METODOLOGÍA
Máster en Data Analytics (Semipresencial)
Modalidad: Semipresencial en Madrid
Duración: de mayo 2018 a marzo 2019. Disponibilidad de tres meses adicionales para recuperación de asignaturas y realización TFM.
Inicio: 14 de mayo de 2018.
Sesiones Presenciales: sábados cada 15 días (9:00 – 18:30).
El Máster se cursa de acuerdo a una metodología de “flipped learning”. El aprendizaje se guía a través del Aula Virtual con una organización semanal de las actividades.
La metodología se basa en una programación de los módulos en una secuencia lógica, y dentro de cada módulo, se detallan las actividades y materiales a utilizar en Guías de Estudio (GES). El profesor guía a los estudiantes y les asiste a través de esas actividades concretas, seleccionadas para la adquisición progresiva de los conocimientos y habilidades necesarias para afrontar la evaluación.
Las clases presenciales se impartirán en sábado en Madrid y son un complemento de asistencia opcional donde se elaboran casos, ejercicios o prácticas adicionales. Los estudiantes que no puedan asistir tienen el material utilizado en esas clases a disposición en el Aula Virtual para su trabajo personal.
Máster en Data Analytics (Full-Time)
Modalidad: Presencial en Madrid.
Duración: de octubre 2018 a julio 2019. Disponibilidad de tres meses adicionales para recuperación de asignaturas y realización TFM.
Inicio: 15 de octubre de 2018.
Sesiones Presenciales: clases de lunes a jueves (18:00 – 21:00) y viernes actividades complementarias.
El máster se cursa de manera presencial, con clases en Madrid semanales de 18.00 a 21.00, con un Aula Virtual como apoyo para la evaluación. Durante la semana, se programan en ese horario clases de tres tipos:
- Clases presenciales, donde el profesor describe y explica los contenidos del módulo, y propone ejercicios o prácticas para desarrollar en clase.
- Clases de tutoría individuales o en pequeños grupos, como asistencia en los problemas con la instalación del software o problemas de comprensión concretos de carácter técnico.
- Actividades transversales que no entran en la programación del Máster pero son útiles para la empleabilidad, el networking profesional u otras habilidades generales.
Las clases presenciales son teórico-prácticas, por lo que el estudiante debe asistir a la clase con su ordenador portátil (es recomendable un ordenador actual para poder seguir adecuadamente las clases: i3 o superior, mínimo 4 GB de RAM y disco duro de por lo menos 256 GB).
EVALUACIÓN
El modelo de evaluación es la Evaluación Continua a través de una serie de Pruebas de Evaluación Continua (PEC), que en su mayoría son pruebas de carácter práctico que se entregan y evalúan a través del Aula Virtual.
Para ofrecer la máxima flexibilidad, el estudiante cuenta con una convocatoria extraordinaria de evaluación de contenidos mínimos al final del programa, igualmente de carácter práctico, a la que puede optar para hasta un 25% de los contenidos del programa.
El Trabajo Fin de Máster (TFM) es un trabajo integrador en una de tres posibles áreas:
- Estudios de data science.
- Estudios de arquitecturas y tecnologías Big Data.
- Ideas y modelos de emprendimiento.
El estudiante tiene un tutor para evaluar su progreso, y una serie de hitos de entrega, que termina con la defensa ante un tribunal.
La obtención final del título de Máster por la Universidad de Alcalá está sujeta a la superación de cada asignatura y a la elaboración del trabajo de fin de máster.
