Carrera de Ciencia de datos e Inteligencia Artificial

Objetivo general

Contribuir en el desarrollo especializado del talento humano capaz de: identificar, capturar, transformar, analizar e interpretar los datos, apoyados en inteligencia artificial para impulsar el valor y la innovación aplicado en diferentes industrias como la salud, las finanzas, la educación, los bienes de consumo, la tecnología, entre otras.​​ 

Objetivos específicos

• Obtener conocimientos sobre la línea de procesamiento (captura, extracción, manipulación y conversión) de datos en diferentes ambientes para la correcta creación de los modelos.​ 

• Fortalecer los conocimientos sobre los sistemas de almacenamiento de la información, esto incluye bases de datos relacionales y no relacionales.​ 

• Revisar los principales métodos estadísticos para el análisis de datos descriptivo, predictivo y los métodos de visualización de datos estáticos y dinámicos.​ 

• Desarrollar una sólida formación académica con alto sentido de responsabilidad, liderazgo personal, trabajo en equipo, así como capacidad en la toma de decisiones.​ 

Al finalizar el plan curricular, el Ingeniero en Ciencia de Datos e Inteligencia Artificial tendrá desarrolladas las competencias, habilidades, aptitudes, valores y la capacidad de enfrentarse a problemas organizacionales con base en resultados de aprendizaje profesional, en concordancia con los ejes de formación de tercer nivel, articulando conocimientos teóricos, profesionales e investigativos para desarrollarse profesionalmente en el ámbito del procesamiento de datos e inteligencia artificial con especial énfasis en identificación, captura, preprocesamiento, análisis y visualización de datos. Además de la aplicación de distintos algoritmos de aprendizaje automático que apoyan la toma de decisiones orientadas por datos en base al uso de la inteligencia artificial.​ El Ingeniero en Ciencia de Datos e Inteligencia Artificial contará con: sentido ético, participación responsable, aporte a la sociedad y honestidad: Tal como ha sido recomendada por la ACM SIGKDD, IEEE ICDM, INFORMS, SIAM, en el código de conducta profesional de ciencia de datos que dice: Un científico de datos debe ser capaz de proporcionar a un cliente servicios profesionales competentes de ciencia de datos. El asesoramiento a un cliente para que desempeñe una actividad delictiva o fraudulenta va en contra de los intereses del científico de datos. Para que un cliente tome una decisión informada, un científico de datos debe proporcionar una explicación de los resultados de la ciencia de datos en la medida en que sea razonable. La información confidencial será protegida por un científico de datos desde el momento en que se crea o recibe hasta que se elimine por una persona autorizada. Evidencia basada en la ciencia de los datos, la calidad de los datos y la fiabilidad de esas pruebas. Sin importar si las pruebas de la ciencia de los datos son favorables o no, un científico de datos debe proporcionar al cliente todos los resultados y hechos materiales a los que el científico de datos tiene acceso.​ 

Los resultados o logros del aprendizaje que permitirán a los futuros Ingenieros en Ciencia de Datos e Inteligencia Artificial, sea capaz de extraer, interpretar y analizar los datos provenientes de diferentes ámbitos para aplicar conocimientos de ciencia de datos al resolver problemas relacionados con la toma de decisiones y presenta los resultados obtenidos del análisis de datos de manera eficiente y efectiva, además de investigar, gestionar y usar la información en el ámbito de la ciencia de datos e inteligencia artificial. Además, tener un dominio de teorías, sistemas conceptuales, métodos y lenguajes de integración del conocimiento, la profesión y la investigación son: 

• Aplicar la fundamentación teórica de las Ciencias Básicas y su colaboración o aporte en la Ciencias de Datos e Inteligencia Artificial. 

• Plantear y utilizar los principios fundamentales de las Ciencias Computacionales, las Ciencias Puras y la Comunicación dentro de las Etapas de los Proyectos de Ciencias de Datos e Inteligencia Artificial. 

• Aplicar las técnicas y conocimientos interdisciplinarios como la contabilidad, economía, finanzas y demás con el fin de que dicha integración contribuya con los Procesos de la Ciencias de Datos e Inteligencia Artificial y aportar con el desarrollo de los sectores económicos del país. Establecer pautas de investigación a través de la participación en los procesos y proyectos de Ciencias de Datos e Inteligencia Artificial. ​ 

El futuro profesional contribuye resolviendo dilemas y problemas contemporáneos (ambientales, sociales, culturales y económicos) para contribuir al tejido social y al desarrollo económico con base en la responsabilidad social y ambiental demostrando un alto sentido de compromiso social, actitud y criterios éticos para orientar sus decisiones hacia la mejora de toma de decisiones empresariales. Los logros de aprendizaje concernientes a las competencias genéricas del pensamiento y capacidades para integrar el conocimiento están conformados por: 

• Identificar los problemas de análisis de datos que ofrecen las mayores oportunidades para la organización. 

• Determinar los conjuntos de datos y variables correctos. 

• Recopilación de grandes conjuntos de datos estructurados y no estructurados de fuentes dispares. 

• Limpiar y validar los datos para garantizar la precisión, integridad y uniformidad. 

• Diseñar y aplicar modelos y algoritmos para explotar las reservas de Big Data. 

• Analizar los datos para identificar patrones y tendencias. 

• Interpretar los datos para descubrir soluciones y oportunidades. 

• Comunicar los hallazgos a las partes interesadas mediante la visualización y otros medios. 

​​En la formación profesional de los ingenieros en Datos e Inteligencia Artificial se promoverá el desarrollar la capacidad de ver situaciones desde puntos de vista diferentes, considerándolos desde una visión más holística con el fin de buscar soluciones adecuadas a problemáticas específicas, además de demostrar actitudes de innovación, iniciativa y emprendimiento dirigidas a la solución de problemas productivos concretos desplegando interés profesional con relación a la práctica ética. Los logros de aprendizaje con respecto a protocolos, modelos y procedimientos profesionales son los siguientes: 

• Los científicos de datos a menudo se encuentran con el problema de intentar agregar inteligencia artificial o capacidades de aprendizaje automático sin objetivos concretos. 

• Cuantificar los objetivos finales con métricas medibles facilitará la creación de las visualizaciones de datos correctas y descubrirá dónde ha alcanzado el proyecto en términos del "umbral de éxito". 

• La capacidad de descubrir las características inesperadas de los datos es lo que hace que la ciencia de datos sea novedosa e interesante. 

• Calcular el tamaño de la oportunidad y su impacto potencial en el negocio lo ayudará a determinar si vale la pena emprender el proyecto. 

• Alcanzar el "primer modelo de trabajo" a través del enfoque iterativo en ciencia de datos rápidamente con un modelo con toneladas de variables y características.​ 

El Ingeniero en Ciencia de Datos e Inteligencia Artificial se enfoca en la identificación, captura, preprocesamiento, análisis, y visualización de datos que le permiten resolver problemas en ámbitos sociales, culturales y económicos mediante la aplicación de algoritmos que permitan la toma de decisiones a partir de los datos con una mínima intervención humana con lo cual contribuyen al tejido social y al desarrollo económico con base en la responsabilidad social y ambiental tomando en cuenta los aspectos legales y éticos en relación al manejo de datos. El diseño curricular del programa de la Carrera de Ciencia de Datos e Inteligencia Artificial ha sido desarrollado en base al Reglamento de Régimen Académico (RRA) vigente y a un análisis de los campos de acción de los profesionales de la Carrera, que permiten definir el perfil de egreso del profesional en Ciencia de Datos e Inteligencia Artificial basado en la revisión y actualización de los resultados de aprendizaje y contenidos mínimos de las asignaturas, estableciéndose: 

• Conoce fundamentos de la web semántica y grafos de conocimiento para la construcción de ontologías que sirvan como vocabulario a los datos disponibles. 

• Identifica problemas del mundo real mediante la aplicación de lenguajes, técnicas, métodos y metodologías de la web semántica y grafos de conocimiento. 

• Desarrolla aplicaciones que usen datos disponibles mediante la aplicación de herramientas de la web semántica y/o grafos de conocimiento para la generación de datos en distintos formatos. 

• Documentar código, funciones, procedimientos, módulos y bibliotecas, tanto de manera pública (hacia el cliente) como privada (para el desarrollador). 

• Programar aplicaciones mediante librerías existentes y utilizando IDE. 

• Razonar sobre complejidad algorítmica y terminación. - Usar y definir estructuras de datos eficientes y adecuadas a cada problema, usando librerías existentes cuando proceda - Resolver problemas algorítmicos no triviales. 

• Usar y definir algoritmos y estructuras de datos adecuados a cada problema. 

• Usar lenguajes de programación y de descripción de datos, comunes en Ciencia de Datos. Programar aplicaciones mediante librerías existentes de Análisis de Datos 

• Conoce fundamentos del procesamiento de lenguaje natural para el tratamiento de textos, buscadores semánticos y el tratamiento de la multilingüalidad. 

• Identifica áreas para la aplicación de sistemas de procesamiento de lenguaje natural y herramientas específicas, o la creación automática o semi-automática de recursos lingüísticos. 

• Aplica técnicas de minería de textos, para la extracción y recuperación de información en sistemas de preguntas y respuestas. 

• Conoce los conceptos básicos y aspectos sociales relevantes detrás de la Computación Social para el diseño de soluciones tecnológicas.  

• Identifica el alcance y las oportunidades detrás de las redes sociales mediante nuevas herramientas para la producción y recuperación de conocimiento social. 

• Conoce conceptos de diseño detrás de los sistemas colaborativos móviles y la computación móvil para la comprensión de los aspectos personales que influencian la interacción en la red, y la colaboración o competición entre los participantes. 

• Utilizar librerías disponibles en diferentes entornos de programación para tratar (analizar, generar, etc.) de manera automática documentos de marcado de datos. 

• Diseñar e implementar API para acceso a datos y servicios basados en tecnología Web. - Utilizar adecuadamente métodos matemáticos y algoritmos para el análisis de señales. 

• Desarrolla aplicaciones mediante la utilización de conceptos fundamentales aprendizaje automático supervisado y no supervisado para la creación de modelos automáticos. 

• Conoce los fundamentos de los modelos de teoremas de bayes, lineales y sistemas de clasificación clásicos para la resolución de problemas de la vida real. 

• Evalúa los distintos algoritmos de aprendizaje automático para la resolución de problemas con datos en diferentes contextos. - Manejar y evaluar los procedimientos estadísticos clásicos en base a predicciones. 

• Elegir las técnicas más adecuadas para tratar la información, el orden de ejecución de estas y el alcance de cada una de ellas y su interpretación. 

• Conocer los fundamentos estadísticos y geométricos de cada una de las técnicas de análisis multivariante, regresión y predicción. 

• Conocer el alcance y limitaciones de los paquetes de programas estadísticos como SAS, SPSS y R.

• Manejar con soltura de los procedimientos de los paquetes SAS o SPSS o R relativos a técnicas multivariantes, regresión, inferencia y predicción. Elaboración y presentación de informes estadísticos. 

• Resolver los problemas de preprocesamiento asociados a estos datos y elegir y aplicar las técnicas adecuadas para el análisis de los mismos con el fin de descubrir nuevo conocimiento implícito en ellos. 

• Adaptación a nuevos entornos académicos/profesionales nacionales/internacionales. 

• Explicar cuáles son los límites y fronteras de los fundamentos científicos de la ciencia de datos y la inteligencia artificial, y la base de las nuevas tendencias y desarrollos y de los temas avanzados y su posible aplicación. 

• Dado un problema real elegir la tecnología de ciencia de datos o de inteligencia artificial existente en el mercado más apropiada para su solución y diseñar su desarrollo e integración, analizando la viabilidad de su solución, lo que se puede y no se puede conseguir a través del estado actual de desarrollo de la tecnología usada, y lo que se espera que avance en el futuro. 

• Aplicar algoritmos para procesado, fusión, extracción de características y clasificación de imágenes. 

• Aplicar algoritmos para el preprocesado de imágenes en diferentes dominios 

• Aplicar algoritmos de detección de cambios en imágenes multitemporales. 

• Aplicar técnicas de preprocesamiento de datos y reducción de dimensionalidad de variables discriminantes. 

• Conocer y utilizar las principales arquitecturas, protocolos y lenguajes y notaciones de marcado existentes para representar e intercambiar datos en entornos distribuidos 

• Utilizar librerías disponibles en diferentes entornos de programación para tratar (analizar, generar, etc.) de manera automática documentos de marcado de datos. 

• Conocer y comprender los fundamentos de la informática, los principios de la arquitectura de computadores y de los sistemas operativos. 

• Adquirir la capacidad de evaluar las especificaciones de los componentes hardware y software de un sistema informático. 

• Configuración, administración, uso y optimización de sistemas gestores de bases de datos relacionales. 

• Diseño, creación, consulta y manipulación de repositorios de datos, e integración con aplicaciones del sistema. 

• Conocer y saber utilizar las técnicas fundamentales de computación de altas prestaciones. 

• Conocer las infraestructuras y plataformas paralelas de procesamiento de datos. 

• Dimensionar sistemas informáticos para gestionar el volumen, velocidad y variedad de los datos. 

• Conocer y manejar los conceptos asociados a bases de datos no relacionales 

• Ser capaz de implementar y gestionar una base de datos en un gestor no relacional. 

• Conocer y manejar datos en streaming / complex event processing. 

• Emplear tecnologías e infraestructuras para el desarrollo y despliegue de servicios distribuidos, seguros, escalables, elásticos, altamente disponibles y consistentes. 

• Diseñar e implementar API para acceso a datos y servicios basados en tecnología Web. 

• Diseñar e implementar soluciones distribuidas/paralelas sobre grandes cantidades de datos. 

• Aplicar las técnicas y métodos relativos a una línea de especialización concreta del área de Ciencia de Datos, comprendiendo sus límites tanto teóricos como prácticos, para la resolución de un problema o necesidad. 

• Evaluar y diseñar el sistema informático más apropiado para resolver los distintos problemas de Ciencia de Datos, exponiendo las dificultades técnicas y los límites de la aplicación. 

• Ser capaz de utilizar las tecnologías de información para preparar los conjuntos de datos pertenecientes a distintos dominios. 

• Desarrolla aplicaciones mediante la utilización de conceptos fundamentales aprendizaje automático profundo y reforzado para la creación de modelos automáticos. 

• Conoce los fundamentos de los modelos de clustering, redes neuronales y algoritmos genéticos para la resolución de problemas de la vida real. 

• Evalúa los distintos algoritmos de aprendizaje automático para la resolución de problemas con datos en diferentes contextos. 

• Conocer y utilizar las principales arquitecturas, protocolos y lenguajes y notaciones de marcado existentes para representar e intercambiar datos en entornos distribuidos. 

• Utilizar librerías disponibles en diferentes entornos de programación para tratar (analizar, generar, etc.) de manera automática documentos de marcado de datos. 

• Conocer y comprender los fundamentos de la informática, los principios de la arquitectura de computadores y de los sistemas operativos. 

• Adquirir la capacidad de evaluar las especificaciones de los componentes hardware y software de un sistema informático. 

• Configuración, administración, uso y optimización de sistemas gestores de bases de datos relacionales. 

• Diseño, creación, consulta y manipulación de repositorios de datos, e integración con aplicaciones del sistema. 

• Conocer y saber utilizar las técnicas fundamentales de computación de altas prestaciones. 

• Conocer las infraestructuras y plataformas paralelas de procesamiento de datos. 

• Dimensionar sistemas informáticos para gestionar el volumen, velocidad y variedad de los datos. 

• Conocer y manejar los conceptos asociados a bases de datos no relacionales. 

• Ser capaz de implementar y gestionar una base de datos en un gestor no relacional 

• Conocer y manejar datos en streaming / complex event processing. 

• Emplear tecnologías e infraestructuras para el desarrollo y despliegue de servicios distribuidos, seguros, escalables, elásticos, altamente disponibles y consistentes. 

• Diseñar e implementar API para acceso a datos y servicios basados en tecnología Web. 

• Diseñar e implementar soluciones distribuidas/paralelas sobre grandes cantidades de datos. 

• Aplicar las técnicas y métodos relativos a una línea de especialización concreta del área de Ciencia de Datos, comprendiendo sus límites tanto teóricos como prácticos, para la resolución de un problema o necesidad. 

• Evaluar y diseñar el sistema informático más apropiado para resolver los distintos problemas de Ciencia de Datos, exponiendo las dificultades técnicas y los límites de la aplicación. 

• Ser capaz de utilizar las tecnologías de información para preparar los conjuntos de datos pertenecientes a distintos dominios. 

• Conocer los fundamentos de las técnicas de visualización analítica. 

• Aprender la metodología de diseño de las herramientas de visualización analítica. 

• Aplicar esta metodología en el diseño de este tipo de herramientas. 

• Conocer los dispositivos de captura y procesamiento de datos en soluciones de Internet de las Cosas (IoT).  

• Emplear herramientas de desarrollo y bibliotecas software para adquisición y tratamiento de datos en aplicaciones IoT. 

• Ser capaz de diseñar algoritmos que reconozcan objetos y calculen su posición y orientación. 

• Ser capaz de construir un sistema de navegación para un robot móvil. 

• Conocer y aplicar las principales técnicas para explorar, describir y analizar datos mulivariantes. 

• Analizar críticamente algoritmos de inteligencia artificial y su aplicación en proyectos de diversa naturaleza. 

• Elegir, desarrollar y evaluar algoritmos de inteligencia artificial para resolver problemas con carácter multidisciplinar de naturaleza académica, industrial o de la administración. 

• Presentar de forma sintética los resultados técnicos y/o científicos obtenidos a partir de algoritmos de inteligencia artificia. 

• Evaluar las oportunidades de aplicación de métodos de inteligencia artificial en problemas actuales y futuros de la sociedad con un énfasis en la intersección de la inteligencia artificial con otras disciplinas. 

• Ser capaz de entender un dominio de datos complejos, establecer objetivos concretos de análisis de datos, aplicar técnicas relevantes y evaluar los resultados obtenidos. 

• Ser capaz de extraer conocimiento de datos complejos mediante técnicas de tratamiento numérico o simbólico, seleccionando técnicas existentes o modificándolas en función de las necesidades de cada dominio. 

• Analizar problemas reales con datos de estructura compleja o poco estructurados (como los que contienen series temporales, los provenientes de redes sociales, etc.), resolver los problemas de pre procesamiento asociados a estos datos y elegir y aplicar las técnicas adecuadas para el análisis de los mismos con el fin de descubrir nuevo conocimiento implícito en ellos. 

• Entender el concepto de Smart City. 

• Reducir pérdidas de energía e impacto ambiental, mejorando la eficacia y sostenibilidad de los entonos urbanos. 

• Gestionar adecuadamente la logística en los entornos urbanos. 

• Diseñar y construir sistemas informáticos capaces de resolver problemas para los que no se conoce solución. 

• Analizar problemas reales con datos de estructura compleja o poco estructurados (como los que contienen series temporales, los provenientes de redes sociales, etc.), resolver los problemas de preprocesamiento asociados a estos datos y elegir y aplicar las técnicas adecuadas para el análisis de los mismos con el fin de descubrir nuevo conocimiento implícito en ellos. 

• Aplicar la metodología apropiada para el ajuste de series temporales. 

• Adaptación a nuevos entornos académicos/profesionales nacionales/internacionales. 

• Explicar cuáles son los límites y fronteras de los fundamentos científicos de la ciencia de datos y la inteligencia artificial, y la base de las nuevas tendencias y desarrollos y de los temas avanzados y su posible aplicación. 

• Dado un problema real elegir la tecnología de ciencia de datos o de inteligencia artificial existente en el mercado más apropiada para su solución y diseñar su desarrollo e integración, analizando la viabilidad de su solución, lo que se puede y no se puede conseguir a través del estado actual de desarrollo de la tecnología usada, y lo que se espera que avance en el futuro. 

• Aplicar algoritmos para procesado, fusión, extracción de características y clasificación de imágenes. 

• Aplicar algoritmos para el preprocesado de imágenes en diferentes dominios. 

• Aplicar algoritmos de detección de cambios en imágenes multitemporales. 

• Aplicar técnicas de preprocesamiento de datos y reducción de dimensionalidad de variables discriminantes. 

• Conocer técnicas avanzadas de Data Science aplicadas a la salud. 

• Aprender a realizar investigación en Salud Pública, Epidemiología e Investigación Clínica con grandes bases de datos. 

• Dominar la gestión sanitaria con grandes bases de datos. 

• Aprender a obtener, analizar y contextualizar métricas e indicadores web, para evaluar una especie de entidades o incluso movimientos sociales. 

• Conocer el informetrics, con foco en los procesos de generación, difusión, consumo y evaluación de contenidos web. 

• Conocer la analítica web académica (altmetrics), cibermetría industrial (análisis de enlaces de patentes), análisis de términos web, métricas de redes sociales, mapas científicos, etc. 

• Conocer las herramientas básicas para recopilar, procesar y visualizar datos espaciales. 

• Crear proyecciones de mapas o formatos de archivos espaciales. 

• Conocer formas de visualización utilizando sistemas de información geográfica y herramientas de Python.​ 

​​Previo a la graduación como Ingeniero en Ciencia de Datos e Inteligencia Artificial, el estudiante debe cumplir con los siguientes requisitos: 

1. Certificado de haber aprobado todas las asignaturas de la malla curricular vigente y los que indique el Reglamento de Régimen Académico. 

2. Haber aprobado el trabajo de titulación o el Examen complexivo. 

3. Haber aprobado las asignaturas de Idiomas, Arte y Cultura Física. 

4. Haber aprobado las materias de Computación. La Universidad de Guayaquil en su misión para garantizar el dominio de una lengua extranjera ha seleccionado, en primera instancia, el inglés el cual se ejecuta en seis niveles de instrucción básica, basado en el desarrollo de habilidades. El número de horas en cada nivel, asegura el objetivo de progreso académico hacia el nivel B2 estipulado en el Marco Común de Referencia Europeo. En un futuro se incorporarán otros idiomas según el presupuesto de la universidad, las necesidades y demandas sociales, así como la exigencia de los organismos de control de las IES.​ 

Se desempeñará en los ámbitos públicos y privados, en instituciones del sector productivo y/o servicios en donde se requieren profesionales con alta formación en modelado matemático, computación y/o ciencia de datos, así como en grupos interdisciplinarios que trabajen en áreas de la Física, la Química, la Biología, las Ciencias de la Atmósfera, las diversas Ingenierías, Economía, Ciencias Sociales y otras disciplinas que requieran del modelado matemático computacional y de análisis cuantitativos sofisticados.