Probabilidad
1–2Probabilidad forma los hábitos de los que depende ciencia de datos: no es trivia de examen, sino técnica reutilizable para talleres, laboratorios o clínicas posteriores.
Un plan de ciencia de datos es una secuencia, no una lista de la compra. Las primeras asignaturas construyen vocabulario compartido; los años intermedios introducen métodos; el tramo final exige un proyecto que pueda fallar en público.
La libertad de optativas varía: algunos sistemas bloquean horas de acreditación profesional; otros permiten minors amplios. Las asignaturas siguientes son la columna vertebral común, no el catálogo de cada universidad.
Core courses
Inferencia estadística
1–2Inferencia estadística forma los hábitos de los que depende ciencia de datos: no es trivia de examen, sino técnica reutilizable para talleres, laboratorios o clínicas posteriores.
Aprendizaje automático
2–3Aprendizaje automático forma los hábitos de los que depende ciencia de datos: no es trivia de examen, sino técnica reutilizable para talleres, laboratorios o clínicas posteriores.
Preparación de datos
1–2Preparación de datos forma los hábitos de los que depende ciencia de datos: no es trivia de examen, sino técnica reutilizable para talleres, laboratorios o clínicas posteriores.
Bases de datos
2–3Bases de datos forma los hábitos de los que depende ciencia de datos: no es trivia de examen, sino técnica reutilizable para talleres, laboratorios o clínicas posteriores.
Visualización
2–3Visualización forma los hábitos de los que depende ciencia de datos: no es trivia de examen, sino técnica reutilizable para talleres, laboratorios o clínicas posteriores.
Ética de los datos
3–4Ética de los datos forma los hábitos de los que depende ciencia de datos: no es trivia de examen, sino técnica reutilizable para talleres, laboratorios o clínicas posteriores.
Proyectos finales
3–4Proyectos finales forma los hábitos de los que depende ciencia de datos: no es trivia de examen, sino técnica reutilizable para talleres, laboratorios o clínicas posteriores.
Common tracks
Aprendizaje automático
Un énfasis en aprendizaje automático suele aparecer tras los cimientos, cuando eliges seminarios, laboratorios o talleres que profundizan una familia de problemas dentro de ciencia de datos.
Analítica de negocio
Un énfasis en analítica de negocio suele aparecer tras los cimientos, cuando eliges seminarios, laboratorios o talleres que profundizan una familia de problemas dentro de ciencia de datos.
Estadística computacional
Un énfasis en estadística computacional suele aparecer tras los cimientos, cuando eliges seminarios, laboratorios o talleres que profundizan una familia de problemas dentro de ciencia de datos.
Ingeniería de datos
Un énfasis en ingeniería de datos suele aparecer tras los cimientos, cuando eliges seminarios, laboratorios o talleres que profundizan una familia de problemas dentro de ciencia de datos.
Skill map
Razonamiento estadístico90
Programación para datos88
Comunicación78
Diseño de experimentos82
Ética de datos76
Curiosidad de dominio70
Razonamiento estadístico
Razonamiento estadístico se practica cada semana en los planes de ciencia de datos; el porcentaje es fuerza relativa entre competencias de esta página, no una nota.
Programación para datos
Programación para datos se practica cada semana en los planes de ciencia de datos; el porcentaje es fuerza relativa entre competencias de esta página, no una nota.
Comunicación
Comunicación se practica cada semana en los planes de ciencia de datos; el porcentaje es fuerza relativa entre competencias de esta página, no una nota.
Diseño de experimentos
Diseño de experimentos se practica cada semana en los planes de ciencia de datos; el porcentaje es fuerza relativa entre competencias de esta página, no una nota.
Ética de datos
Ética de datos se practica cada semana en los planes de ciencia de datos; el porcentaje es fuerza relativa entre competencias de esta página, no una nota.
Curiosidad de dominio
Curiosidad de dominio se practica cada semana en los planes de ciencia de datos; el porcentaje es fuerza relativa entre competencias de esta página, no una nota.
How you learn
Clases y lecturas
Encuadre en gran grupo más textos primarios o problem sets que definen el vocabulario de la semana.
Laboratorios / talleres / clínicas
Práctica supervisada donde se esperan errores y la retroalimentación es concreta.
Seminarios
Argumentación en grupo pequeño; el silencio sale caro porque el grupo lo nota.
TFG / tesis
Una síntesis pública: defensa, exposición, portafolio clínico o prototipo ingenieril.
Trata el catálogo como un mapa de competencias practicadas, no como promesa de marca. El departamento que califica con exigencia y devuelve trabajo rápido suele enseñar más que el que solo publicita prestigio.
Keep exploring
More in STEM e ingeniería
💻
Informática
Algoritmos, sistemas y software: cómo se hace que las máquinas razonen, almacenen y comuniquen.
Employability 94 ⚡Ingeniería eléctrica
Circuitos, campos y señales: alimentar, sensar y comunicar el mundo físico.
Employability 88 🔧Ingeniería mecánica
Fuerzas, materiales y máquinas: diseñar lo que se mueve, soporta carga y dura.
Employability 86 🌉Ingeniería civil
Infraestructura sobre la que se apoyan las sociedades: puentes, agua, carreteras, ciudades y códigos.
Employability 84 ⚗️Ingeniería química
Convertir reacciones en plantas: escala, seguridad y eficiencia de la molécula a la fábrica.
Employability 82 🛰️Ingeniería aeroespacial
Vuelo en aire y vacío: estructuras, propulsión, guiado y certificación.
Employability 76 🧮Matemáticas
Demostración, estructura y abstracción: el lenguaje que otras ciencias toman prestado.
Employability 70 ⚛️Física
Materia, energía, espacio y tiempo: del banco de laboratorio al borde de lo observable.
Employability 68 🧪Química
Moléculas y reacciones: cómo cambian, se unen y se fabrican las sustancias con seguridad.
Employability 72 📉Estadística
La incertidumbre hecha usable: diseño, inferencia y la ética de afirmar que un patrón es real.
Employability 88