 - Analizar las técnicas de ingeniería de sistemas de información a los procesos de negocio.
• HAB07 - Analizar las técnicas de replicación, conservación, restauración y anonimización de los datos
• HAB08 - Crear ideas nuevas y conceptos a partir de ideas y conceptos conocidos, llegando a conclusiones o resolviendo problemas, retos y situaciones de una forma original en el entorno académico y profesional
• HAB09 - Transmitir mensajes (ideas, conceptos, sentimientos, argumentos), tanto de forma oral como escrita, alineando de manera estratégica los intereses de los distintos agentes implicados en la comunicación en el entorno académico y profesional
• HAB10 - Influir en otros para guiarles y dirigirles hacia unos objetivos y metas concretos, tomando en consideración sus puntos de vista, especialmente en situaciones profesionales derivadas de entornos volátiles, inciertos, complejos y ambiguos (VUCA) del mundo actual
• HAB11 - Cooperar con otros en la consecución de un objetivo académico o profesional compartido, participando de manera activa, empática y ejerciendo la escucha activa y el respeto a todos los integrantes.
• HAB12 - Adaptarse a situaciones adversas, inesperadas, que causen estrés, ya sean personales o profesionales, superándolas e incluso convirtiéndolas en oportunidades de cambio positivo.
• HAB13 - Mostrar comportamientos éticos y compromiso social en el desempeño de las actividades de una profesión, así como sensibilidad a la desigualdad y a la diversidad.

• María Cruz Gaya López
  Profesora titular de la Escuela STEAM de la UE. Licenciada en Informática por la Universidad de Granada y Doctora en Ingeniería Multidisciplinar por la Universidad Europea.
  Tiene 25 años de experiencia docente impartiendo asignaturas de programación, bases de datos, redes de ordenadores, IA y TFGs/TFMs en Grado y Máster.
  Actualmente investiga en metodologías docentes activas, en especial en Aprendizaje Basado en Proyectos (PBL). Además tiene experiencia investigadora en Inteligencia Artificial, Minería de Datos, Sistemas Multiagente y Algorimos Evolutivos.
  Es subdirectora de la Escuela STEAM en el área de Ciencia y Aeroespacial.
• Jairo García Fernández
  Ingeniero Superior en Informática con especialización en Inteligencia Artificial por la Universidad Europea de Madrid; Máster en Big Data por el MIT; CAP en matemáticas por la UCM; MBA por la UPM; MBI por el ISDI.
  Llevo casi 20 años en el mundo de la consultoría IT dentro de una Big4, en 2021 he montado mi propia empresa de consutloría orientada al dato y lo he compaginado con mi trabajo como docente con la UE, tengo una visión pragmática y simplista de los problemas que siempre intento mostrar a mis alumnos: "no hay problema grande que no pueda ser dividido en tantos problemas pequeños para que al final no tenga más que muchos problemas fáciles".
  Creo que vivimos en un mundo donde la tecnología es clave y es palanca de todo negocio; debemos ser capaces de asumir que no hay negocio sin tecnología y que nuestro expertis de ingenieros debe ser ese nexo de unión capacitador, funcional, y sobre todo útil.
• Oscar Marban Gallego
  Licenciado y Doctor en Informática por la Universidad Politécnica de Madrid. Acreditado por la ANECA como Contratado Doctor y Profesor de Universidad Privada, además de contar con el Certificado de Habilitación Nacional para Titular de Universidad.
  Ha impartido 43 asignaturas diferentes en diversos niveles universitarios (ingeniería, grado, doctorado, máster) relacionadas con la Ingeniería Informática. Posee dos tramos de investigación reconocidos por el CNEAI, ha liderado un proyecto competitivo de investigación y ha participado en otros diez proyectos competitivos nacionales, así como en seis proyectos con empresas, incluyendo la Consejería de Sanidad de la Comunidad de Madrid.
  Es autor de 50 artículos en revistas, ponencias en congresos, capítulos de libros y technical reports, acumulando más de 200 citas. Actualmente, está investigando en Machine Learning, Deep Learning y Big Data. Ha dirigido tres tesis doctorales.
• Rafael Escalera Rivas
  Rafael Escalera Rivas es ingeniero técnico industrial y profesor universitario en la Universidad Europea, donde enseña asignaturas como Liderazgo Emprendedor, Matemáticas Empresariales, Cálculo, Álgebra y Física. Con más de tres años de experiencia en esta institución, también ha trabajado como profesor en diversas academias para estudiantes de ingeniería. Es autor del libro "La flecha, o cómo responder a la pregunta ¿Y tú qué quieres hacer con tu vida? ". Además, ha trabajado como coach de desarrollo de talento, ayudando a profesionales a reorientar sus carreras. Rafael posee una Ingeniería Técnica Industrial en Mecánica de la Universidad Politécnica de Madrid, y formación en Programación Neurolingüística y Coaching con Design Thinking. Sus habilidades incluyen coaching, creatividad y desarrollo de liderazgo.
• Raquel Ureña Joyanes
  Doctora en Informática por la Universidad Pontificia de Salamanca y Licenciada en Ciencias Económicas y Empresariales por la Universidad de Granada. Cuenta con varios postgrados en Sociedad de la Información y Transformación Digital.
  Comenzó su carrera profesional en multinacionales como Diageo y Mondelez Internacional hasta iniciar su labor docente en la universidad. Ha sido profesora en varias universidades nacionales e internacionales. Sus principales áreas de investigación son Innovación empresarial, Transformación digital y la sostenibilidad empresarial.
• Rafael Muñoz Gil
  Rafael Muñoz Gil es experto en IA, blockchain y big data, con una sólida formación en tecnología. Es Ingeniero Informático y Doctor en Tecnología de la Información Aplicada (Sobresaliente Cum Laude), con una tesis sobre integración inteligente de datos. Posee un MBA y másteres en Big Data y Blockchain. También ha cursado Machine Learning en Stanford y formación en proyectos financiados con fondos europeos.
  A nivel profesional, es experto en Big Data, IA y gobernanza de datos, liderando estrategias en Ayvens y con experiencia en CaixaBank y Bankia en riesgo financiero y migración a Big Data. En Indra y Software AG, gestionó proyectos tecnológicos para grandes corporaciones. En el ámbito académico, dirige el máster de Business Analytics en la Universidad Europea, investigando en Big Data e IA, y formando en bases de datos, analítica e inteligencia artificial.
• Carlos Ramírez Lizan
  Ingeniero de datos en Dehn Digital Solutions Gmbh, donde aplico mis conocimientos de Big Data, Machine Learning y otras tecnologías del stack Microsoft Azure para diseñar e implementar soluciones de análisis y procesamiento de datos a gran escala. Tengo más de seis años de experiencia en el campo de tratamiento y procesamiento de datos, habiendo trabajado anteriormente como ingeniero de desarrollo de Big Data en Pragsis Bidoop, una empresa líder en el sector. Además, soy profesor de los grados de Ingeniería Informática y Matemática en la Universidad Europea, donde imparto asignaturas de Inteligencia Artificial e Introducción a la Ingeniería del Software, compartiendo mi pasión y experiencia con los estudiantes. Mi formación académica incluye un Máster experto en Big Data por Pragsis University, un Máster en tratamiento estadístico y computacional de la información por la Universidad Complutense de Madrid, y un Ingeniero de Telecomunicación por la Universidad Politécnica de Madrid, con una estancia Erasmus en la Universität Ulm, Alemania. Mi misión es utilizar el potencial de los datos y la Inteligencia Artificial para generar valor y resolver problemas complejos en diferentes ámbitos y sectores. Me considero una persona curiosa, creativa, colaborativa y comprometida con la calidad y la innovación.
• Jorge Erice Calvo Sotelo
  Licenciado en CC Físicas por la U. Autónoma de Madrid.
  Senior IT Specialist en IBM España, liderando proyectos de diseño, implantación y gestión de redes de datos en Europa, Oriente Medio y África, con equipos multidisciplinares y multinacionales.
  Diseño, implantación y explotación de la red de datos de los JJOO de Sydney 2000.
  Instructor Senior del Departamento de Formación de IBM España.
• Luis Miguel Gracia Exposito
  Su experiencia profesional comienza en departamentos de sistemas de empresas de telecomunicaciones que le permitió trabajar con grandes volúmenes de datos y entender lo importante que es la eficiencia y la optimización de los distintos procesos. Posteriormente adquirió una amplia experiencia docente, en el área de las matemáticas aplicadas a las distintas ramas de la ingeniería, entre las se encuentra la informática, que le ha permitido profundizar en los conocimientos técnicos y conocer las distintas herramientas matemáticas, como por ejemplo el álgebra matricial, utilizadas para resolver problemas de grandes volúmenes de datos en distintas problemáticas del área computacional.
  Aunando ambas experiencias, profesional y docente, desarrolla su labor investigadora en dos líneas distintas:
  La medición de la respuesta emocional de usuarios de aplicaciones educativas desarrolladas en entornos de realidad virtual.
  La modificación y desarrollo de nuevos modelos basados en el álgebra matricial, que permitan mejorar los rendimientos de los actuales o tratar nuevas problemáticas.
• Jose Antonio Lozano López
  Ingeniero de Telecomunicación por la Universidad Politécnica de Madrid y MBA por la UNED.
  Ha desarrollado gran parte de su carrera profesional en el Grupo Telefónica, primero en actividades de innovación en el área de Autonomic Networking y, posteriormente, en la gestión de programas multinacionales de Transformación operativa y sistemas y en operaciones de M&A.
  En el área docente, ha trabajado como profesor asociado en la Universidad de Málaga y en la Universidad Carlos III de Madrid.
• Jose Alberto Aijon Jiménez
  Experiencia impartiendo clases para alumnos universitarios de la UNED, ICAI, ICADE, Universidad Politécnica, Universidad Rey Juan Carlos, Universidad Carlos III, UOC durante 11 años en las asignaturas de Álgebra, Cálculo I, Cálculo II, Estadística, Física, Mecánica, Mecánica de fluidos, Teoría de circuitos, Electrónica digital e Ingeniería de control.
  Desde mi incorporación a la Universidad Europea de Madrid he impartido, durante 14 años, clases a alumnos de los Grados de ADE, Farmacia, Ingeniería Informática, Sistemas Industriales, Aeroespacial, Matemáticas y Física en las asignaturas de Álgebra, Cálculo I, Cálculo II, Estadística, Física, Matemática discreta, Análisis de Regresión Multivariante, Variable compleja y Ecuaciones diferenciales
• Gabriel Marín Diaz
  Cuento con más de 30 años de experiencia profesional en el ámbito tecnológico y de la transformación digital. Durante 21 años desarrollé mi carrera en Informática El Corte Inglés, donde pasé de programador a director de departamento. En 2016 me incorporé como CIO a la Universidad Internacional de La Rioja (UNIR), liderando procesos de digitalización institucional, y entre 2017 y 2021 trabajé en SAGE como responsable de desarrollo de negocio en el área Enterprise. Soy Doctor acreditado en Ciencia de Datos e Inteligencia Artificial y Licenciado en Física por la Universidad Complutense de Madrid. Mi trayectoria combina una sólida formación científica con experiencia en estrategia digital, educación superior y soluciones basadas en inteligencia organizacional y análisis avanzado de datos.
• Andrés Soto Villaverde
  Doctor en Informática (Inteligencia Artificial) por la Universidad de Castilla La Mancha, Ciudad Real, España. Licenciado en Matemáticas (Análisis Numérico) por la Universidad de La Habana, Cuba. Profesor universitario durante más de 20 años en universidades de América Latina, Alemania, y España, impartiendo cursos de Inteligencia Artificial, Simulación, Métodos Numéricos, Programación, Estructuras de Datos, etc.
  Practico la enseñanza orientada a la resolución de problemas, busco crear la motivación a consultar y comparar diferentes fuentes de información. He dirigido gran cantidad de tesis de grado y maestría, publicado muchos artículos en revistas arbitradas y presentado muchos trabajos en congresos internacionales.
• María Fuencisla Gilsanz Muñoz
  Doctor en Biomedicina y Ciencias de la Salud, Licenciado en C. Químicas y Dip. C. Físicas
  Trayectoria académica:
  Profesor e investigador de la Universidad Europea de Madrid desde 2014 y Coordinador del Grado en Física desde 2021.
  Su área de investigación en la Facultad de Medicina se centró en la Farmacogenética en Enfermedades Oncológicas y el estudio de biomarcadores predictivos del fármaco bevacizumab en pacientes con cáncer de colon metastásico.
  Actualmente trabaja en la Escuela STEAM en Síntesis y Desarrollo de Nanomateriales para aplicaciones biomédicas con una patente publicada.
  Experiencia laboral:
  Más de 10 años de experiencia previa en empresas privadas.
  Laboratorio Físico-Químico (Coca Cola Iberian Partners) y Laboratorios Clínicos en las áreas de Microbiología, Bioquímica y Control de Calidad.

Esta titulación es idónea para aquellos alumnos interesados en las matemáticas, la informática, los ordenadores y la tecnología en general.
Los estudiantes deberán disponer de una base de matemáticas, así como habilidades de comunicación oral y escrita a nivel de Ciclos Formativos de Grado Superior o Bachillerato.
Estos estudiantes están acostumbrados al uso del ordenador y las nuevas tecnologías.
En la titulación deberán desarrollar sus capacidades de análisis, síntesis, planificación y razonamiento deductivo. Además se fomentarán sus habilidades de iniciativa, liderazgo y trabajo en equipo para la resolución de problemas y para el desarrollo de proyectos prácticos.
Deberán tener interés por asumir retos de innovación y por la formación continua a lo largo de su vida profesional.
También podrán tener acceso al grado los mayores de 40 años que, sin disponer de titulación que les permita el acceso a la universidad, acrediten una determinada experiencia laboral o profesional en relación con el grado al que pretenden acceder.

Para acreditar la experiencia laboral y profesional, el estudiante deberá adjuntar a su solicitud un portafolio (dossier de evidencias) que incluya la siguiente información:

• Carta de motivación.
• Vida Laboral.
• Currículum Vitae.
• Evidencias documentales (cartas de recomendación, títulos de cursos de formación, o cualesquiera otros que estén vinculados con el grado al que se solicita el acceso).
• Idiomas.

El procedimiento establecido en la Universidad para el acceso será el siguiente:

El estudiante solicita al departamento de Admisiones el acceso al grado acompañando la solicitud de un porfolio.
La solicitud se remite al director de titulación quien, comprobando que las evidencias presentadas en el porfolio se ajustan al grado solicitado, procederá a mantener una entrevista con el estudiante con el fin de evaluar competencias que requieren la observación directa y que están relacionadas con el éxito académico en el título en el que se solicita el acceso, así como para detectar necesidades específicas de formación.
La Universidad podrá establecer una prueba específica que garantice que el estudiante reúne las competencias mínimas para poder cursar el grado.
Todos los estudiantes admitidos después del procedimiento de selección reciben una carta de la Universidad, donde se les indica la admisión al título de Grado para el que hubieran realizado y superado pruebas de admisión.

Podrán acceder a los estudios de grado los estudiantes según los accesos establecidos en el Real Decreto 1892/2008, de 14 de noviembre, y legislación vigente aplicable, en concreto:

• Obtener la calificación de apto en la Prueba para el Acceso a la Universidad, de acuerdo a la legislación vigente.
• Obtener la calificación de apto en las Pruebas de Acceso para mayores de 25 años y mayores de 45 años.
• Técnicos superiores, Técnicos Superiores de Artes Plásticas y Diseño y Técnicos Deportivos Superiores.
• Diplomados, Licenciados, Ingenieros Técnicos, Ingenieros, Arquitectos o Graduados.
• Los alumnos estudiantes de Bachillerato de sistemas educativos de Estados miembros de la Unión Europea y de otros países con los que se hayan suscrito acuerdos internacionales al respecto, podrán acceder al Grado siempre que en su sistema educativo tengan acceso a la universidad.
• Los estudiantes de otros países que no tengan acuerdo internacional suscrito, deberán homologar sus estudios y realizar la/s prueba/s de acceso a la universidad.