Detalle estudios propios

• Total cr. ECTS: 3,00
• Cr. ECTS Teóricos: 1,20
• Cr. ECTS Prácticos: 1,80

• Perfil de acceso: 

  Admisión por orden de puntuación, de mayor a menor, de acuerdo con la siguiente baremación:
  

  • Estudiantes de la UC: 8 puntos (+2 estudiantes ámbito de ingeniería civil)
  • Estudiantes de otras universidades: 5 puntos (+2 estudiantes ámbito de ingeniería civil)
  • Profesionales relacionados con la ingeniería civil: 6 puntos
  • Profesionales en general: 4 puntos
  • Motivación por hacer el curso:1 a 5 puntos
• Otros requisitos de acceso: 

• Criterios de selección: 

  Admisión por orden de puntuación, de mayor a menor, de acuerdo con la siguiente baremación:
  

  • Estudiantes de la UC: 8 puntos (+2 estudiantes ámbito de ingeniería civil)
  • Estudiantes de otras universidades: 5 puntos (+2 estudiantes ámbito de ingeniería civil)
  • Profesionales relacionados con la ingeniería civil: 6 puntos
  • Profesionales en general: 4 puntos
  • Motivación por hacer el curso:1 a 5 puntos
• Documentación requerida: 
  • Fotocopia Documento Identidad
  • Fotocopia de visado para nacionales de países fuera de la UE, salvo en los programas de modalidad virtual
  • Carta de motivación para hacer el curso

• Plazo de preinscripción:  Del 15/09/2025 al 29/10/2025
• Plazo de admisión:  Del 30/10/2025 al 31/10/2025
• Plazo de matricula:  Del 03/11/2025 al 09/11/2025

• Relación de módulos y/o materias, prácticas y trabajos: 

• Actividades formativas: Actividades de aprendizaje autónomo guiado; Clase expositiva; Clase práctica (aula, laboratorio, ordenador, etc.); Elaboración de proyectos, trabajos, programas, etc.; Resolución de casos prácticos
• Sistema de evaluación: Informes o memorias de prácticas (laboratorio, ordenador, etc); Trabajos o proyectos

• Aprendizaje autónomo
• Capacidad de análisis y síntesis de datos complejos.
• Aplicar técnicas estadísticas y de minería de datos para la extracción de conocimiento
• Implementar, entrenar y validar modelos de aprendizaje automático
• Uso avanzado de herramientas informáticas y de programación

• Exploración visual y descriptiva de grandes volúmenes de información con VSCode y Python.
• Análisis estadístico aplicado: Estadística descriptiva y visualización de distribuciones
• Minería de datos y análisis avanzado: Técnicas de reducción de la dimensionalidad y métodos de clustering
• Aprendizaje automático supervisado: entrenamiento, validación y sobreajuste.

• Para proceder al reconocimiento solicitado será necesario que exista una coincidencia de, al menos, el 75% del contenido y de la carga lectiva del título, módulo o asignatura cursado en relación con la del título, módulo o asignatura a reconocer. Los títulos, módulos o asignaturas que sean objeto de reconocimiento conservarán su calificación original.
• La Comisión Académica o, en su caso, la Dirección del Programa, podrá reconocer igualmente la experiencia laboral y profesional siempre que dicha experiencia esté relacionada con las competencias inherentes a dicho título y tengan un nivel adecuado al mismo.
• El reconocimiento de títulos, módulos o asignaturas cursadas en otras universidades no afectará al precio que deba satisfacerse por el estudio propio.

• Aprender a estructurar y abordar problemas para el análisis exploratorio de datos.
• Aplicar técnicas estadísticas para describir, resumir e interpretar conjuntos de datos en distintos contextos.
• Identificar patrones, relaciones y anomalías mediante métodos de minería de datos y análisis avanzado.
• Comprender los fundamentos teóricos y prácticos del aprendizaje automático y sus principales algoritmos.
• Diseñar, implementar y evaluar modelos de IA que resuelvan problemas reales en ciencia de datos.