La Maestría en Ciencia de Datos – edición Regional Rosario aborda la disciplina desde una mirada rigurosa y aplicada, orientada a desarrollar criterio en el trabajo con datos.
A lo largo del programa, el foco está puesto en cómo formular problemas, modelar soluciones y utilizar la información como soporte consistente para la toma de decisiones. La modalidad blended acompaña este proceso, combinando instancias presenciales y virtuales para favorecer el intercambio técnico y la continuidad en el estudio.
Una formación integral: La propuesta articula estadística, modelado, bases de datos, minería y aprendizaje automático como partes de un mismo proceso analítico. El objetivo es comprender cómo interactúan estas dimensiones en la resolución de problemas complejos, evitando abordajes fragmentados y favoreciendo una mirada sistémica sobre la disciplina.
Fundamentos y aplicación: Cada herramienta y técnica se trabaja desde su base conceptual y su implementación práctica. El foco no está únicamente en desarrollar modelos, sino en entender cuándo utilizarlos, cómo validarlos y cómo interpretar sus resultados en función de las dinámicas organizacionales en las que se insertan.
Una modalidad diseñada para sostener el aprendizaje: La combinación de instancias presenciales y virtuales responde no responde únicamente a una cuestión operativa, sino a una decisión pedagógica orientada a optimizar la experiencia de aprendizaje. Las clases presenciales favorecen el intercambio y el trabajo colaborativo, mientras que los espacios virtuales permiten profundizar contenidos y sostener el ritmo de estudio en paralelo con la actividad profesional.
“La Maestría en Ciencia de Datos fue un punto de inflexión en mi carrera.”
En ese momento trabajaba en el sector bancario y buscaba conocer más sobre el mundo de los datos. Lo más valioso fue la base teórica sólida y estructurada, que me permitió comprender en profundidad la ciencia de datos y sus fundamentos, junto con el networking con profesionales de diversos ámbitos.
Gracias a esa formación pude dar un salto profesional hacia roles vinculados a data, trabajar con equipos de negocio, generar insights para la toma de decisiones y desarrollar modelos avanzados aplicados a problemas reales.
La recomiendo por su excelencia académica, su plantel docente y su enfoque integral e interdisciplinario.
“La ciencia de datos no es solo construir un modelo predictivo.”
Lo más valioso que me aportó la maestría fue comprender que trabajar con datos implica mucho más que desarrollar un modelo. Aprendí a manejar grandes volúmenes de información, combinar distintas bases y analizarlas en profundidad para entender realmente qué está pasando antes de definir una solución.
Hoy me siento preparado para encarar problemáticas vinculadas a la automatización y al análisis de datos con mayor seguridad. La maestría me dio herramientas concretas para abordar distintos escenarios profesionales con confianza.
La recomendaría por la variedad de temas que aborda, la constante puesta en práctica a través de ejercicios y casos reales, y los recursos tecnológicos de la facultad que hacen que las clases sean dinámicas y actuales.
“La Maestría en Ciencia de Datos me brindó una sólida formación en análisis de datos y una experiencia de trabajo interdisciplinaria cercana a la realidad profesional.”
Lo más valioso fue combinar el aprendizaje técnico con la dinámica de trabajo en equipos interdisciplinarios, reflejando de manera auténtica los desafíos del mundo laboral. Estos aprendizajes me permitieron mejorar la calidad del análisis financiero y contable, automatizar procesos rutinarios y optimizar tiempos.
Destaco especialmente la excelencia académica, la calidad humana del cuerpo docente y la red de contactos que se construye a lo largo del recorrido, factores que potencian el desarrollo profesional en una disciplina en pleno crecimiento y con un impacto concreto en las oportunidades laborales actuales.
“La maestría me abrió las puertas a un mundo donde los datos hablan.”
A lo largo de la cursada conocí no solo nuevas y novedosas herramientas, sino también una forma distinta de observar, procesar y estudiar grandes volúmenes de información. Ya sea en datos en forma de imágenes, textos extensos o tablas, entendí que los datos están presentes en todos los rubros y que, saber escucharlos junto con el conocimiento de la situación, permite tomar decisiones más informadas, con impacto más rápido y efectivo.
Destaco especialmente el recorrido del programa: comenzamos estudiando técnicas ancestrales, probadas y validadas, y luego fuimos progresando hacia métodos más modernos, incluso algunos lanzados al mercado en el mismo año del cursado. También valoro haber podido estudiar en instalaciones de primera, con equipamiento adecuado, lo que hizo que la experiencia fuera cómoda y accesible.
En un entorno tan cambiante como el de la ciencia de datos, la revisión permanente de los contenidos es fundamental. El feedback de los alumnos fue siempre bien recibido, y las autoridades actuaron en consecuencia, lo cual considero un aspecto positivo del programa.
“Aprendí a estructurar proyectos de datos con rigor, desde la definición del problema hasta el despliegue del modelo.”
Lo más valioso que me aportó la maestría fue incorporar una metodología rigurosa para desarrollar proyectos de datos, desde la formulación del problema de investigación hasta el despliegue y validación de modelos de deep learning. Aprendí que el verdadero impacto está en comprender el contexto, trabajar con datasets de calidad y diseñar experimentos reproducibles.
Apliqué estos conocimientos en proyectos de computer vision, donde desarrollé un sistema de detección de objetos para identificar y notificar espacios vacíos en playas de estacionamiento. Actualmente trabajo en un proyecto orientado a la detección de firmas manuscritas falsificadas, también mediante técnicas de computer vision, utilizando transformadas Gabor.
Además, la formación en redes neuronales me permitió no solo aplicar modelos existentes, sino adaptar arquitecturas como CNNs, ResNets y transformers visuales a problemas específicos, justificando cada decisión de diseño con fundamentos teóricos sólidos.
Recomendaría la maestría a quienes busquen una formación que combine rigor académico con aplicación práctica. El programa brinda herramientas para abordar problemas complejos de principio a fin: desde el planteamiento de hipótesis y la preparación de datos hasta el despliegue en producción. En mi caso, el diferencial fue poder profundizar en redes neuronales y computer vision, desarrollando una mentalidad analítica estructurada para trabajar con datos reales.
"Con la Maestría descubrí nuevas formas de analizar la información, entender lenguajes de programación, cómo almacenar los datos correctamente y ser más eficiente en el trabajo. Cerca del 50% de mi tiempo laboral actual aplico las nuevas herramientas aprendidas."
La ciencia de datos ha evolucionado rápidamente en los últimos años. Hoy existen múltiples herramientas, lenguajes y modelos disponibles, y el acceso al conocimiento técnico es cada vez más amplio. Sin embargo, esa misma expansión ha vuelto más compleja la tarea de integrar conceptos, validar resultados y sostener decisiones con fundamento.
Trabajar con datos no implica únicamente implementar algoritmos o automatizar procesos. Exige comprender los supuestos detrás de cada modelo, evaluar la calidad de la información, interpretar resultados con criterio y vincular el análisis con las dinámicas organizacionales en las que se inserta.
En este contexto, diseñamos una formación que propone un recorrido de profundización y orden conceptual, orientado a integrar conocimientos, contrastar enfoques y sostener el análisis con mayor consistencia técnica. La maestría busca ofrecer un marco académico que permita consolidar criterio y ampliar las posibilidades de desarrollo profesional en un campo que exige cada vez mayor solidez.
A lo largo de la maestría vas a profundizar en los fundamentos estadísticos y computacionales que sostienen la ciencia de datos, comprendiendo cómo se construyen, validan e interpretan modelos analíticos en distintos contextos organizacionales.
Incorporarás herramientas y metodologías de analítica avanzada, minería de datos y aprendizaje automático, trabajando con datasets reales y problemáticas aplicadas que exigen formulación, modelado y evaluación técnica rigurosa.
Desarrollarás criterio para integrar información proveniente de distintas fuentes, evaluar la calidad de los datos y vincular el análisis cuantitativo con la toma de decisiones en ámbitos profesionales diversos.
También abordarás los aspectos legales y éticos vinculados al uso de la información, incorporando una mirada responsable sobre el impacto de los modelos y algoritmos en las organizaciones y en la sociedad.
El recorrido académico está organizado en etapas que combinan fundamentos, profundización técnica y aplicación integrada. A medida que avanza el programa, los contenidos se articulan en torno a la construcción, validación e implementación de modelos analíticos.
La ciencia de datos se construye en la intersección entre distintas áreas de conocimiento. La estadística aporta el marco para modelar y validar resultados; la informática y las bases de datos permiten estructurar y procesar grandes volúmenes de información; el aprendizaje automático amplía las capacidades predictivas; y la comprensión organizacional conecta el análisis con la toma de decisiones.
El diseño curricular integra estas dimensiones de manera articulada, evitando abordajes aislados y favoreciendo una comprensión transversal de los problemas. Esta convergencia es la que permite sostener análisis técnicamente sólidos y al mismo tiempo pertinentes para los entornos profesionales en los que se aplican.
La maestría se dicta alternando una semana presencial y una virtual. Los encuentros presenciales se dictan los viernes de 14 a 18 h y los sábados de 9 a 13 h.
Las clases presenciales están orientadas al desarrollo técnico de los contenidos, la resolución de ejercicios y el intercambio directo con docentes y compañeros. El trabajo en aula favorece la discusión de enfoques, el análisis colectivo y la puesta en común de soluciones.
Las cohortes son de tamaño reducido, lo que facilita la participación, el seguimiento académico y la interacción directa con el equipo docente, incluyendo el acompañamiento personalizado en el desarrollo del Trabajo Final.
El aula reúne profesionales provenientes de áreas como informática, estadística, ingeniería, administración, economía, salud y agro, entre otras. Esa diversidad de perfiles permite abordar los problemas desde distintas perspectivas técnicas y de negocio, enriqueciendo el análisis y la discusión.
Las instancias virtuales complementan el proceso, permitiendo profundizar conceptos, avanzar en trabajos prácticos y sostener el ritmo entre encuentros presenciales. A lo largo del programa, los laboratorios y entregas integran modelado, análisis y aplicación, consolidando una dinámica de trabajo consistente y progresiva.
La maestría forma parte del área de Ciencia de Datos de la Facultad de Ingeniería de la Universidad Austral, un espacio con trayectoria en formación de posgrado, investigación y transferencia aplicada. El programa mantiene una estructura académica consolidada y coherente entre sedes, con contenidos actualizados y una lógica curricular sostenida en el tiempo.
El cuerpo docente está integrado por profesores con formación académica avanzada y experiencia profesional en análisis de datos, modelado, inteligencia artificial y gestión. Parte del equipo se comparte con la sede Buenos Aires, lo que garantiza continuidad en el estándar académico, mientras que la coordinación local en Rosario asegura seguimiento cercano y articulación con la dinámica de la cohorte.
El título otorgado es el de “Magíster en Explotación de Datos y Gestión del Conocimiento”, emitido por la Universidad Austral, con reconocimiento oficial y validez nacional otorgados por el Ministerio de Educación (Resolución N° 2781-15) y carrera categorizada por CONEAU.
Esta propuesta no es una oferta aislada, sino parte de un área académica consolidada que articula docencia, investigación y vínculo con organizaciones públicas y privadas en el campo de la ciencia de datos.
La presencia de estas organizaciones refleja la aplicación concreta de la formación en entornos profesionales diversos.
Para postularse a la maestría se requiere:
El proceso de admisión permite evaluar el perfil académico y profesional del postulante, asegurando la coherencia del grupo y el nivel técnico de la cohorte.
La Universidad Austral cuenta con beneficios de inscripción exclusivos sobre los valores vigentes. Entre ellos se incluyen: convenios corporativos, Comunidad Austral, beneficios por distancia, inscripción temprana, entre otros.
Los mismos están sujetos a cupo. Para más información, consultar con el ejecutivo a cargo.
Doctor en Ciencias Exactas (Informática). Director del Área de Ciencia de Datos de la Facultad de Ingeniería de la Universidad Austral. Profesor titular en UBA, UNLP y Austral, investigador y referente en bases de datos, ciencia de datos y transferencia tecnológica.
Magíster y Licenciada en Estadística, especializada en análisis de datos e investigación. Experiencia en interpretación de información para la toma de decisiones estratégicas. Parte del departamento de Ciencia de Datos de la sede Rosario de Universidad Austral.
Actuario y Dr. en Ciencias Económicas (UBA), especialista en gestión de riesgos, modelado financiero y machine learning aplicado a finanzas. Director y docente de posgrado, con amplia experiencia en banca, mercados de capitales y desarrollo de modelos cuantitativos para la toma de decisiones estratégicas.
Ing. en Computación y MBA, con más de 20 años de experiencia en Data Mining y Ciencia de Datos, combinando docencia de posgrado y consultoría aplicada. Profesor titular y director de tesis en maestrías de Ciencia de Datos en la Universidad Austral, ITBA y la UTN, con foco en aplicaciones a economía, finanzas y marketing analítico.
Dr. en Informática, especialista en IA y Cs. de Datos, con más de 25 años de experiencia en investigación aplicada, industria y docencia universitaria. Research Scientist Director en Voolkia Software & Services, lidera proyectos de Machine Learning, Deep Learning y Blockchain para sectores como Oil & Gas, Fintech e Insurtech.
Senior Data Scientist & ML/AI Engineer con más de 15 años de experiencia en modelos predictivos, deep learning, NLP y MLOps. Manager de ML & AI en Scanntech, y profesor en Universidad Austral y Universidad Nacional de Rosario. Lideró equipos y soluciones de IA a escala en fintech y tech companies.
Doctora en Ciencias de la Educación por la Universidad de Navarra, Licenciada en Economía por la Universidad de Buenos Aires y especialista en Historia Económica. Profesora de Historia del Pensamiento Económico, Ética, Empresa y Sociedad en la Universidad Austral, con publicaciones en historia económica y filosofía personalista.
Data Scientist con más de 10 años de experiencia en análisis estadístico avanzado y modelado predictivo, con foco en prevención de fraude en compañías como Mercado Libre y Equifax. Magíster en Analytics por la University of Chicago, con sólida trayectoria académica y de investigación en estadística multivariada en la UNR.
Doctora en Ciencia Política y en Humanidades y Artes (UNR), Investigadora del CONICET y presidenta de la Sociedad de Estudios Kantianos en Lengua Española. Profesora de Filosofía, Antropología y Ética Empresarial en la Universidad Austral.
La Universidad Austral es la #1 de Argentina
de Gestión Privada
Contactanos
