Presentación

La Ciencia de Datos se ha convertido en una disciplina esencial en un mundo cada vez más interconectado y digital. La enorme cantidad de información generada por dispositivos, sistemas y aplicaciones exige profesionales capaces de analizarla e interpretarla para generar conocimiento útil. En este contexto, la Ciencia de Datos no solo representa una tendencia tecnológica, sino una necesidad estratégica para las organizaciones que buscan tomar decisiones basadas en evidencia y aprovechar el valor oculto de sus datos. El Perú, como parte de esta transformación global, requiere especialistas preparados para afrontar los retos y oportunidades que plantea la era de la información.

La Maestría en Ciencia de Datos de la Universidad Católica San Pablo responde a esta necesidad mediante una formación integral y rigurosa. Su plan de estudios combina fundamentos matemáticos, estadísticos y computacionales con el desarrollo de competencias en Inteligencia Artificial, Machine Learning, Deep Learning y visualización de datos. Bajo un enfoque práctico, los participantes trabajan en casos reales de sectores como minería, finanzas, marketing e ingeniería, aplicando herramientas y metodologías actuales para diseñar soluciones replicables en sus propias organizaciones. Esta experiencia se fortalece con una plana docente de reconocida trayectoria académica y profesional, con formación en universidades de prestigio internacional y experiencia en investigación y desarrollo en Ciencia de Datos.

Los egresados de esta maestría estarán preparados para liderar la transformación digital en sus instituciones y en la sociedad. Su formación les permitirá desempeñarse como analistas, científicos de datos o gestores de innovación, contribuyendo al desarrollo de proyectos basados en Inteligencia Artificial Generativa y en estrategias de gestión de datos orientadas al impacto. La maestría, única en la región reconocida por SUNEDU y respaldada por el Departamento de Computación acreditado por ABET, ofrece así una oportunidad concreta para quienes buscan consolidar su crecimiento profesional y asumir un rol protagónico en la construcción de un futuro guiado por los datos.

Objetivos

Los egresados de la maestría en Ciencia de Datos estarán en capacidad de:

• Identificar oportunidades de aplicación de técnicas de Ciencia de Datos en sus organizaciones.

• Proponer e implementar proyectos integradores en Ciencia de Datos en las organizaciones.
• Desempeñar tareas de Data Engineering en las organizaciones.
• Abordar problemas y construir soluciones de análisis de datos usando herramientas computacionales.
• Elaborar modelos estadísticos para el análisis de datos en organizaciones, entender sus fundamentos y aplicarlos en problemas reales.
• Proponer, diseñar e implementar estrategias de visualización de datos para exploración, análisis y toma de decisiones.
• Gestionar y analizar conjuntos de datos masivos, estructurados y no estructurados de una forma escalable.
• Diseñar, aplicar, proponer, implementar y evaluar modelos predictivos basados en  Inteligencia Artificial (Machine Learning y Deep Learning) para la toma de decisiones.
• Acceder a un mercado laboral en franco crecimiento para profesionales con estas habilidades.
• Crecer profesionalmente dentro de su organización.

Dirigido principalmente a

A bachilleres y profesionales de:

• Ciencia de la Computación, Informática, Ingeniería de Sistemas e Ingenierías afines. Matemática, Estadística, Educación, Administración, Finanzas, Minería, Ventas, Manufactura y áreas biomédicas
• Que cuenten con conocimientos básicos en programación. 

Interesados en:

• Analizar y aprovechar los datos para mejorar decisiones.
• Aplicar técnicas de Inteligencia Artificial y Machine Learning.
• Desarrollar soluciones computacionales y modelos predictivos.
• Impulsar su crecimiento profesional en sectores como banca, minería, retail o tecnología.

Metodología

Nuestra metodología es dinámica e integra la teoría con tu experiencia profesional para potenciar tus competencias. No solo escucharás a expertos: también reflexionarás, debatirás y aplicarás lo aprendido mediante lecturas, ensayos y actividades prácticas cuidadosamente diseñadas para fortalecer tu crecimiento profesional.

Creditaje

55 créditos.

Plan de estudios

La maestría está estructurada en 14 cursos:

Primer Semestre (presencial):

• Programación para Ciencia de Datos: Tiene como finalidad nivelar a los estudiantes en conceptos de lenguajes de programación y estructuras de datos necesarios para desarrollar herramientas computacionales para Ciencia de Datos. La programación de algoritmos y estructuras de datos será realizada usando lenguajes de programación como Python.
• Introducción a Ciencia de Datos: Se dará un panorama general de lo que implica llevar a cabo un proyecto de Ciencia de Datos, las áreas que la componen y los tipos de soluciones que pueden ser construidas. Asimismo, durante este curso los estudiantes seleccionan un tema preliminar a desarrollar como Capstone Project.
• Matemática para Ciencia de Datos:  Se darán las bases matemáticas necesarias para poder realizar modelado estadístico y para construir modelos de Machine Learning. En ese sentido, se revisarán conceptos de probabilidad y estadística, álgebra lineal, cálculo, entre otros. Los modelos matemáticos y algoritmos serán implementados usando Jupyter Notebooks, usando lenguajes de programación como Python y R.
• Data Engineering: Se abordará el diseño, construcción y mantenimiento de la infraestructura de datos para recolectar, procesar, almacenar y entregar datos que puedan ser analizados a cualquier escala.
• Persona Humana y Ciencia de Datos: Ofrece una visión católica sobre la persona humana, su dignidad, apertura al mundo y modo de comprender. Desde esta perspectiva, se pretende relevar algunas discusiones en torno a los fundamentos epistemológicos y éticos ligados a la Ciencia de la Computación y Ciencia de Datos. Además, se intentará proponer algunas discusiones culturales y políticas ligadas al manejo de la ciencia de datos y al problema hermenéutico de interpretación ligado a ellos.

Segundo Semestre (virtual síncrono):

• Machine Learning y Deep Learning Aplicado: Aborda la forma de crear modelos predictivos para problemas de análisis de datos desde la perspectiva de Machine Learning y Deep Learning. Se usarán diversos algoritmos para construir modelos que permitan resolver problemas de clasificación, regresión y clustering, y que puedan ser aplicados en diversos sectores (industria, finanzas, salud, marketing, etc.).
• Visualización de datos: Tiene como objetivo estudiar herramientas visuales avanzadas para interpretar datos durante el proceso de descubrimiento de conocimiento, en apoyo a la toma de decisiones. Los tópicos abordados incluyen: la creación de charts analíticos, limpieza de datos para visualización y procesamiento de datos multidimensionales.
• Estadística Predictiva Avanzada: Proporciona bases estadísticas para el modelado predictivo al abordar problemas de análisis de datos. Entre los tópicos avanzados que serán estudiados están: la simulación computacional de fenómenos aleatorios, muestreo de Monte Carlo, la generación de variables aleatorias, el análisis exploratorio de datos y el reconocimiento de patrones estadísticos. Todos los modelos predictivos avanzados serán programados en Python y/o R.

Tercer Semestre (virtual síncrono):

• Ciencia de Datos Escalable: Aborda el diseño de soluciones para análisis de datos que tengan gran escala (Big Data). Se estudia cómo desplegar los modelos estadísticos y de Machine Learning en la nube. El despliegue de modelos predictivos será realizado usando herramientas para procesar datos en forma distribuida y en la nube (AWS, Azure, etc.).
• Tópicos en Ciencia de Datos I: Aborda tópicos que complementan tareas de análisis de datos de imágenes y texto. Por lo tanto, se enfoca el estudio de modelos estadísticos y de Machine Learning para visión por computador y el estudio de técnicas estadísticas y de Machine Learning para el procesamiento de lenguaje y texto (NLP).
• Proyecto I: Tiene como objetivo desarrollar el tema del Capstone Project (tesis), durante el último año de la maestría. Con la guía de los asesores del curso también se comenzará a desarrollar el documento de tesis de maestría.

Cuarto Semestre (virtual síncrono):

• Entrenamiento Práctico en Ciencia de Datos: Propone el estudio de herramientas y técnicas que permitan aplicar el conocimiento obtenido durante la maestría en la solución de problemas reales. Son discutidos, desde conceptos de diseño y desarrollo de interfaces de software, MLOps, integración continua e implementación, entre otros.
• Tópicos en Ciencia de Datos II: Se desarrollarán técnicas avanzadas de análisis de datos espacial y geoespacial, así como el estudio de técnicas de visual analytics orientadas a problemas de gran escala.
• Proyecto II:Se finaliza el desarrollo del Capstone Project, con la guía de los asesores del curso. Asimismo, se termina de desarrollar el documento de tesis necesario para realizar su sustentación.

Proceso de evaluación

Presencial, virtual, síncrono y asíncrono.

Metodología de evaluación: Participación en aula, evaluación constante, exposiciones, exámenes, trabajo integrador.

Plana docente

Calendario

* La Escuela de Postgrado UCSP se reserva el derecho de cancelar o postergar el programa si no alcanza el mínimo de alumnos matriculados hasta 7 (siete) días hábiles anteriores a la fecha indicada para el inicio del programa.
* La Escuela de Postgrado se reserva el derecho de cambiar la plataforma virtual.
* La Escuela de Postgrado se reserva el derecho de hacer cambios en el calendario académico.

Tiempo de dedicación al programa

Modalidad Semipresencial

Modalidad a distancia

* Horas lectivas: 584, Horas no lectivas: 592

Inversión

Preventa: S/ 21,500 hasta el 13 de marzo de 2026.

Precio al contado: S/ 23,500. 

Precio total: S/ 25,960 fraccionado en cuotas de:

• • Cuota Inicial de S/ 5,000.
  • 16 cuotas de S/ 1,310.
  • El detalle de lo mencionado se puede observar en el siguiente cuadro de pagos:
    Descargar cuadro de pagos

Descuentos:

• • Consulta por nuestro descuento para Comunidad UCSP y Antiguos Alumnos.
  • Consulta por nuestro descuento corporativo (3 o más personas).

* Para mayor información consulta con nuestra asesora educativa.
* Para ver las orientaciones para devolución de pagos darle clic aquí.
* Aceptamos pagos con todas las tarjetas.
* Los descuentos no son acumulables.
* Los descuentos a la comunidad UCSP, antiguos alumnos y corporativo no aplica en pronto pago.
* El monto de la matrícula para cada inicio de semestre es de S/ 350. En el caso de la primera matrícula, este importe se encuentra incluido dentro de la cuota inicial. Asimismo, la matrícula está considerada dentro de todas las modalidades de pago ofrecidas

CERTIFICACIÓN

CONDICIONES DE CULMINACIÓN

• Reglamento General de Grados y Títulos: https://ucsp.edu.pe/archivos/transparencia/R-VICE-08-Reglamento-General-de-Grados-y-Titulos.pdf
• Disposiciones particulares de Grados y Títulos de la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/disposiciones-particulares-de-grados-y-titulos-de-la-escuela-de-postgrado/

Requisitos de admisión

INSCRIPCIÓN

• Ficha de inscripción correctamente llenada.
• Documento de identidad:
  
  • Peruanos: Copia simple de DNI.
  • Extranjeros: Copia simple del carné de extranjería, pasaporte o documento de identidad oficial de su país de origen.
• Documento académico:
  
  • Peruanos: Reporte SUNEDU, en caso de no contar con el reporte, copia legalizada del diploma de bachiller.
  • Extranjeros: Copia legalizada del diploma de bachiller con la Apostilla de la Haya o la legalización por el Ministerio de Relaciones Exteriores.
• 01 carta de motivación y presentación personal.
• 01 entrevista personal.

MATRÍCULA

• Compromiso de honor firmado.
• Contrato de prestación de servicios firmado.

• La documentación que se presenta es evaluada por el Comité de Admisión del programa de postgrado que determina si el postulante reúne el nivel esperado de los participantes.
• La información que el postulante ingrese en la inscripción es su responsabilidad, la UCSP presume su veracidad.
• Se considera matriculado al postulante que cumpla con todos los requisitos de admisión.
• Si el postulante realiza el pago con anterioridad al proceso de admisión y se comprueba el no cumplimiento de algún requisito de admisión, no se considerará la matrícula.

Condiciones de permanencia

• Reglamento de Admisión para la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/reglamento-de-admision-para-la-escuela-de-postgrado/
• Reglamento de Estudiantes de la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/reglamento-de-estudiantes-de-la-escuela-de-postgrado/

Requerimientos tecnológicos

• Contar con PC o Laptop.
• Cámara web (interna o externa) con mínimo de 720p de resolución.
• Micrófono (interno o externo).
• Acceso a internet – la velocidad recomendada es de 4 Mbps para descarga y 1 Mbps para subida o superior.
• Navegador Google Chrome o Firefox actualizado.