Denominación y certificación que otorga
La «Diplomatura Universitaria en Ciencia de Datos» constituye un trayecto formativo de capacitación universitaria (Res. Nro. 1007/15 C.S.) dependiente de la Secretaría de Extensión Universitaria de la Facultad de Ciencias Exactas y Naturales y Agrimensura de la Universidad Nacional del Nordeste.
Objetivos
La Diplomatura tiene como objetivo general:
- Promover la construcción conceptual de metodologías para el análisis de datos, la resolución de problemas y la toma de decisiones basados en principios matemáticos, computacionales y estadísticos.
Para alcanzar este propósito, se definen los siguientes objetivos específicos:
- Introducir a los/as participantes en el diseño e implementación de modelos, aplicando metodologías y principios matemáticos, computacionales y estadísticos vinculados al tratamiento de datos.
- Promover el desarrollo de habilidades con razonamiento independiente y pensamiento crítico para el desarrollo y la implementación de técnicas para el aprendizaje automático de datos y el análisis descriptivo y predictivo de los resultados concomitantes aplicados tanto al sector público, al productivo y al de servicios, como también a proyectos de investigación y desarrollo.
- Transmitir el estado del arte de las tecnologías disruptivas ocurridas en el área del machine learning y la inteligencia artificial con el fundamento teórico requerido para adquirir la capacidad de auto-actualización que demanda el continuo avance tecnológico en este campo.
Formación
La diplomatura permitirá a los/las estudiantes la construcción de saberes teóricos (saber qué y saber por qué) y saberes procedimentales (saber cómo y saber para qué) que permitan el diseño y desarrollo de sistemas y modelos basados en técnicas para la exploración, el procesamiento y el análisis descriptivo y predictivo de grandes bases de datos.
La diplomatura contempla trabajos de laboratorio con bases de datos reales y la práctica con librerías actuales del machine learning que permitan al/la estudiante familiarizarse con las herramientas y las prácticas utilizadas en el mundo de la ciencia de datos.
El plan de estudios se compone de tres tramos de cursado, comenzando con un propedéutico a los fines de nivelar los conocimientos previos. Esta instancia incluye dos módulos, que son: estadística y programación en Python. Un segundo tramo integrado por los cuatro módulos principales de la diplomatura, que son: análisis exploratorio de datos, aprendizaje supervisado, aprendizaje no-supervisado y aprendizaje profundo. El tercer tramo corresponde al proyecto final donde el/la estudiante se enfrenta ante un problema real, debiendo desarrollar todos los pasos requeridos para la limpieza y preprocesado de la base de datos, exploración, definición de las técnicas a utilizar, aplicación y comparación de las técnicas elegidas y análisis de los resultados.
Fundamentación de la propuesta
El proyecto de gestión institucional 2022-2026 de la FaCENA de la UNNE tiene entre sus propósitos prioritarios la implementación de trayectos formativos de corta duración y de interés para el territorio local. En este sentido, la Unidad Académica cuenta con docentes – investigadores altamente capacitados y con una infraestructura edilicia e informática adecuadas para emprender la implementación de nuevas ofertas educativas y de capacitación.
Una de las mayores transformaciones que ocurren en el siglo XXI es, sin dudas, el crecimiento exponencial en la producción y circulación de la información. En los últimos años, debido a los avances y transformaciones a nivel científico y tecnológico, se ha producido un aumento en la capacidad de adquisición, almacenamiento, conectividad y disponibilidad de datos. Este desarrollo ha impulsado, a su vez, la emergencia de perfiles profesionales y laborales asociados al análisis, producción y gestión de estos grandes volúmenes de datos, como es el caso de los/as analistas y cientistas de datos.
La ciencia de datos está compuesta por tres componentes principales, que son: la adquisición y el almacenamiento de datos, el procesamiento y el aprendizaje estadístico de patrones implícitos y la interpretación, generalización o aprovechamiento de estos patrones a situaciones no necesariamente contempladas dentro de los datos. Así, el desarrollo de habilidades en este campo requiere de la integración de la estadística, el machine learning y la inteligencia artificial.
En tal sentido, desde la FaCENA se propone el dictado de la Diplomatura Universitaria en Ciencias de Datos con la finalidad de construir competencias técnicas en el diseño, desarrollo y mantenimiento de sistemas de recolección, almacenamiento y gestión de datos. Su dominio posibilitará el aprendizaje de funcionalidades o patrones para la automatización de procesos en diversos ámbitos o contextos organizacionales (servicios, industrial o científico tecnológico).
Así, desde esta oferta formativa de corta duración se propone contribuir a la formación de recursos humanos especializados en las tres componentes de la ciencia de datos para la automatización de procesos, la resolución de problemas y la toma de decisiones.
Dirección
Dr. Manuel Pulido
Es Investigador Principal CONICET y Profesor Titular del Departamento Física, FaCENA, Universidad Nacional del Nordeste. Trabaja en investigación en las áreas de asimilación de datos, big data, aprendizaje automático, modelos basados en agentes, epidemiológicos y de pronósticos meteorológicos.
Posee más de 50 publicaciones en reconocidas revistas. Ha dictado charlas invitadas en Inglaterra, Canadá, Francia, Austria, Alemania, Estados Unidos, etc.
Postdoctoral research fellow en el Department of Meteorology, University of Reading, Inglaterra, 2001-2004.
Visiting Professor del Laboratoire de Meteorologie Dynamique, École Normale Supérieure, Francia, Jun-Jul 2007.
Investigador asociado en el Department of Physics, University of Toronto, Canada, 2008-2009.
Investigador CUNDA-ERC project Data Assimilation Research Centre, Inglaterra, 2017-2019.
Fue elegido miembro directivo del World Climate Research Programme SPARC Scientific Steering Group (2012-2016). Fue miembro del ICMA, International Union of Geophysics and Geodesics (2015-2022). Fue investigador clave en la Gravity wave momentum budget initiative.
Consejo asesor
Dra. Magdalena Lucini
Dra. Sonia Mariño
Lic. en Sistemas (UNNE). Doctora en Ciencias Cognitivas. Mgter. en Informática y Computación. Mgter. en Epistemología y Metodología de la Investigación Científica, Diplomatura Superior en Formación en Competencias Emprendedoras. Postdoctorado: Ciclo Temático Virtual de Posdoctorado (Parte II) Pensar la pandemia para la sociedad: abordajes socioeconómicos y socioculturales. 2021-2022 (Universidad Nacional de Jujuy).
Profesora Titular asignatura Proyecto Final de Carrera,
Profesora responsable asignaturas Modelos y Simulación e Inteligencia Artificial. FaCENA – UNNE. Dirección de proyectos de I+D, Coordinación de Proyectos Finales de Carrera de la Licenciatura en Sistemas de Información (FaCENA-UNNE). Directora de Proyectos de I+D acreditados por la SGCyT – UNNE, Coordinadora GI. Formación RRHH.
Cursos de posgrado: Modelos de Redes Neuronales Artificiales, Inteligencia Artificial. Técnicas de aprendizaje automático – machine learning. Gestión del Conocimiento, Taller Final de Maestría.
Dra. María Ines Pisarello
Títulos:
- Dra. en Matemática de la Universidad Nacional del Nordeste
- Licenciada en Sistemas –FaCENA –UNNE
Cargos Actuales:
Docencia:
- Profesora Titular con Dedicación Exclusiva (Modelos y Simulación de Sistemas Fisiológicos –Ingeniería en Electrónica – FaCENA –UNNE ).
- Profesora Adjunta (Procesamiento Digital de Bioseñales – Ingeniería en Electrónica – FaCENA –UNNE )
Gestión:
- Directora de la Carrera Ingeniería en Electrónica – FaCENA –UNNE).
- Directora de la Maestría en Sistemas de Redes y Telecomunicaciones (FaCENA – UNNE)
- Delegada Regional por la Región Nordeste de la Sociedad Argentina de Bioingeniería (SABI).
Premios y distinciones:
Premio INNOVACIÓN EN INGENIERÍA BIOMÉDICA LATINOAMÉRICA 2022. Otorgado por SBEB (Sociedad Brasileña de Ingeniería Biomédica) y Boston Scientific (Empresa multinacional líder en desarrollo de Innovaciones Tecnológicas en Ingeniería Biomédica).
Directora y Co Directora de Proyectos de Investigación:
- Procesamiento digital de información biomédica (PI 22 F012).
- Desarrollo de simulaciones computacionales y dispositivos como material didáctico para ser usados en el aula como medio de aprendizaje (PI 17F008 –SGCyT UNNE).
Directora y Co Directora de Proyectos de Innovación y Transferencia:
- Prototipo de un sistema de Detección Temprana de Incendios en Entornos Rurales (PFI 2022).
Líneas de Investigación del grupo y publicaciones
Soy profesora universitaria e investigadora en temas referidos al desarrollo de algoritmos expertos, enmarcados en la Ciencia de Datos que tienen aplicación en datos médicos y a la educación en Ingeniería. Pertenezco al Grupo de Ingeniería Biomédica de la Facultad de Ciencias Exactas de la UNNE. Otras líneas de trabajo del grupo y en las que estoy involucrada, es el diseño y construcción de dispositivos antropomorfos, controlados por señales de Electromiografía.
Lic. Marina Esquivel
Secretaria Administrativa de la Diplomatura Universitaria en Ciencia de Datos.