Facultad de Ciencias Computacionales y Diseño Digital · Aldea Universidad

Ingeniería en Ciencia de Datos y Business Intelligence

El estratega que traduce datos en decisiones. Quien extrae señal del ruido, modela lo que va a pasar antes de que pase y convierte un tablero en una decisión que mueve dinero.

Modalidad · No escolarizada Duración · 3 años y medio Estructura · 10 cuatrimestres Créditos · 324 RVOE · en proceso

Donde un plan tradicional lista cincuenta materias, este plan ordena cincuenta retos.

Las asignaturas se cursan simultáneamente durante el cuatrimestre. Cada una no abre con una definición —"hoy vamos a ver bases de datos"— sino con un problema que la herramienta resuelve. La asignatura es la misma que la SEP necesita ver en el documento oficial; el reto es lo que el alumno vive y lo que queda en su portafolio. Dos nombres para la misma unidad de trabajo.

Los cuatro contenedores del modelo —Core, Lab, Forge y Nexus— no se cursan en serie. Corren en paralelo: el mismo mes en que el alumno profundiza una herramienta en el Lab, sostiene un reto con destinatario externo en the Forge y publica el resultado en su Nexus.

Mapa curricular · 50 módulos-reto

Tres años y medio, diez cuatrimestres, asignaturas en paralelo

Cada tarjeta muestra el nombre oficial de la asignatura (arriba, para el documento RVOE) y el reto Aldea que la activa (abajo, lo que vive el alumno). El color del borde indica el contenedor. Donde un módulo acuña una de las cinco microcredenciales centrales de la carrera, se marca explícitamente.

Año 1 · Cuatrimestres 1–3 Fundar ¿Sé pensar con datos antes de modelarlos?
Cuatrimestre 1 · CB-101 · FC-101 · CB-102 · ES-101 · DT-101 · LN-101Subtotal 29 créditos
CB-101 · Matemáticas Básicas
Las matemáticas detrás de una predicción: por qué sumar bien es la base de todo modelo
Core5 cr
FC-101 · Fundamentos de Programación y Pensamiento Computacional
Tu primer algoritmo que toma una decisión
Core5 cr
CB-102 · Pensamiento Lógico y Matemáticas Discretas
Diseñar la lógica de un sistema de recomendaciones desde cero
Core5 cr
ES-101 · Introducción al Razonamiento Estadístico
¿Ese patrón es real o es ruido? Aprender a hacer esa pregunta antes de responderla
Lab5 cr
DT-101 · Introducción a los Datos y las Organizaciones
Cómo los datos mueven decisiones en una empresa sin que nadie lo note
Lab5 cr
LN-101 · Inglés I / Idioma Alternativo I
Leer documentación técnica en inglés sin perder detalle
Core4 cr
Cuatrimestre 2 · FC-102 · CB-104 · CB-105 · FC-103 · CB-103 · LN-102Subtotal 32 créditos
FC-102 · Programación I
Automatizar la revisión de un dataset antes de que alguien lo toque a mano
Lab6 cr
CB-104 · Álgebra Lineal
La matemática escondida detrás de una recomendación de Netflix
Core6 cr
CB-105 · Probabilidad y Estadística
¿Cuántos datos necesito antes de poder confiar en mi conclusión?
Core6 cr
FC-103 · Orquestación de Inteligencia Artificial y Alfabetización de Datos
Hacer que un modelo de lenguaje trabaje para ti como analista de datos
Core5 cr
CB-103 · Cálculo Diferencial e Integral
Por qué un modelo "aprende": la matemática del descenso por gradiente
Core5 cr
LN-102 · Inglés II / Idioma Alternativo II
Redactar un informe técnico en inglés para un cliente no técnico
Core4 cr
Cuatrimestre 3 · PG-101 · BD-101 · AE-101 · FM-101 · ES-102 · LN-103Subtotal 32 créditos
PG-101 · Programación II y Estructuras de Datos
Cuando los datos ya no caben en una hoja de cálculo
Lab6 cr
BD-101 · Bases de Datos y Lenguaje de Consulta Estructurado
Encontrar una respuesta en diez millones de registros
Lab6 cr
AE-101 · Análisis Exploratorio de Datos
La primera mirada honesta a un dataset sucio
Lab6 cr
FM-101 · Comunicación y Razonamiento Ético
Defender una conclusión que a nadie le gusta escuchar
Core5 cr
ES-102 · Inferencia Estadística
Cuándo un hallazgo es estadísticamente significativo y cuándo es ruido con suerte
Lab5 cr
LN-103 · Inglés III / Idioma Alternativo III
Presentar un análisis de datos en inglés ante una audiencia ejecutiva
Core4 cr
Año 2 · Cuatrimestres 4–6 Profundizar ¿Puedo construir un modelo que alguien usaría?
Cuatrimestre 4 · PL-101 · VD-101 · BD-102 · PI-102 · OP-101 · LN-104Subtotal 35 créditos
PL-101 · Preparación y Limpieza de Datos
El 80% del trabajo que nadie ve pero todos dependen
Lab6 cr
VD-101 · Visualización de Datos
Un gráfico que cambia una decisión de negocio
Lab6 cr
BD-102 · Bases de Datos No Relacionales y Almacenes de Datos
Dónde viven de verdad los datos de una empresa grande
Lab6 cr
PI-102 · Proyecto Integrador I
Un problema de datos de una organización real con destinatario externo
Forge8 cr
OP-101 · Optimización Matemática para Aprendizaje Automático
Por qué un modelo mejora con cada iteración: la matemática del aprendizaje
Core5 cr
LN-104 · Inglés IV / Idioma Alternativo IV
Negociar los términos de un análisis de datos en inglés con un cliente
Core4 cr
Cuatrimestre 5 · AU-101 · IF-101 · BG-101 · ES-103 · LN-105Subtotal 29 créditos
AU-101 · Aprendizaje Automático Supervisado
Predecir quién va a cancelar antes de que cancele
Acuña microcredencial · Modelado predictivo aplicado a negocio
Lab7 cr
IF-101 · Ingeniería de Características
Convertir datos crudos en señales que realmente predicen
Lab6 cr
BG-101 · Macrodatos y Cómputo en la Nube
Cuando una laptop ya no alcanza para procesar lo que tienes
Lab7 cr
ES-103 · Diseño de Experimentos y Pruebas A/B
¿Este cambio realmente funcionó o fue coincidencia?
Lab5 cr
LN-105 · Inglés V / Idioma Alternativo V
Liderar una presentación de resultados en inglés ante directivos extranjeros
Core4 cr
Cuatrimestre 6 · AU-102 · DO-101 · MP-101 · VN-101 · OE-101Subtotal 35 créditos
AU-102 · Aprendizaje Automático No Supervisado
Agrupar clientes que nadie había visto juntos antes
Lab7 cr
DO-101 · Ingeniería de Datos y Orquestación
Datos que se actualizan solos cada noche sin que nadie los toque
Acuña microcredencial · Pipelines de datos en producción
Lab7 cr
MP-101 · Modelos Predictivos Avanzados y Series de Tiempo
Anticipar la demanda de diciembre desde julio
Lab7 cr
VN-101 · Visualización Ejecutiva y Narrativa de Datos
El tablero que el director sí abre y sí entiende
Acuña microcredencial · Visualización ejecutiva
Lab7 cr
OE-101 · Optativa de Especialización I
Elegir una herramienta de frontera y dominarla
Lab7 cr
Año 3 · Cuatrimestres 7–9 Converger ¿Mi trabajo resuelve algo que alguien fuera de Aldea esperaba?
Cuatrimestre 7 · OM-101 · AP-101 · AE-102 · PI-202Subtotal 34 créditos
OM-101 · Operación de Modelos en Producción
Un modelo que sigue sirviendo seis meses después de que lo desplegaste
Acuña microcredencial · MLOps básico
Lab8 cr
AP-101 · Aprendizaje Profundo Aplicado
Cuándo vale una red neuronal y cuándo es exceso para el problema
Lab8 cr
AE-102 · Auditoría Ética de Modelos y Sesgos Algorítmicos
El modelo que discriminaba sin que nadie lo notara
Acuña microcredencial · Sesgos algorítmicos y auditoría ética
Lab8 cr
PI-202 · Proyecto Integrador II — Ciencia de Datos e Inteligencia de Negocios
Un modelo en producción para un destinatario externo real
Forge10 cr
Cuatrimestre 8 · OE-201 · DE-101 · GD-101 · FS-101Subtotal 31 créditos
OE-201 · Optativa de Especialización II
Segunda herramienta de frontera, según tu trayectoria
Lab7 cr
DE-101 · Decisiones Estratégicas Basadas en Datos
Traducir un modelo en una decisión que mueve millones
Nexus7 cr
GD-101 · Gobernanza y Protección de Datos en México
Lo que la ley te obliga a hacer con los datos de la gente
Nexus7 cr
FS-101 · Proyecto Aplicado Semestral I — Organización Aliada
Squad multidisciplinario resolviendo un reto de datos real
Forge10 cr
Cuatrimestre 9 · OE-301 · PD-101 · MN-101 · FS-102Subtotal 32 créditos
OE-301 · Optativa de Especialización III
Profundización dirigida a tu Forge semestral
Lab7 cr
PD-101 · Producto de Datos de Extremo a Extremo
De la pregunta del cliente al modelo desplegado y monitoreado
Lab8 cr
MN-101 · Monetización y Emprendimiento de Datos
Convertir un modelo en un producto que se vende
Nexus7 cr
FS-102 · Proyecto Aplicado Semestral I — Entrega y Validación
El sello del destinatario externo: entrega real con consecuencias reales
Forge10 cr
Cuatrimestre 10 Egresar ¿Puedo sostener en el tiempo lo que aprendí a construir?
Cuatrimestre 10 · OE-401 · PI-902 · PF-102 · FS-201Subtotal 35 créditos
OE-401 · Optativa de Especialización IV
Última pieza de tu perfil compuesto
Lab7 cr
PI-902 · Proyecto Integrador de Titulación — Ciencia de Datos e Inteligencia de Negocios
El proyecto que defiendes para egresar
Forge10 cr
PF-102 · Portafolio Profesional y Certificaciones — Ciencia de Datos e Inteligencia de Negocios
Lo que un reclutador y un cliente entienden de ti sin que digas una palabra
Nexus8 cr
FS-201 · Proyecto Aplicado Semestral II — Proyecto de Egreso
Un producto de datos que sigue vivo después de que te vas
Forge10 cr
Cómo se vive un módulo por dentro

Una jornada MEV: "Predecir quién va a cancelar antes de que cancele"

Toda jornada tiene tres actos en orden fijo. Si el reto del primer acto se pudiera resolver sin la herramienta del segundo, el reto está mal diseñado.

Acto 1 · Reto

La tensión

10–15% del tiempo

"Una empresa de telefonía pierde clientes cada mes y no se entera hasta que ya se fueron. Tienes su base de datos de dos años: llamadas a soporte, planes, pagos, antigüedad. Mañana cancelan diez personas. ¿Puedes decir hoy quiénes son?" Todavía no sabes resolverlo. Esa es la idea.

Acto 2 · Herramienta

El método

50–60% del tiempo

Aparece la clasificación supervisada: regresión logística, árboles de decisión, y las métricas que importan cuando el costo de un falso negativo no es igual al de un falso positivo. El tutor socrático de IA genera variantes del ejercicio según el dataset de cada alumno.

Acto 3 · Evidencia

El producto

25–35% del tiempo

El alumno entrega un modelo de churn entrenado sobre datos reales, con su matriz de confusión interpretada en lenguaje de negocio y una recomendación accionable. Esa evidencia —no la asistencia— es lo que acuña la microcredencial y entra al portafolio.

Notas de diseño

Lo que sostiene este plan ante la SEP y ante un empleador

Cumplimiento RVOE. El plan suma 324 créditos distribuidos en 10 cuatrimestres, superando el mínimo que el Acuerdo 279 exige para licenciatura. En modalidad no escolarizada las horas bajo conducción docente son menores a la escolarizada; el peso recae en el trabajo independiente estructurado de The Lab y The Core.

Doble nomenclatura. La columna oficial de cada módulo es la que aparece en el mapa curricular que recibe la autoridad. El nombre Aldea es interno y vive en la plataforma. La SEP recibe asignaturas con créditos; el alumno recibe retos con evidencia.

Las cinco microcredenciales centrales. Modelado predictivo aplicado a negocio, Pipelines de datos en producción, Visualización ejecutiva, MLOps básico y Auditoría ética de modelos quedan acuñadas dentro del trayecto, cada una al cerrar el módulo que la produce.

La regla que evita el "efecto Netflix". El avance en The Lab se bloquea si el alumno no tiene un reto activo en The Forge. Acumular sin aplicar no cuenta. El conocimiento que no resiste un reto real no estaba consolidado.

Documento de trabajo · borrador para validación. La secuencia de módulos, la asignación de créditos por cuatrimestre y los nombres de las optativas son una primera propuesta y están abiertos a revisión. Aldea Universidad de Innovación · Puebla, México · 2026.

¿Te interesa esta carrera?

Registra tu interés y te avisamos cuando haya avances concretos en el proceso de RVOE y apertura de grupos.