Justificación

La Estadística
se ha constituido en una forma económica, eficiente y eficaz en la toma de decisiones óptimas. “Nunca se han tomado tantas decisiones basadas en estadísticas como hoy en día”.

La Ciencia de datos
Hoy en día, se hace necesario que el profesional de cualquier área del conocimiento que desee investigar, planificar y determinar estrategias competitivas en su campo, aplique principios estadísticos y se familiarice con los diferentes algoritmos inteligentes para analizar estas grandes masas de datos y para obtener información de calidad.
La maestría en “Estadística Aplicada y Ciencia de Datos”
Está diseñada para encontrar explicación al comportamiento de diferentes variables de una población, utilizando herramientas estadísticas y computacionales de última generación.
Además de ser un complemento en la profundización de la formación de profesionales de diferentes áreas, busca profundizar sus estudios con el manejo eficiente de información.

Rasgos Distintivos del Programa

Su enfoque Bio-psicosocial y Cultural
permite asumir un compromiso con el país teniendo como imperativo supremo la promoción de la dignidad humana en su integridad. Dentro de este contexto, la Universidad El Bosque se ha planteado el reto de formar un recurso humano que sea capaz de liderar e implementar procesos que fortalezcan la excelencia académica, investigativa y las aplicaciones derivadas de éstas en el campo de las ciencias básicas para lo cual cuenta con una infraestructura en instalaciones, equipos y laboratorios de punta.

La vinculación de unidades académicas
relacionadas con trabajos de muestreo y modelación como el Instituto de Virología, el Laboratorio de Genética, el Laboratorio de Biología Molecular, el Museo de Ciencias, las diferentes Especializaciones de la Universidad, su Maestría y doctorado en Bioética, el doctorado en Ciencias Biomédicas e investigaciones sobre Cultura, Salud y Ambiente entre otras, permiten que nuestros estudiantes de la Maestría en Estadística Aplicada y Ciencia de Datos, tengan un medio excelente de entrenamiento y formación.

Las tres líneas de énfasis
muestreo, ciencia de datos y bioestadística que los estudiantes podrán elegir en el tercer cuatrimestre, inexistentes en otros programas nacionales similares que solo contienen algunos temas parciales.

¡Descubre El Bosque y resuelve tus dudas, aquí!
Plan de Estudios del Programa
Cuatrimestre I
Introducción a la Estadística y Probabilidad.
Este módulo trata de la exploración y descripción de los datos, mediante un conjunto de conceptos básicos como las estadísticas de resumen: medias, proporciones, tablas, etc.
Análisis Multivariado de Datos
Es un conjunto de herramientas estadísticas necesarias para el análisis de información implementando métodos multivariados tales como el análisis de componentes principales, el análisis de correspondencias, el análisis factorial, los métodos de agrupamiento y los métodos discriminantes, entre otros.
Modelos de Regresión
Los métodos de regresión son un grupo de herramientas estadísticas básicas para el analista de datos que se enmarcan en las metodologías de aprendizaje supervisado en la Ciencia de Datos.
Cuatrimestre II
Muestreo Probabilístico
Es una herramienta que le permite al estudiante identificar las condiciones en que se puede establecer un diseño muestral y todas sus implicaciones, con el objetivo de hacer una adecuada estimación de los parámetros de interés que gobiernan el estado de la naturaleza de los fenómenos bajo estudio.
Machine Learning I
Corresponde a las estratégicas y operacionales que permitirán adquirir las aptitudes y los conocimientos necesarios para lograr nuevos beneficios analíticos basados en nuevos datos de gran tamaño junto con metodologías para tratamiento de la información como el aprendizaje automático de forma supervisada.
Deep Learning I
En este curso el científico de datos aprenderá a crear y entrenar arquitecturas de redes neuronales tipo secuenciales, convolucionales, recurrentes, LSTM, transformadores, y aprenderá a mejorarlas con técnicas matemáticas y no matemáticas entre ellas Dropout, BatchNorm, esquemas de inicialización de Glorot/Xavier/He, entre otras.
Métodos de Machine Learning en Bioestadística
La bioestadística hace referencia al conjunto de métodos estadísticos utilizados convencionalmente para el análisis de datos asociados a las ciencias de la vida, como la biología, la medicina, la ecología, entre muchas otras.

Cuatrimestre III
Línea de énfasis en Muestreo:
Nivel de Profundización I: Muestreo Avanzado
Se estudian las distintas alternativas de utilizar información auxiliar e incorporarlas en las estimaciones, lo cual es de vital importancia a la hora de proponer estimadores.
Nivel de Profundización II: Muestreo en Poblaciones Biológicas
El muestreo en poblaciones biológicas busca profundizar en métodos usados en ecología para el análisis de la información, en esta asignatura se dará pautas para definir el tipo de muestreo, los factores que influyen en la muestra, su cálculo, entre otros.
Nivel de Profundización III: Estimación en Áreas pequeñas
Se estudia la importancia de utilizar las encuestas de hogares como datos para producir estimaciones basadas en la información auxiliar disponible que proviene de los censos o registros administrativos.
Línea de énfasis en Ciencia de Datos:
Nivel de Profundización I: Machine Learning II
Este curso proporciona una amplia introducción al aprendizaje automático de forma no supervisada. Los temas incluyen: clustering o agrupación, reducción de dimensionalidad, sistemas de recomendación, aprendizaje profundo, teoría de sesgo/varianza, detección de anomalías, valores atípicos locales y máquinas de Bolzmann.
Nivel de Profundización II: Deep Learning II
En este curso se ven los algoritmos sofisticados de alta precisión y aplicación en el sector industrial, salud, banca, gobierno u otros, aprovechando al máximo la capacidad de cómputo de los ordenadores o en su defecto máquinas virtuales montadas en servidores en la nube, para llevar a cabo dichos proyectos de forma eficiente.
Nivel de Profundización III: Architetecning with Google compute engine specialization
Este curso estudia las herramientas para analizar y procesar grandes volúmenes de datos en tiempo récord para la toma óptima de decisiones empresariales, a través de laboratorios prácticos donde los estudiantes exploran, cargan, visualizan y extraen información de diversos conjuntos de datos en la plataforma Google Cloud Platform.
Línea de énfasis en Bioestadística:
Nivel de Profundización I: Epidemiología
Es un curso de profundización en métodos estadísticos y de la Ciencia e datos aplicados a la Epidemiología. Tiene dos propósitos fundamentales: primero, brindar a los estudiantes la oportunidad de ahondar en los conceptos y métodos clásicos utilizados en el estudio de eventos de salud en poblaciones humanas y segundo, presentar a los estudiantes un conjunto de técnicas recientes e innovadoras para el análisis de datos epidemiológicos soportado por software estadístico.
Nivel de Profundización I: Epidemiología Espacial
Son técnicas estadísticas que tienen en cuenta la ubicación geográfica de los eventos que se analizan. El uso de estas técnicas en el análisis de estudios de tipo epidemiológico permite incluir la variabilidad, la correlación y la densidad espacial presente en la distribución de datos y exposiciones de eventos en salud.
Nivel de Profundización III: Análisis de supervivencia
Este curso busca brindar a los estudiantes de la línea de bioestadística de la Maestría en Estadística Aplicada y Ciencia de Datos herramientas necesarias para tratar datos de tipo censurados en estudios de sobrevida.
Seminario de Investigación
El seminario de investigación permite al estudiante adquirir los elementos necesarios para llevar a cabo un proceso de análisis de información o de investigación que involucra, entre otros, la revisión de literatura y artículos especializados sobre un tema, el marco teórico y conceptual, el planteamiento del problema, la justificación, los objetivos, la metodología, la formulación y evaluación de hipótesis, y la determinación de los métodos estadísticos de análisis, con la finalidad de que el estudiante desarrolle de manera adecuada su anteproyecto de grado.
Cuatrimestre IV
Trabajo de Grado
En esta asignatura los estudiantes desarrollaran y finalizan su trabajo de grado. La finalidad del curso es permitirles que desarrollen su idea de investigación para la disertación final de su maestría.
PERFILES

Del aspirante
Todo profesional dispuesto a entrar a un proceso formativo de alta calidad académica y asimilar principios éticos y humanísticos, que lo guíen en la solución de problemas que afrontan las comunidades y su relación con el entorno. Deben ser profesionales en distintas áreas del saber con una actitud particular hacia la disciplina estadística y competencias de lectura crítica y análisis de situaciones problemas.

El perfil del egresado
Un profesional formado y capacitado dentro de una interdisciplinariedad académica de tal forma que pueda dar soluciones estadísticas en cualquier área del saber, con capacidad de liderazgo, óptima gestión en procesos de análisis de datos, desarrollo y comunicación de resultados propios de su disciplina, responsabilidad, dinamismo, con una amplia capacidad para trabajar en grupos y manejo completo de software, además de ser capaz de realimentarse con el fin de obtener un óptimo desempeño en las áreas de investigación, desarrollo de tecnologías y modelación de situaciones problema.
Contáctenos
Para mayor información acerca de nuestros programas, no dude en contactarnos
Correo
matematicas@unbosque.edu.co
Teléfonos
+ (571) 6489000 – 018000 113033
Dirección
Av. Cra. 9 No. 131 A – 02 Bogotá, D.C. – Colombia
Serán profesionales capacitados para cubrir, de manera eficiente, necesidades que tienen las instituciones tales como:
- Organización, manejo, análisis e interpretación de datos.
- Diseño y desarrollo de modelos cuantitativos y cualitativos que permitan una acertada toma de decisiones tanto en campos financieros como de análisis de fenómenos naturales y sociales.
- Elaboración de pronósticos, análisis de riesgo, incertidumbre y cálculo de reservas.
- Estudio y evaluación de portafolios.
- Planteamiento de hipótesis, teorías y marcos conceptuales de nuevos saberes.
- Desenvolvimiento en la industria para la realización de estudios y desarrollo de metodologías y procedimientos de análisis que permitan involucrar las variables de los distintos problemas empresariales en la evaluación de alternativas y en el control de efectos para su solución.