Plan de estudios

CBC Ciclo Básico Común

  • Introducción al Conocimiento de la Sociedad y el Estado
  • Introducción al Pensamiento Científico
  • Análisis Matemático A
  • Álgebra
  • Química
  • Física

Segundo Ciclo de Grado

Derivadas, integrales y herramientas potentes para entender a las funciones que dependen de varias variables.
Un primer acercamiento al maravilloso mundo de los números, de las estructuras matemáticas y  de sus métodos de demostración.
Vas a ver cómo resolver problemas mediante el uso de algoritmos, cómo dar demostraciones rigurosas de su comportamiento y cómo programarlos.
Una materia electiva para meterse en el mundo de las Ciencias naturales. Podes elegir una entre biología, química y física.
Más integrales, los fundamentales teoremas de Green, Gauss y Stokes y ecuaciones diferenciales.
Estructuras de datos fundamentales para poder dar soluciones eficientes. Cómo resolver problemas complejos mediante el uso de abstracción y técnicas algorítmicas.
Vas a aprender como utilizar distintos algoritmos para extraer y visualizar información partiendo de distintas fuentes de datos, con el objetivo de responder preguntas concretas, generando tanto conocimiento básico como aplicado
El mundo de las demostraciones matemáticas, las definiciones rigurosas y el arte de encontrar similitudes y diferencias en objetos matemáticos para poder lidiar con muchos problemas distintos con una misma solución.
Las herramientas matemático-computacionales indispensables para tratar cualquier problema en donde la matemática juegue un papel.
La matemática al servicio del estudio del azar y los fenómenos aleatorios.
Vas a resolver problemas de complejidad mayor que incluyen la manipulación de grafos, estudiar en profundidad la complejidad algorítmica y codearte con soluciones aproximadas y heurísticas.
Una ventana al mundo de la matemática detrás de la estadística y sus métodos más potentes para el estudio riguroso de los datos.
Métodos matemáticos avanzados para ayudar a tomar mejores decisiones en problemas concretos a partir de la búsqueda de escenarios óptimos en presencia de restricciones.
Las ideas que nos dejó Newton, que de tan buenas, con condimentos agregados siguen siendo la mejor herramienta para resolver muchísimos problemas.

Ver contenidos mínimos.

(*) Para acceder al título intermedio Bachiller Universitario en Ciencias de Datos deben aprobarse todas las materias del Ciclo Básico Común más las asignaturas de la lista marcadas con asterisco, más una materia electiva de introducción a las Ciencias Naturales.

Plan de Correlatividades

Cronograma sugerido

Cuatrimestre Asignatura Correlatividad de Asignaturas
3 Análisis I CBC
3 Álgebra I CBC
4 Algoritmos y Estructuras de Datos I Álgebra I
4 Electiva de Introducción a las Ciencias Naturales CBC
5 Análisis II Análisis I
5 Álgebra Lineal Computacional Álgebra I
5 Laboratorio de Datos Algoritmos y Estructuras de Datos I
6 Análisis Avanzado Análisis II, Álgebra I
6 Algoritmos y Estructuras de Datos II Algoritmos y Estructuras de Datos II
7 Probabilidad Análisis Avanzado
7 Algoritmos y Estructura de Datos III Algoritmos y Estructuras de Datos II
8 Intr. a la Estadística y Ciencia de Datos Lab de Datos, Probabilidad, Álgebra Lineal Computacional
8 Intr. a la Investigación Operativa y Optimización Alg y Estruc de Datos III, Análisis II, Álgebra Lineal Computacional
8 Intr. al Modelado Continuo. Análisis Avanzado, Álgebra Lineal Computacional, Alg y Estructura de Datos II

Tercer Ciclo de Grado

Una vez completado el Segundo ciclo de grado, se inicia el tercer ciclo, que consiste de una serie de materias optativas y una tesis o proyecto final. Para este ciclo cada estudiante elige su propio recorrido. Tenés que proponer un plan de materias a cursar acordado con tu tutor/a que sumen 640 horas. Las materias pueden surgir de las que proponen los cuatro departamentos/instituto a cargo de la carrera, de otros departamentos o incluso también de otras facultades. 

A continuación se da una lista de posibles caminos sugeridos con el fin de orientar la elección, pero estos caminos no tienen ninguna implicancia práctica, son simplemente sugerencias de materias para cursar de acuerdo a la orientación que quieras darle a tu carrera.

Caminos sugeridos

Datos

Datos

La formación esencial para el trabajo con datos.

  • Modelos de regresión
  • Herramientas de visualización de datos
  • Estimación no paramétrica aplicada
  • Aprendizaje automático
  • Procesamiento del lenguaje natural
  • Bases de datos

Investigación operativa y Optimización

Investigación operativa y Optimización

Herramientas y técnicas para ayudar a optimizar la toma de decisiones en gestión, logística y muchas otras áreas.

  • Programación lineal entera avanzada
  • Programación no lineal avanzada
  • Optimización estocástica
  • Simulación y Teoría de colas
  • Seminario avanzado de Teoría de grafos
  • Metaheurísticas

Estadística matemática-computacional

Estadística matemática-computacional

La matemática detrás de las técnicas para el tratamiento de los datos.

  • Modelo lineal
  • Herramientas de visualización de datos
  • Modelo lineal generalizado
  • Series de tiempo
  • Taller de consultoría estadística 

Modelado continuo

Modelado continuo

La matemática del modelado a partir de principios físicos, ecuaciones diferenciales y principios variacionales. Sus métodos de resolución teórica y computacionalmente.

  • Análisis numérico.
  • Elementos de análisis funcional.
  • Ecuaciones ordinarias y en derivadas parciales.
  • Procesos estocásticos.
  • Dinámica no lineal.
  • Matemática Industrial.

Sistemas estocásticos y complejos

Sistemas estocásticos y complejos

El estudio de sistemas con muchísimas componentes que interactúan: moléculas, miembros de redes sociales, autos en una autopista, multitudes, etc.

  • Teoría de probabilidades.
  • Modelos matemáticos en sistemas sociales complejos
  • Procesos Markovianos para aprendizaje automático
  • Teoría de juegos
  • Física computacional
  • Redes complejas con aplicación a sistemas biológicos

Inteligencia Artificial

Inteligencia Artificial

Teoría y desarrollo de sistemas computacionales para realizar tareas que normalmente requerirían de un humano.

  • Organización de Computadoras I
  • Aprendizaje Automático  o Reconocimiento de Patrones 
  • Procesamiento Digital de Imágenes o Visión por Computadora
  • Introducción a la Robótica 
  • Ciencias de Datos o Neurociencia computacional o Inferencia Bayesiana
  • Redes Neuronales o Aprendizaje Profundo
  • Procesamiento del Habla o Procesamiento del Lenguaje Natural

Procesamiento de Señales

Procesamiento de Señales

Teoría y métodos para el estudio, análisis y modificación y sintetización de señales. Típicamente sonido, imágenes, video o mediciones científicas.

  • Frames, Descomposiciones atómicas y teoría de muestreo
  • Teoría de wavelets, sistemas de Gabor, análisis de tiempo-frecuencia y tiempo-escala
  • Análisis de señales e imágenes (Teoría y Práctica)
  • Aproximación y Modelos en procesamiento de señales (Teoría y Laboratorio)
  • Compresión de datos, Learning theory y Algoritmos

Cs. de la atmósfera

Cs. de la atmósfera

El estudio de la atmósfera terrestre.

  • Introducción a la dinámica de geofluidos
  • Introducción al modelado numérico de fluidos geofísicos
  • Introducción al sensoramiento remoto del sistema terrestre
  • Introducción a la Meteorología del Espacio

Bioinformática

Bioinformática

Matemática y Computación para el análisis de datos biológicos.

  • Introducción a la bioinformática molecular.
  • Bioinformática orientada a la genómica de patógenos.
  • Bioinformática orientada al diseño de fármacos.
  • Bioinformática orientada a la genómica clínica.
  • Bioinformática avanzada.
  • Redes complejas con aplicación a sistemas biológicos