Plan de estudios · Ciencia de Datos

Facultad 2 · Inteligencia Artificial y Ciencia de Datos · Escuela de Ciencia de Datos · código CDD. Elaborado según 03-academico/ESPECIFICACION-PLANES.md (Instructivo CNU G.O. 36.847 Ext. numeral 1.2; Acuerdo CNU 0173 arts. 15-29). Borrador 29-oct-2026.

1. Identificación

2. Justificación

El Plan Nacional de Inteligencia Artificial 2025-2031, presentado por el Mincyt el 27 de octubre de 2026, fija como meta la formación de 1.000 ingenieros de datos, 1.500 becas de pregrado y posgrado, 300 proyectos aplicados, un centro de supercómputo y un Instituto Nacional de Inteligencia Artificial como ente regulador [F10]. La única oferta pública de Licenciatura en Ciencia de Datos del país pertenece a una universidad creada en diciembre de 2024, cuya primera promoción egresa en 2031 [F10, F11]; en esta revisión no se identificó oferta privada de pregrado en ciencia de datos en Caracas [F12]. El detalle de la demanda está en 02-factibilidad/estudio-factibilidad-I.md, literal a.4.

El sector productivo demanda perfiles de datos de manera explícita: tecnología encabeza los sectores que contratan [F3], y el ecosistema de startups con respaldo financiero externo contrata ingeniería de datos y analítica para sostener sus rondas de inversión [F6]. El Índice Latinoamericano de Inteligencia Artificial 2024 ubica a Venezuela en la categoría «explorador», con pérdida sostenida de talento investigador [F13]; una licenciatura con base matemática sólida y trabajo sobre datos reales de empresas venezolanas atiende esa brecha desde la formación de pregrado.

La carrera se diseña con salida intermedia de Técnico Superior Universitario al sexto semestre, de modo que el bachiller pueda incorporarse al mercado como analista o ingeniero de datos junior y continuar después hacia la licenciatura sin pérdida de unidades de crédito. Los semestres 1 a 6 coinciden con la TSU en Ciencia de Datos del Instituto Universitario de Tecnología (B), lo que permite la absorción de esos estudiantes por la Universidad una vez autorizada.

El campo de práctica es real: la promotora opera GalaxIA Empresarial (plataforma de software para pymes), Nexus Pay (pasarela de pagos y factoring), FTG Investment & Consulting C.A. (distribución y marca Primavera), Comercial El Cóndor (importadora y comercializadora), Agroinsumos Capital (agroinsumos, titularización aprobada por la SUNAVAL) y Maderas La Rola (forestal y aserrío). Esas operaciones generan datos transaccionales, logísticos y financieros sobre los que el estudiante trabaja desde el primer semestre bajo acuerdos de confidencialidad y anonimización.

3. Perfil de egreso

Competencias generales

1. Razonar con rigor matemático y estadístico para plantear, resolver y comunicar problemas cuantitativos.
2. Programar soluciones computacionales mantenibles, documentadas y reproducibles.
3. Comunicar hallazgos técnicos a públicos no especializados en español y en inglés técnico.
4. Actuar conforme a la ética profesional, la legalidad vigente y los principios de protección de datos personales.
5. Formular y evaluar modelos de negocio basados en datos, con la metodología de pensamiento empresarial de la Universidad.
6. Trabajar en equipos multidisciplinarios y en entornos de trabajo remoto y presencial.
7. Aprender de manera autónoma y actualizar sus competencias a lo largo de la vida profesional.

Competencias específicas

1. Diseñar y operar procesos de extracción, transformación, carga y almacenamiento de datos estructurados y no estructurados.
2. Modelar bases de datos relacionales y no relacionales y consultarlas con lenguaje SQL y herramientas de procesamiento distribuido.
3. Aplicar inferencia estadística, diseño de experimentos e inferencia causal para fundamentar decisiones.
4. Construir, validar y explicar modelos de aprendizaje automático supervisado y no supervisado.
5. Modelar y pronosticar series de tiempo para demanda, inventarios, precios y flujos financieros.
6. Diseñar visualizaciones y tableros que representen los datos con honestidad y claridad.
7. Formular y gobernar políticas de calidad, catálogo, linaje y apertura de datos en organizaciones públicas y privadas.
8. Evaluar sesgos, equidad, transparencia e impacto social de sistemas algorítmicos.
9. Desplegar productos de datos (interfaces de programación, tableros, modelos en producción) y monitorear su desempeño.
10. Resolver problemas de pymes y cadenas de suministro con datos: pronóstico, optimización de inventarios, segmentación de clientes y detección de anomalías.
11. Aplicar procesamiento de lenguaje natural y modelos de lenguaje a tareas de clasificación, extracción y resumen de texto.
12. Gestionar proyectos de datos con criterios de alcance, costo, riesgo y valor para la organización.

4. Campo ocupacional

Cargos: analista de datos · científico de datos · ingeniero de datos · analista de inteligencia de negocios · especialista en pronóstico y planificación de demanda · analista de riesgo y fraude · responsable de gobierno y calidad del dato · consultor en analítica para pymes · investigador junior en ciencia de datos · docente de matemática y datos en educación media y universitaria (con la formación docente complementaria exigida por la ley).

Tipos de organización: empresas de software y plataformas para pymes · pasarelas de pago, fintech y banca · comercializadoras, importadoras y operadores logísticos · empresas de agroinsumos y forestales · organismos públicos de estadística, salud, educación y datos abiertos · institutos de investigación y el futuro Instituto Nacional de Inteligencia Artificial · startups con financiamiento externo · firmas de consultoría · organizaciones de la sociedad civil que trabajan con datos.

5. Plan de estudios por semestre

Convenciones: HT = horas teóricas semanales · HP = horas prácticas o de laboratorio semanales (3 horas de pasantía = 1 UC) · UC = unidades de crédito · Modalidad P presencial, M mixta, L en línea.

Homologación de TRV-103. En esta Facultad la unidad transversal Métodos Cuantitativos I se homologa con la primera matemática del ciclo básico: conserva el código TRV-103, se denomina «Métodos Cuantitativos I (Matemática I)», desarrolla cálculo diferencial de una variable con aplicaciones al análisis de datos y es prelación de CDD-201 Matemática II y de CDD-203 Probabilidad. Así se cumple el eje transversal sin duplicar contenidos.

Semestre 1

Semestre 2

Semestre 3

Semestre 4

Semestre 5

Semestre 6

Semestre 7

Semestre 8

Semestre 9

Semestre 10

Resumen

Acumulado al corte TSU (semestres 1 a 6): 126 UC. Electivas (CDD-805, CDD-902): el estudiante elige entre ciencia de datos en salud pública, en agricultura y agroinsumos, en finanzas y pagos digitales, en sector público y datos abiertos, y en educación; la oferta se publica cada semestre según disponibilidad docente.

6. Sinopsis de las unidades curriculares

TRV-103 · Métodos Cuantitativos I (Matemática I). Funciones, límites, continuidad, derivada y sus aplicaciones (razón de cambio, optimización elemental, aproximación lineal), introducción a la integral; razonamiento cuantitativo aplicado a datos de negocio. Producto: resolución de problemas aplicados y una práctica de modelado con datos reales.

CDD-101 · Programación I. Pensamiento computacional, variables, estructuras de control, funciones, colecciones, archivos, pruebas básicas y control de versiones; uso de cuadernos interactivos. Producto: programa que lee, limpia y resume un conjunto de datos.

CDD-102 · Introducción a la Ciencia de Datos. Ciclo de vida del dato, roles profesionales, tipos de problemas (descriptivos, predictivos, prescriptivos), fuentes de datos públicas venezolanas, reproducibilidad. Producto: informe exploratorio sobre un conjunto de datos abiertos.

CDD-103 · Álgebra Lineal. Vectores, matrices, sistemas lineales, espacios vectoriales, autovalores y autovectores, descomposiciones matriciales, proyecciones y mínimos cuadrados. Producto: taller computacional de reducción de dimensionalidad.

TRV-101 · Pensamiento Empresarial I. Ideación, identificación de problemas de clientes, propuesta de valor y modelo de negocio bajo la metodología de la Universidad; estudio de pymes venezolanas. Producto: lienzo de modelo de negocio validado con entrevistas.

TRV-102 · Inglés Técnico I. Comprensión lectora de documentación técnica, vocabulario de computación y datos, estructuras gramaticales básicas. Producto: glosario y lectura comentada de documentación.

CDD-201 · Matemática II. Integral definida, técnicas de integración, series, funciones de varias variables, derivadas parciales, gradiente, integrales múltiples. Producto: prueba escrita y proyecto de cálculo aplicado a funciones de pérdida.

CDD-202 · Programación II. Programación orientada a objetos, manejo de errores, módulos y paquetes, pruebas unitarias, documentación, buenas prácticas de código y trabajo colaborativo con control de versiones. Producto: biblioteca documentada y probada.

CDD-203 · Probabilidad. Espacios de probabilidad, variables aleatorias discretas y continuas, distribuciones usuales, esperanza y varianza, distribuciones conjuntas, teorema del límite central, simulación. Producto: simulaciones y problemas resueltos.

CDD-204 · Bases de Datos y SQL. Modelo relacional, normalización, lenguaje SQL (consulta, definición, manipulación), índices, transacciones, introducción a bases no relacionales. Producto: base de datos diseñada y poblada con consultas analíticas.

TRV-201 · Pensamiento Empresarial II. Finanzas del negocio: flujo de caja, punto de equilibrio, precio y margen, fuentes de financiamiento para pymes, indicadores. Producto: plan financiero de un negocio real a doce meses.

TRV-202 · Inglés Técnico II. Lectura de artículos técnicos, redacción de correos y reportes breves, presentación oral guiada. Producto: resumen escrito y exposición corta en inglés.

CDD-301 · Estadística Inferencial. Muestreo, estimación puntual e intervalos de confianza, pruebas de hipótesis, pruebas no paramétricas, tamaño de muestra, potencia, errores frecuentes de interpretación. Producto: informe inferencial sobre una encuesta real.

CDD-302 · Algoritmos y Estructuras de Datos. Complejidad, listas, pilas, colas, árboles, grafos, tablas de dispersión, ordenamiento y búsqueda, recursión, programación dinámica. Producto: implementación y análisis comparativo de algoritmos.

CDD-303 · Ingeniería de Datos I. Extracción, transformación y carga; formatos de archivo; calidad y limpieza de datos; orquestación de flujos; automatización y registro. Producto: flujo de datos automatizado y documentado sobre datos de una empresa del campo de práctica.

CDD-304 · Visualización de Datos. Percepción visual, gramática de gráficos, elección de representación, tableros interactivos, narrativa con datos, errores y engaños visuales. Producto: tablero analítico y presentación narrativa.

TRV-301 · Ética, Legalidad y Protección de Datos. Ética profesional, deontología, marco constitucional venezolano de protección de la vida privada y habeas data, normativa de delitos informáticos y mensajes de datos, Ley 81 de 2019 de Panamá como referencia regional, consentimiento y minimización. Producto: análisis de caso y política de tratamiento de datos.

TRV-302 · Inglés Técnico III. Lectura crítica de artículos científicos, redacción de resúmenes y documentación técnica, participación en reuniones. Producto: reseña escrita de un artículo y presentación.

CDD-401 · Aprendizaje Automático I. Regresión, clasificación, árboles, vecinos cercanos, máquinas de soporte vectorial, regularización, validación cruzada, métricas, sesgo y varianza. Producto: competencia interna de modelado con informe reproducible.

CDD-402 · Optimización. Optimización sin restricciones y con restricciones, convexidad, descenso de gradiente y variantes, programación lineal y entera, aplicaciones a inventarios, rutas y asignación. Producto: modelo de optimización para una cadena de suministro real.

CDD-403 · Ingeniería de Datos II. Almacenamiento columnar, lagos y almacenes de datos, procesamiento distribuido, cómputo en nube pública, costos, seguridad básica y respaldo de datos en territorio nacional. Producto: arquitectura de datos desplegada y documentada.

CDD-404 · Datos Abiertos y Gobierno del Dato. Principios de datos abiertos, licencias, catálogos, metadatos, calidad, linaje, roles de gobierno, política de datos en organismos públicos y empresas. Producto: política de gobierno de datos para una organización real.

CDD-405 · Modelos Lineales y Diseño de Experimentos. Regresión lineal múltiple, diagnóstico, modelos lineales generalizados, diseño experimental, pruebas controladas en productos digitales. Producto: diseño y análisis de un experimento controlado.

TRV-402 · Inglés Técnico IV. Redacción de informes técnicos y artículos cortos, presentación de resultados, entrevistas profesionales. Producto: informe técnico y defensa oral en inglés.

CDD-501 · Aprendizaje Automático II. Agrupamiento, reducción de dimensionalidad, detección de anomalías, ensambles, redes neuronales básicas, interpretabilidad, ajuste de hiperparámetros. Producto: solución completa a un problema de una empresa del campo de práctica.

CDD-502 · Series de Tiempo y Pronóstico. Componentes de una serie, suavizamiento exponencial, modelos autorregresivos, estacionalidad, pronóstico jerárquico, evaluación de pronósticos, pronóstico de demanda y precios. Producto: sistema de pronóstico de demanda para una distribuidora.

CDD-503 · Minería de Texto y Datos No Estructurados. Preprocesamiento de texto, representaciones vectoriales, clasificación y agrupamiento de documentos, extracción de información, análisis de imágenes a nivel introductorio. Producto: clasificador de documentos comerciales.

CDD-504 · Analítica para Pymes y Cadenas de Suministro. Indicadores de una pyme, análisis de ventas, inventarios, cuentas por cobrar y logística, segmentación de clientes, tableros de gestión. Producto: diagnóstico analítico de una pyme real con recomendaciones.

CDD-505 · Ética Algorítmica y Equidad. Sesgos en datos y modelos, métricas de equidad, transparencia y explicabilidad, impacto social, auditoría algorítmica, principios internacionales de ética de la inteligencia artificial. Producto: auditoría de equidad de un modelo.

CDD-506 · Metodología de la Investigación en Datos. Formulación de preguntas, revisión de literatura, diseño de estudios, reproducibilidad, redacción científica, citación. Producto: anteproyecto de investigación.

CDD-601 · Aprendizaje Profundo. Redes neuronales profundas, optimización, regularización, redes convolucionales y recurrentes, arquitecturas de atención, entrenamiento con aceleradores en el laboratorio de la sede. Producto: modelo profundo entrenado y evaluado.

CDD-602 · Productos de Datos y Despliegue. Empaquetado de modelos, interfaces de programación, contenedores, monitoreo, versionado de datos y modelos, operación de modelos en producción. Producto: modelo desplegado con monitoreo.

CDD-603 · Proyecto Técnico (TSU). Proyecto integrador que resuelve un problema real de datos para una organización, desde la definición hasta la entrega. Producto: informe técnico y defensa ante jurado; requisito de grado de la TSU.

CDD-604 · Pasantía Técnica (TSU). 240 horas en una empresa del campo de práctica o en convenio, con tutor empresarial y tutor académico. Producto: informe de pasantía y evaluación del tutor empresarial.

CDD-605 · Almacenes de Datos e Inteligencia de Negocios. Modelado dimensional, indicadores, cubos y tableros gerenciales, integración con sistemas administrativos. Producto: almacén de datos y tablero gerencial.

TRV-601 · Servicio Comunitario. 120 horas de proyecto comunitario con aplicación de competencias de datos (por ejemplo, levantamiento y análisis de información para consejos comunales, escuelas o centros de salud). Producto: informe avalado por la comunidad; requisito de grado.

CDD-701 · Procesamiento de Lenguaje Natural y Modelos de Lenguaje. Modelos de secuencia, arquitecturas de atención, modelos de lenguaje preentrenados, ajuste fino, recuperación aumentada, evaluación, costos y riesgos. Producto: aplicación de lenguaje natural para un caso de negocio.

CDD-702 · Inferencia Causal y Métodos Bayesianos. Diagramas causales, confusores, variables instrumentales, diferencias en diferencias, inferencia bayesiana, modelos jerárquicos, cómputo bayesiano. Producto: estudio causal sobre datos observacionales.

CDD-703 · Datos a Gran Escala y Procesamiento en Tiempo Real. Flujos de eventos, procesamiento en tiempo real, arquitecturas de datos a gran escala, consistencia, costos y gobierno técnico. Producto: canal de datos en tiempo real con alertas.

CDD-704 · Economía y Finanzas con Datos. Microeconomía aplicada, elasticidad y precios, riesgo de crédito, detección de fraude, valoración y modelos financieros con datos de una pasarela de pagos. Producto: modelo de riesgo o de precios documentado.

CDD-801 · Ciencia de Datos para Cadenas de Suministro y Operaciones. Pronóstico de demanda, políticas de inventario, planificación de rutas, trazabilidad, simulación de operaciones con datos de distribuidoras e importadoras del campo de práctica. Producto: solución analítica implantada en una operación real.

CDD-802 · Sistemas de Recomendación y Analítica de Clientes. Filtrado colaborativo, modelos de contenido, valor de vida del cliente, retención, experimentación. Producto: recomendador evaluado con datos reales.

CDD-803 · Privacidad y Seguridad de los Datos. Anonimización, seudonimización, privacidad diferencial, control de acceso, seguridad de canales de datos, evaluaciones de impacto en protección de datos. Producto: evaluación de impacto de un producto de datos.

CDD-804 · Seminario de Trabajo Especial de Grado. Definición del problema, estado del arte, diseño metodológico, plan de trabajo y aprobación del anteproyecto. Producto: anteproyecto aprobado por la Escuela.

CDD-805 · Electiva I y CDD-902 · Electiva II. Aplicaciones sectoriales (salud, agro, finanzas, sector público, educación). Producto: proyecto aplicado al sector elegido.

TRV-901 · Pasantía Profesional. 480 horas en empresa del campo de práctica o en convenio, con plan de trabajo, tutor empresarial y tutor académico. Producto: informe y defensa de pasantía.

CDD-901 · Gerencia de Proyectos de Datos y Comunicación de Resultados. Alcance, estimación, riesgo, equipos, comunicación ejecutiva, presentación de resultados a decisores. Producto: plan de proyecto y presentación ejecutiva.

TRV-1001 · Trabajo Especial de Grado. Investigación aplicada o desarrollo tecnológico con una organización real, bajo tutoría. Producto: trabajo escrito y defensa pública ante jurado.

CDD-1001 · Tópicos Avanzados en Ciencia de Datos. Temas de frontera: modelos generativos, datos sintéticos, aprendizaje federado, aprendizaje automático sobre grafos, según la línea de investigación de la Escuela. Producto: revisión crítica y prototipo.

CDD-1002 · Emprendimiento con Datos y Transferencia Tecnológica. Modelos de negocio basados en datos, propiedad intelectual, licencias abiertas, transferencia a pymes, formulación de proyectos para financiamiento público y privado. Producto: propuesta de emprendimiento o de transferencia presentada a un panel.

7. Componente práctico

Pasantía Técnica (CDD-604, semestre 6, 240 h) y Pasantía Profesional (TRV-901, semestre 9, 480 h). Se realizan en las empresas de la promotora —GalaxIA Empresarial, Nexus Pay, FTG Investment & Consulting C.A., Comercial El Cóndor, Agroinsumos Capital, Maderas La Rola— o en organizaciones en convenio (organismos públicos de estadística y datos abiertos, startups, firmas de consultoría). Cada pasantía tiene plan de trabajo aprobado por la Escuela, tutor empresarial y tutor académico, bitácora semanal, informe final y evaluación compartida (60 % tutor empresarial, 40 % tutor académico). La Pasantía Técnica es requisito de grado de la TSU; la Pasantía Profesional lo es de la Licenciatura.

Servicio Comunitario (TRV-601, 120 h, 0 UC). Conforme a la Ley de Servicio Comunitario del Estudiante de Educación Superior, se cursa a partir del semestre 6, cuando el estudiante ha aprobado más del 50 % de la carga académica de la TSU y de la Licenciatura. Proyectos tipo: levantamiento y análisis de datos para comunidades organizadas, escuelas, centros de salud y alcaldías; alfabetización en datos. Coordinado por la Coordinación de Extensión; informe avalado por la comunidad receptora.

Proyecto Técnico (CDD-603) y Trabajo Especial de Grado (TRV-1001). El Proyecto Técnico cierra la TSU con una solución de datos implantada o lista para implantar en una organización real. El Trabajo Especial de Grado, en el semestre 10, es una investigación aplicada o un desarrollo tecnológico con tutor académico y, cuando aplica, tutor empresarial; se defiende en acto público ante jurado de tres miembros. Ambos se inscriben en la línea de investigación de la Escuela: datos abiertos y modelos de inteligencia artificial para pymes y cadenas de suministro.

8. Componente tecnológico multimodal (Acuerdo 0173 arts. 15, 26-31)

Modelo de producción y estudio (común a todas las carreras). Cada unidad curricular de este plan se produce una sola vez como curso en video generado con inteligencia artificial —32 lecciones de unos 6 minutos con presentador y voz sintéticos, planos y gráficos generados— sobre guion de un autor experto y con validación académica, y queda montada en la plataforma con sus lecturas, ejercicios y banco de evaluación. El estudiante la cursa desde su casa, en Venezuela o en el exterior, dentro del calendario del semestre, con una sesión sincrónica semanal con su tutor. Las unidades marcadas L se evalúan en línea; las M añaden una evaluación final presencial o sincrónica supervisada con verificación de identidad; las P se concentran en períodos intensivos presenciales (laboratorios, campo, prácticas) en la sede central de Caracas o en instalaciones por convenio. Los laboratorios de cómputo y datos son entornos virtuales en la nube. El catálogo se regraba en un 15 % cada año. Respaldo de la data académica en territorio venezolano (Acuerdo 0173 art. 30); recursos con licencia abierta (arts. 26-29).

Plataforma. Plataforma de gestión del aprendizaje institucional con módulos cortos (video, audio, lectura, evaluación inmediata y micro-ejercicio sobre datos reales), foros, entrega de tareas, calificación con rúbricas, videoconferencia integrada, sistema de control académico y expediente digital del estudiante. Accesible desde computador y teléfono con bajo consumo de datos; contenidos descargables para estudio sin conexión.

Laboratorios físicos. Laboratorio de Ciencia de Datos e Inteligencia Artificial en la sede de Caracas: estaciones de trabajo, servidores con aceleradores de cómputo para entrenamiento de modelos, red de alta velocidad, almacenamiento compartido. Es el espacio de las unidades P y de las sesiones presenciales de las unidades M (laboratorios, evaluaciones finales de competencias prácticas).

Laboratorios virtuales. Entornos de cómputo remotos con cuadernos interactivos, bases de datos de práctica, conjuntos de datos anonimizados de las empresas del campo de práctica, capacidad de cómputo en nube pública para cargas puntuales, y repositorio institucional de código y datos con control de versiones.

Recursos educativos abiertos (arts. 26-29). Los contenidos producidos por la Universidad se publican con licencias abiertas; se usan libros de texto abiertos y conjuntos de datos públicos (sección 11). La Escuela mantiene un repositorio de recursos educativos abiertos con metadatos y control de versiones.

Respaldo de datos en territorio venezolano (art. 30). La data académica (expedientes, calificaciones, evidencias de evaluación, contenidos) reside y se respalda en centro de datos ubicado en territorio venezolano, con copias cifradas, pruebas de restauración semestrales y plan de continuidad. El uso de nube pública extranjera se limita a cómputo de práctica con datos anonimizados; ningún dato personal de estudiantes sale del territorio nacional.

Soporte al estudiante. Mesa de ayuda tecnológica en horario extendido, inducción obligatoria al modelo multimodal, tutoría académica por cohorte, orientación vocacional y seguimiento de prosecución con alertas tempranas desde la plataforma.

Proporción de modalidades (en UC y %).

9. Perfil docente requerido (Acuerdo 0173 art. 25)

Roles del personal académico en el modelo digital. Los perfiles de esta tabla se cubren con tres figuras: autores expertos que escriben el guion, los ejercicios y el banco de evaluación de cada unidad (contratados por unidad producida), validadores académicos que aprueban la versión final, y tutores académicos en nómina que acompañan a la cohorte, uno por cada 70 estudiantes activos, con respuesta en 48 horas y sesión sincrónica semanal. El «número estimado de docentes» de la tabla se lee como número de autores y validadores necesarios para producir las unidades del área; los tutores se dimensionan por matrícula en 02-factibilidad/estudio-factibilidad-II.md. Todos acreditan certificación en educación mediada por TIC (Acuerdo 0173 art. 25).

Al alcanzar el régimen completo (10 semestres activos) se estima una planta de 22 a 26 docentes, con al menos 30 % a tiempo completo o dedicación exclusiva y un coordinador de la Escuela con doctorado o maestría y experiencia en investigación aplicada.

10. Evaluación de los aprendizajes y de la carrera

Criterios. Evaluación continua por competencias, con ponderación publicada al inicio de cada unidad curricular; mínimo tres evaluaciones parciales y un producto final; escala de 1 a 20 puntos, aprobación con 10; evidencias conservadas en el expediente digital.

Instrumentos. Cuestionarios con retroalimentación inmediata, ejercicios de programación con corrección automática y revisión docente, proyectos con datos reales evaluados con rúbricas, portafolio de código y análisis, informes técnicos, presentaciones orales, coevaluación en trabajos de equipo.

Evaluación presencial de competencias prácticas. Todas las unidades curriculares M y P incluyen una evaluación final de competencias prácticas en la sede de Caracas (o en núcleo autorizado), con verificación de identidad, en laboratorio y sin acceso a soluciones previas. Las unidades L incluyen al menos una evaluación sincrónica con verificación de identidad. La Pasantía, el Proyecto Técnico y el Trabajo Especial de Grado se defienden presencialmente.

Integridad académica. Política pública de uso de herramientas de generación automática de código y texto: se permite declarándolo, se evalúa la comprensión mediante defensa oral y evaluaciones presenciales; el plagio y la suplantación acarrean las sanciones del reglamento estudiantil.

Evaluación de la carrera y mejora continua (Acuerdo 0173 art. 20). Comité curricular de la Escuela con participación estudiantil y de las empresas del campo de práctica; indicadores semestrales de prosecución, deserción, aprobación por unidad curricular, satisfacción estudiantil y empleabilidad de egresados; encuesta a tutores empresariales; revisión del plan cada dos años con informe a la Coordinación de Sistemas Multimodales y al Consejo Universitario; notificación al CNU de cualquier modificación conforme al Acuerdo 0173.

11. Recursos y bibliografía

Recursos educativos abiertos. Libros de texto abiertos de cálculo, álgebra lineal y estadística de la iniciativa OpenStax; repositorios de cursos abiertos de universidades públicas y privadas con licencia abierta; portales de datos abiertos del Estado venezolano, del Instituto Nacional de Estadística y del Banco Central de Venezuela; repositorios de preprints de acceso abierto; conjuntos de datos anonimizados del campo de práctica publicados en el repositorio institucional.

Matemática y estadística. Stewart, J., Cálculo de una variable y Cálculo de varias variables. Grossman, S. y Flores, J., Álgebra lineal. Strang, G., Introduction to Linear Algebra. Walpole, R., Myers, R., Myers, S. y Ye, K., Probabilidad y estadística para ingeniería y ciencias. Wasserman, L., All of Statistics. Boyd, S. y Vandenberghe, L., Convex Optimization. Hillier, F. y Lieberman, G., Introducción a la investigación de operaciones. Gelman, A. et al., Bayesian Data Analysis. Hernán, M. y Robins, J., Causal Inference: What If.

Programación, algoritmos y bases de datos. Cormen, T., Leiserson, C., Rivest, R. y Stein, C., Introduction to Algorithms. Sedgewick, R. y Wayne, K., Algorithms. Silberschatz, A., Korth, H. y Sudarshan, S., Fundamentos de bases de datos. Kleppmann, M., Designing Data-Intensive Applications. Reis, J. y Housley, M., Fundamentals of Data Engineering. Kimball, R. y Ross, M., The Data Warehouse Toolkit.

Ciencia de datos y aprendizaje automático. James, G., Witten, D., Hastie, T. y Tibshirani, R., An Introduction to Statistical Learning. Hastie, T., Tibshirani, R. y Friedman, J., The Elements of Statistical Learning. Bishop, C., Pattern Recognition and Machine Learning. Murphy, K., Probabilistic Machine Learning: An Introduction. Goodfellow, I., Bengio, Y. y Courville, A., Deep Learning. Hyndman, R. y Athanasopoulos, G., Forecasting: Principles and Practice. Jurafsky, D. y Martin, J., Speech and Language Processing. Huyen, C., Designing Machine Learning Systems.

Visualización y comunicación. Tufte, E., The Visual Display of Quantitative Information. Cairo, A., The Truthful Art. Munzner, T., Visualization Analysis and Design.

Gobierno del dato, ética y protección de datos. DAMA International, DAMA-DMBOK: Data Management Body of Knowledge. O'Neil, C., Armas de destrucción matemática. Barocas, S., Hardt, M. y Narayanan, A., Fairness and Machine Learning. UNESCO, Recomendación sobre la Ética de la Inteligencia Artificial (2021). Red Iberoamericana de Protección de Datos, Estándares de Protección de Datos Personales para los Estados Iberoamericanos (2017). República de Panamá, Ley 81 de 26 de marzo de 2019 sobre protección de datos personales y Decreto Ejecutivo 285 de 2021. Constitución de la República Bolivariana de Venezuela, arts. 28 y 60; Ley Especial contra los Delitos Informáticos; Ley sobre Mensajes de Datos y Firmas Electrónicas; Ley de Infogobierno.

Pymes y cadenas de suministro. Chopra, S. y Meindl, P., Administración de la cadena de suministro. Osterwalder, A. y Pigneur, Y., Generación de modelos de negocio. Gitman, L. y Zutter, C., Principios de administración financiera.

Inglés técnico. Glendinning, E. y McEwan, J., Oxford English for Information Technology. Esteras, S. R., Infotech: English for Computer Users.

12. Salida intermedia TSU

Título. Técnico Superior Universitario en Ciencia de Datos.

Unidades curriculares que acumula. Todas las de los semestres 1 a 6 (126 UC), incluidas las transversales TRV-101, TRV-201, TRV-102, TRV-202, TRV-302, TRV-402, TRV-103 y TRV-301.

Requisitos de grado del TSU. Aprobar las 126 UC de los semestres 1 a 6; aprobar la Pasantía Técnica (CDD-604, 240 h) y el Proyecto Técnico (CDD-603) con defensa ante jurado; cumplir el Servicio Comunitario (TRV-601, 120 h); estar solvente con la Secretaría.

Continuidad. El egresado TSU ingresa directamente al semestre 7 de la Licenciatura sin pérdida de unidades de crédito y cursa las 64 UC restantes (semestres 7 a 10), incluidas la Pasantía Profesional y el Trabajo Especial de Grado. El egresado de la TSU en Ciencia de Datos del Instituto Universitario de Tecnología (B), cuyo plan es idéntico a los semestres 1 a 6, se incorpora en las mismas condiciones.

Perfil del TSU. Analista o ingeniero de datos junior capaz de construir flujos de datos, consultar y modelar bases de datos, aplicar estadística y aprendizaje automático supervisado y no supervisado, visualizar resultados y operar productos de datos básicos para pymes.