Director
D. Joaquín Borrego Díaz
(Ciencias de la Computación e Inteligencia Artificial)
Unidad Promotora
Departamento de Ciencias de la Computación e Inteligencia Artificial
Impartición
Del 16/10/2025 al 30/09/2026
Modalidad
A distancia
(Plataforma Virtual US)
Idioma de impartición
Español
2.494,00 €
(tasas incluidas) - Posibilidad de pago fraccionado
60,00 ECTS
Prácticas
Sí (extracurriculares)
Preinscripción
Del 15/07/2025 al 25/08/2025
Matrícula
Del 01/09/2025 al 15/09/2025
Objetivos
* Habilitar al alumno en las competencias necesarias para el tratamiento computacional y estadístico de datos, utilizando técnicas computacionales y de Inteligencia Artificial.
* Formar a titulados en el análisis científico de datos
* Implantar unos estudios de postgrado que capaciten al egresado como científico de datos dentro de la empresa.
* Facilitar una formación aplicada en Data Science a titulados superiores.
* Capacitar a titulados en el manejo científico de soluciones para Big Data.
* Proveer al empresariado e instituciones de la región de especialistas cualificados en la explotación de datos y extracción de conocimiento de los mismos
* Actualizar las competencias y conocimientos de profesionales en Estadística o Computación que trabajan en el sector público o privado.
Competencias
CG01. Capacidad para aplicar los conocimientos adquiridos y para resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar estos conocimientos.
CG02. Capacidad de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
CG03. Capacidad de comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
CG04. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
CG05. Los estudiantes serán capaces de realizar un análisis crítico, evaluación y síntesis de ideas nuevas y complejas.
CG06. Los estudiantes deben ser capaces de comunicarse con sus colegas, con la comunidad con la que comparte intereses profesionales en su conjunto y con la sociedad en general acerca de sus áreas de conocimiento.
CG07. Los estudiantes serán capaces de fomentar, en contextos académicos y profesionales, el avance tecnológico, social o cultural dentro de una sociedad basada en el conocimiento.
CG08. Los estudiantes serán capaces de analizar textos del área en otras lenguas relevantes en el ámbito científico.
CG09. Los estudiantes serán capaces de evaluar la calidad de nuevos métodos de creación y gestión de conocimiento.
CG10. Capacidad para formular opiniones globales y razonadas sobre proyectos de ámbito creativo-tecnológico.
Procedimiento de evaluación
Asistencia, Pruebas, Trabajos, Participación en actividades
Requisitos
Requisitos específicos de admisión a los estudios
- Titulados en Matemáticas, Estadística, Computación, Ingenieros, Física, Económicas y Empresariales, así como profesionales ligados a puestos TIC o a la gestión y explotación de datos en empresas y administraciones públicas (en posesión de la titulación universitaria requerida para el acceso a los estudios de posgrado de acuerdo a la normativa de Enseñanzas Propias).
Requisitos académicos para la obtención del Título o Diploma
- Superar satisfactoriamente los 60 créditos ECTS de que se compone el Máster
Criterios de selección de alumnos
- El procedimiento de admisión al máster entre los preinscritos se basa en 4 criterios:
- Criterio I. Expediente académico de la titulación. (Máximo 3 puntos).
- Criterio II. Perfil académico (Máximo 3 puntos).
- Grupo A. Matemáticas, Estadística, Computación, Informática.
- Grupo B. Física, Económicas y Empresariales, Ingenierías
- Grupo C. Otras titulaciones de grado o licenciaturas.
- Criterio III. Situación laboral (Máximo 3 puntos).
- Grupo A. Parado o trabajando como profesionales ligados a puestos TIC o a la gestión y explotación de datos
- en empresas y administraciones públicas (*).
- Grupo B. Otras situaciones laborales.
- Criterio IV. Carta personal de presentación y/o entrevista personal (Máximo 1 punto).
- Carta personal dirigida al director de los estudios (o entrevista personal) que recoja los motivos por los que
- desea realizar el máster y la adecuación de su perfil a los criterios de admisión arriba recogidos.
- (*) Debe acreditarse documentalmente el estar parado y el estar trabajando como tales profesionales, así como el
- posible interés de la propia empresa y/o institución.
Módulos / Asignaturas
Modalidad de impartición: A distancia
Fechas de inicio-fin: 16/10/2025 - 07/06/2026
Contenido
*Experimentación e Investigación. Reproducibilidad y documentación
*Proyectos básicos de aplicación de técnicas de Ciencia del Dato y Big Data
*Etapas de un proyecto Prospectiva Tecnológica
*Cuestiones éticas y legales asociadas a cada etapa de un proyecto *Legislación de protección de datos que afectan al proyecto en Data Science
*Técnicas de anonimización. Aplicaciones a datos médicos
*Calidad del dato
*Metodologías para incrementar la calidad de la información Enriquecimiento: **Open Data, Linked Data, Semantic Linked Data, etc. Aprendizaje relacional
*Ciencia del Dato y empresa
*Problemas empresariales y soluciones basadas en Data Science Modelos de negocio basados en datos
*Casos de estudio
Modalidad de impartición: A distancia
Fechas de inicio-fin: 17/10/2025 - 29/11/2025
Contenido
Fundamentos de Python
Tipos de datos: números, cadenas, tuplas, listas, diccionarios, conjuntos Definiciones por comprensión, estructuras de control, etc.
Definición de funciones
Gestión de errores
Arquitecturas y paradigmas para los datos (Introducción)
Tipos de datos: Estructurados y desestructurados
Obtención de datos
Almacenamiento y consulta (BDR)
Biblioteca estándar Python y Otras bibliotecas
Modalidad de impartición: A distancia
Fechas de inicio-fin: 17/10/2025 - 24/11/2025
Contenido
Fundamentos de Estadística
* Probabilidad e inferencia estadística
* Análisis Exploratorio de Datos
* Modelo de Regresión Lineal Múltiple Entorno de programación estadística R
* Tipos de objetos.
* Elementos de Programación
* Gestión de datos
* Análisis exploratorio de datos: visualización
Modalidad de impartición: A distancia
Fechas de inicio-fin: 29/11/2025 - 18/01/2026
Contenido
* Concepto básicos en Aprendizaje estadístico * Modelo lineal generalizado.
* Modelos de Regresión no lineales
* Modelos de Regresión no paramétricos
* Regresión y clasificación mediante KNN
Modalidad de impartición: A distancia
Fechas de inicio-fin: 01/12/2025 - 17/01/2026
Contenido
* Introducción a los datos (estructurados y desestructurados)
* Introducción y repaso sobre obtención de datos (APIs, RDF, logs, transacciones, textos, etc.)
* Tratamiento y limpieza de datos: Expresiones regulares, Herramientas ETL * Almacenamiento: BD relacionales versus BD NoSQL.
* Bases de datos NoSQL
* Procesamiento en paralelo y escalabilidad
* Introducción a los ecosistemas Big Data
Modalidad de impartición: A distancia
Fechas de inicio-fin: 20/03/2026 - 12/04/2026
Contenido
* Introducción a los ecosistemas Big Data
* Almacenamiento y procesamiento distribuido * El ecosistema Hadoop
* Spark
* Integración con R y Python.
Modalidad de impartición: A distancia
Fechas de inicio-fin: 24/01/2026 - 20/02/2026
Contenido
* Técnicas de Reducción de la dimensionalidad * Análisis de Conglomerados
* Técnicas de clasificación probabilística
* Support Vector Machines (SVM)
* Árboles de clasificación y regresión
Modalidad de impartición: A distancia
Fechas de inicio-fin: 21/02/2026 - 15/03/2026
Contenido
* Redes neuronales
* Sistemas de ranking
* Técnicas de combinación de modelos.
* Herramientas estadísticas para la Bioinformática * Selección de atributos
Modalidad de impartición: A distancia
Fechas de inicio-fin: 08/05/2026 - 28/06/2026
Contenido
Métodos de soluciones individuales
Métodos basados en poblaciones
Redes convolucionales
Redes recurrentes
Modalidad de impartición: A distancia
Fechas de inicio-fin: 24/01/2026 - 08/02/2026
Contenido
* Inteligencia Colectiva y flujos de datos
** Web Social
** Social Media
** Metodologías ''crowd''
* Redes: Conceptos, topología y comportamiento extremal
** Propagación
** Resiliencia en redes
** Computación bajo reputación y confianza
* Análisis de la semántica emergente: Análisis de opinión y sentimientos * Sistemas de recomendación (Item based, User Based)
* Aplicaciones
Módulo/Asignatura 11. Modelos para Datos Temporales y Espaciales 24/04/2026 - 04/05/2026 | 2,00 ECTS
Modalidad de impartición: A distancia
Fechas de inicio-fin: 24/04/2026 - 04/05/2026
Contenido
* Técnicas básicas
* Modelos ARIMA
* Modelos de series temporales no lineales: ARCH-GARCH * Análisis espectral
* Georeferenciación estadística
* Técnicas de predicción espacial
Modalidad de impartición: A distancia
Fechas de inicio-fin: 04/04/2026 - 26/04/2026
Contenido
Introducción a la inteligencia de negocio
Aplicaciones
Data Smart y Data warehouse
Bases de datos OLAP, OLTP
Plataformas de inteligencia de negocio
Herramientas de minería de datos integradas en las plataformas Uso de herramientas de BI
Diseño de cuadro de mandos
Modalidad de impartición: A distancia
Fechas de inicio-fin: 19/05/2026 - 05/06/2026
Contenido
Módulo I: Fundamentos del Procesamiento del Lenguaje Natural
Introducción: de la Lingüística Computacional a la Ingeniería del Lenguaje Natural Niveles y técnicas para el estudio y tratamiento automático de los lenguajes naturales
Nociones y técnicas básicas: Expresiones regulares, Autómatas y Gramáticas Recursos lingüísticos
Módulo II: Lenguaje natural, datos y conocimiento
Reconocimiento automático de la voz: Redes neuronales y otras tecnologías aplicadas al nivel acústico. Análisis del entrenamiento, adaptación y evaluación.
Análisis léxico-morfológico: corpus lingüísticos y técnicas relacionadas con la ciencia del dato. Corrección ortográfica, lematización, tokenización.
Análisis gramatical: sintaxis y semántica. Modelos basados en conocimiento y modelos estadísticos.
Gestión del diálogo: Autómatas. Sistemas basados en agentes. El enfoque basado en el estado de información. Las técnicas POMDP (procesos de decisión de Markov parcialmente observables) como soporte al aprendizaje automático en gestión del diálogo.
Traducción automática: Técnicas y enfoques. Paradigmas basados en reglas, basados en corpus y enfoques híbridos.
Aplicaciones comerciales e industriales: Speech Analytics, Content Analytics, Text Mining, Information Retrieval and Extraction, Question Answering, Sentiment Analysis, Entity Names Recognition, etc.
NLTK: Librería Python para lenguaje natural
Manipulación de corpus
Normalización de textos: segmentación, tokenización, lematización. Tagging
Clasificación de textos
Parsing
Análisis semántico: gramáticas de estructuras de rasgos Representación del conocimiento
StanfordCore NLP
Sistema de reconocimiento de entidades
Tagging
Classifier
Information Extraction
Estudio de aplicaciones comerciales e industriales
Ejemplos como Watson Analytics y otras plataformas que integran Big Data y sistemas basados en lenguaje natural en distintas áreas
Modalidad de impartición: A distancia
Fechas de inicio-fin: 22/02/2026 - 13/03/2026
Contenido
Herramientas, librerías y metodologías para la visualización de datos
Modalidad de impartición: A distancia
Fechas de inicio-fin: 14/03/2026 - 03/04/2026
Contenido
Arquitectura de la visualización de la Información Estructura visual: diseño e implementación Infografías y economía visual
Presentación de informes y Reports
Modalidad de impartición: A distancia
Fechas de inicio-fin: 01/11/2025 - 24/06/2026
Contenido
Desarrollo del Trabajo fin de Máster, orientado a la aplicación de los conocimientos y competencias adquiridas en los restantes módulos. Los tutores serán tanto académicos como empresariales
Profesorado
Personal Académico
- D. Joaquín Borrego Díaz . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Juan Galán Páez . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Juan Manuel Muñoz Pichardo . Universidad de Sevilla - Estadística e Investigación Operativa
- D. Rafael Blanquero Bravo . Universidad de Sevilla - Estadística e Investigación Operativa
Profesorado
- D. Álvaro Romero Jiménez . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- Dª. Ana María Rojas Mendoza - Consejo Superior de Investigaciones Científicas - Centro Andaluz de Biología del Desarrollo
- D. Antonio Beato Moreno . Universidad de Sevilla - Estadística e Investigación Operativa
- D. Antonio Jiménez Mavillard - Investigador en Big Data
- D. David Gálvez Ruiz . Universidad de Sevilla - Estadística e Investigación Operativa
- D. David Solís Martín . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Felipe García de Pesquera Gago - Centro de Estudios Universitarios "Cardenal Spínola"
- D. Fernando Sancho Caparrini . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Francisco J. Martín Mateos . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Gonzalo Antonio Aranda Corral . Universidad de Huelva - Tecnologías de la Información
- Dª. Inmaculada Barranco Chamorro . Universidad de Sevilla - Estadística e Investigación Operativa
- D. Jaime de Miguel Rodríguez . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Javier de la Rosa Pérez - National Library of Norway
- D. Jesús Giráldez Crú . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Joaquín Borrego Díaz . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. José Antonio Guerrero Durán - Datrik Intelligence S.A.
- D. José Francisco Quesada Moreno . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. José L. Ruiz Reina . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. José Luis Pino Mejías . Universidad de Sevilla - Estadística e Investigación Operativa
- D. Juan Galán Páez . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Juan Manuel Muñoz Pichardo . Universidad de Sevilla - Estadística e Investigación Operativa
- Dª. Mª Dolores Cubiles de la Vega . Universidad de Sevilla - Estadística e Investigación Operativa
- Dª. María Dolores Jiménez Gamero . Universidad de Sevilla - Estadística e Investigación Operativa
- D. Miguel Ángel Martínez del Amor . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Pedro Almagro Blanco . Universidad de Sevilla - Ciencias de la Computación e Inteligencia Artificial
- D. Pedro Luis Luque Calvo . Universidad de Sevilla - Estadística e Investigación Operativa
- D. Rafael Blanquero Bravo . Universidad de Sevilla - Estadística e Investigación Operativa
- D. Rafael Pino Mejías . Universidad de Sevilla - Estadística e Investigación Operativa