84
Plan y recomendaciones 2016 – 2020
Conocimientos en matemática aplicada/estadística (conocimientos bási- cos de cada una de las tipologías de análisis): - Modelos probabilísticos (contraste de hipótesis, modelos lineales, mo- delos bayesianos). - Análisis y predicción de series temporales (modelos lineales y no lineales). - Modelos de aprendizaje automático (redes neuronales, maquinas de vectores de soporte, Deep learning, selvas aleatorias y modelos gráficos probabilísticos). El sistema educativo deberá adoptar estas nuevas líneas de formación en el ámbito universitario para poder cubrir las necesidades de las empresas. Para ello sería recomendable la creación de las titulaciones Ciencia de da- tos y Ingeniería de datos. Estas podrían tomar como base algunos grados ya existentes como Estadística, Matemáticas Aplicadas, Informática, Físicas o Ingenierías. El objetivo es tratar de alinear las necesidades empresariales con el contenido educativo, por lo que sería de gran valor contar con las pro- pias compañías para definir los planes de estudios correspondientes a estas titulaciones. Así mismo, los trabajos fin de grado, o trabajos fin de máster, son una oportunidad para introducir contenidos y competencias de Big Data a través de proyectos en relación directa con las empresas. Además, dada la relevancia que está adquiriendo la economía del dato, se considera necesaria la incorporación de alguna asignatura básica de análi- sis de datos en todas las carreras universitarias, independientemente de la rama de conocimiento a la que corresponda. Esto servirá como continua- ción a lo iniciado durante la educación secundaria y el bachillerato. De esta forma se conseguirá que todos los profesionales se incorporen al mundo laboral con los conocimientos adecuados en análisis de datos, ya que a lo largo de su vida laboral, independientemente de su perfil, cargo o sector empresarial, deberán afrontar alguna situación relacionada con este ámbito. La aplicación de las pautas descritas en los niveles de primaria, secundaria, bachillera- to, formación profesional y universidad —junto con el actual y cada vez más amplio ecosistema de postgrados—permitirá la consolidación del marco educativo adecua- do para formar a los profesionales necesarios para la nueva sociedad del dato. El nuevo ámbito de explotación avanzada de datos masivos ha supuesto la aparición de nuevos roles profesionales que disponen de amplias capacida- des en matemática aplicada y estadística o tecnología. Estos roles, que son complementarios, se diferencian por el nivel de conocimiento que poseen en cada una de las ramas. Mientras que algunos tienen una marcada orien- tación estadística y analítica, otros están más orientados al ámbito tecnoló- gico y a la gestión de grandes volúmenes de información. 1) MATEMÁTICA APLICADA/ESTADÍSTICA DATA SCIENTIST. El científico de datos tiene como misión descubrir patro- nes e información de valor entre los grandes volúmenes datos procedentes de múltiples y variadas fuentes de información. El objetivo es tanto resolver retos y problemas de negocio como generar nuevas vías de desarrollo. 4.1.2.FORMACIÓN POR PERFIL PROFESIONAL
Made with FlippingBook - Online Brochure Maker