2026-10-21 · Clara Dawson
El componente de Data Science en el programa combinado de ACU
Los cuatro temas del taller frente a las ocho unidades del componente de máster de 80 credit points en el programa combinado de 2027.'s changed and how to apply under new rules.
El Master of Data Science de Australian Catholic University (ACU) se presenta mediante cuatro áreas: análisis y visualización, aprendizaje automático, ingeniería de datos y modelado estadístico, e IA generativa con automatización responsable. El taller aborda estas áreas dentro del recorrido combinado de Computer Science y Data Science, no como contenido de todos los años del grado.
El manual de 2027 del programa combinado, consultado el 17 de octubre de 2026, identifica un componente de máster de 80 credit points, compuesto por ocho unidades de 10 cada una. Este artículo se refiere a ese componente; no describe las condiciones de cualquier posible vía de acceso a un máster independiente.
Del análisis a una explicación comprensible
El bloque de análisis y visualización se centra en transformar datos complejos en representaciones visuales que ayuden a extraer conclusiones. La idea no es solamente disponer de datos, sino poder comunicar lo que muestran.
El manual incluye ITEC622, de análisis y visualización de datos. Es una referencia concreta para consultar el contenido de una asignatura. Su título y la diapositiva no identifican por sí solos programas informáticos obligatorios ni el reparto de las evaluaciones.
Sistemas que aprenden de los datos
El aprendizaje automático aparece como un área para construir sistemas que aprenden a partir de datos y comprenden el lenguaje humano. Este contenido describe un campo de aprendizaje, no un puesto de trabajo que se obtenga automáticamente al finalizar.
En el componente de máster figuran DTSC610, sobre preparación de datos y fundamentos de aprendizaje automático, e ITEC623, sobre aprendizaje profundo y temas emergentes de IA. Sus nombres permiten ubicar materias, pero no deducir una lista completa de modelos, lenguajes o requisitos matemáticos de admisión.
Preparar los datos y aplicar modelos estadísticos
La ingeniería de datos y el modelado estadístico se presentan juntos: crear flujos de procesamiento sólidos y aplicar técnicas estadísticas a problemas reales. Este bloque es distinto del de visualización, aunque ambos forman parte de trabajar con datos.
La lista de unidades añade DTSC620, de modelado estadístico de datos, DTSC630, de análisis predictivo, e ITEC632, de técnicas y aplicaciones de minería de datos. No son equivalencias exactas entre los cuatro rótulos del taller y ocho asignaturas: cada documento organiza la información de forma distinta.
IA generativa y automatización responsable
El taller añade el desarrollo de soluciones de IA con las consideraciones éticas en primer plano. La referencia a IA generativa no identifica un producto comercial concreto ni promete acceso permanente a una herramienta determinada. Ese rótulo tampoco equivale a una asignatura exclusiva de IA generativa.
Qué significa la referencia al último año
La misma diapositiva indica que, en el último año, se abordan retos reales de ámbitos como empresas, salud y administración pública. El manual identifica dos unidades de proyecto, DTSC641 y DTSC642, centradas respectivamente en fundamentos de investigación e implementación. Junto a las seis unidades anteriores completan las ocho del componente de máster.
Esas referencias no asignan a cada estudiante una organización concreta ni equivalen a una oferta individual de prácticas, empleo o contratación. El ámbito de un proyecto y su evaluación necesitan confirmación en la información específica de las unidades.
Para decidir si el máster encaja contigo, separa tres preguntas: qué contenidos anuncia, cómo se enseñan y evalúan, y qué requisitos necesitas cumplir para acceder. El taller ayuda con la primera; no resuelve por sí solo las otras dos ni garantiza resultados laborales.
Fuentes: presentación oficial del taller de ACU sobre informática y ciencia de datos, diapositiva 8, y manual de 2027 del programa combinado enlazado.