Esta opción está destinada a graduados universitarios que desean introducirse a la ciencia de datos. Los postulantes deben ser graduados de carreras universitarias de al menos cuatro años de duración o acreditar formación equivalente.
El objetivo del programa es brindar las herramientas y conocimientos computacionales y de la ciencia de datos que son necesarios para trabajar con distintas fuentes de datos y extraer valor de ellas. El programa abarca el proceso completo de ciencia de datos, desde los datos hasta las técnicas de modelado de los mismos, es un programa aplicado que busca formar profesionales capaces de abordar todas las etapas de un proyecto de ciencia de datos.
Edición 2026
Inscripciones a las distintas opciones: del 31 de octubre de 2025 al 12 de febrero de 2026.
Contacto: posgrados.decon@cienciassociales.edu.uy
Coordinación: Iael Klaczko iael.klaczko@cienciassociales.edu.uy
El programa se extiende durante un año académico. Los cursos están organizados en tres módulos de modo de facilitar el proceso de aprendizaje y facilitar la participación de profesionales que tienen actividad laboral.
Para obtener el Diploma en Economía opción Ciencia de Datos, el estudiante deberá aprobar un mínimo de 60 créditos, 24 créditos corresponden a materias obligatorias y los restantes créditos adicionales podrán ser elegidos dentro de la oferta de materias opcionales que el Departamento ofrezca cada año o de otros posgrados aprobados por la Coordinación. Las clases se dictan de lunes a viernes de 8 a 10 horas.
Módulo I- Introducción a la ciencia de datos
Introducción al trabajo con datos (6 créditos)
Proceso de desarrollo de programación (3 créditos)
Datos no estructurados y semiestructurados (4 créditos)
Introducción al análisis de datos con Python (3 créditos)
Estadística (4 créditos)
Módulo II- Procesamiento de datos
Análisis exploratorio (4 créditos)
Limpieza y transformación de datos (4 créditos)
Visualización (4 créditos)
Visualización interactiva (2 créditos)
Módulo III- Técnicas de análisis de datos
Aprendizaje automático I (4 créditos)
Aprendizaje automático II(4 créditos)
Deep Learning (4 créditos)
Análisis de Redes (3 créditos)
Proyecto final
Proyectos y conceptos tecnológicos (3 créditos)
Proyecto final (8 créditos)
Amábile, Florencia
Doctora en Economia FCS, UdelaR. Magister en Economía Universidad de Chile, Chile. Licenciada en Economía, FCEA, UdelaR. Profesora Adjunta dECON-FCS, Udelar.
Baron, Andrea
Magister en Economía FCEA, UdelaR. Licenciada en Economía, FCEA, UdelaR. Desde 2016, ha desarrollado su carrera en el Banco Central del Uruguay, desempeñando diversos roles. En la actualidad, trabaja como analista senior en el Departamento de Estabilidad Financiera. Es integrante del equipo ganador de la Hackaton del INE de 2021 en la categoría de Inteligencia Artificial. Dentro de sus intereses se incluye el estudio de herramientas como machine learning, deep learning y procesamiento de lenguaje natural que permitan un mayor aprovechamiento de los datos disponibles, así como el uso de nuevas fuentes de datos.
Barceló, Leonardo
Ingeniero en Computación con 20 años de experiencia docente y profesional en empresas privadas ocupando roles de consultoría y gestión. Se destaca la experiencia en definición de modelos de negocio para una óptima explotación de los datos y la elaboración de visualizaciones intuitivas y alineadas a los objetivos planteados por los clientes.
Cardozo, Gladys
Es Ingeniera en Computación de UdelaR con una especialización en Ciencia de Datos del MIT. Tiene más de 4 años de experiencia en el área de Business Intelligence y Analítica de Datos tanto en el ámbito público como en el privado.
Fondo, Mathias
Estudiante de Doctorado en Economía, Universidad de Bolonia. Magíster y Licenciado en Economía, FCEA, UdelaR. Ha sido investigador en el Instituto de Economía de FCEA, UdelaR. Sus intereses incluyen Economía Laboral, Economía Pública y Microeconomía Aplicada. Actualmente, dicta los cursos Introduction to Machine Learning for Economists y Econometrics en la Universidad de Bolonia, y Data Mining and Machine Learning en Johns Hopkins.
Klaczko, Iael
Magíster en Economía, FCS, UdelaR. Licenciada en Economía, FCEA, UdelaR. Profesora Asistente, dECON-FCS, UdelaR. Integrante del equipo ganador de la Hackathon 2020 de Agesic, y de la Hackaton 2021 del INE en la categoría visualización.
Landaberry, Victoria
Master Profesional en Ciencia de Datos, UTEC. Magíster en Economía Internacional, FCS, UdelaR. Licenciada en Economía, FCEA, UdelaR. Cuenta con más de 15 años de experiencia profesional en el sistema financiero y actualmente se desempeña como Jefa del Departamento de Estabilidad Financiera en el BCU. Cuenta con experiencia docente y en investigación en temas aplicados de ciencia de datos. Es integrante del equipo ganador de la Hackaton del INE de 2021 en la categoría de Inteligencia Artificial.
Lezama, Guillermo
Candidato a doctor en Economía por la Universidad de Pittsburgh. Sus principales intereses de investigación son el campo de la Economía Política, particularmente la exploración de diferentes métodos para abordar cuestiones en este ámbito y la aplicación de métodos de aprendizaje de texto y microeconomía aplicada para estudiar la economía política.
Miles, Daniel
Doctor en Economía, Universidad Carlos III de Madrid, España. Licenciatura en Economía, FCEA, UdelaR. Profesor Asociado, Universidad de Vigo, España.
Perez, Johann
Es ingeniero en computación de la Universidad de la República, Maestría Profesional en Ciencia de Datos de la UTEC. Se desempeña en proyectos de software desde 2008. Es fundador y CTO de la empresa Nareia Software que desarrolla soluciones para empresas en múltiples rubros: Wellness, Fintech, AgTech, Social Media, etc.
Piriz, Francisco
Ingeniero eléctrico, con una Maestría en investigación y procesamiento de señales e imágenes. Cuenta con experiencia profesional en sistemas de recomendación, procesamiento de señales e imágenes y deep learning.
Serrano, Nicolas
Magister en Secure Computing, Unviersidad de Indiana. Ingeniero en Computación, UdelaR. Además, cuenta con certificaciones como CISSP, CISM, CISA y CDPSE. En la actualidad, se desempeña como Jefe de la Oficina de Innovación Financiera en el Banco Central del Uruguay, institución donde ha trabajado por más de 10 años en proyectos en la intersección de ciberseguridad, tecnología e innovación. Se ha desempeñado como docente en el extranjero y su trabajo académico ha sido reconocido dentro de Latinoamérica.
Régimen académico
El cursado del Diploma requiere del pago por concepto de recuperación de costos (Res. 625 Consejo de FCS del 30 de junio de 2005 y Res. 15 del Consejo Directivo Central del 15 de noviembre de 2005), el que deberá abonarse en su totalidad al inicio de los cursos o en hasta diez cuotas mensuales iguales y consecutivas, la primera en el momento de producirse la aceptación de la inscripción.
El no pago del monto por concepto de recuperación de costos inhabilitará a los estudiantes a rendir exámenes, así como el otorgamiento del diploma correspondiente.
En el caso que el estudiante haya abandonado o no aprobado los cursos podrá inscribirse en la siguiente promoción, sin costo, teniendo oportunidad de rendir examen en los tres períodos previstos. Quien no completara los créditos del programa en las dos promociones indicadas, deberá solicitar reinscripción al Diploma, si el programa se reedita, pagando derechos universitarios por la cuota parte de los créditos que le quede por cursar.
Requisitos que deben cumplir los estudiantes
Asistencia obligatoria al 66% de las clases dictadas en cada materia (2/3). El estudiante que no haya alcanzado dicho mínimo, por causa fundada y debidamente justificada, podrá ser autorizado a rendir la prueba final.
Aprobar las pruebas finales correspondientes a cada curso. La escala de evaluación se ajustará a la escala conceptual de 6 niveles: Excelente, Muy Bueno, Bueno, Aceptable, Insuficiente y Muy Insuficiente.
| Categoría | Porcentaje de logro |
| Excelente | Mayor o igual a 87,5% |
| Muy bueno | Mayor o igual a 75 y menor que 87,5 |
| Bueno | Mayor o igual a 62,5 y menor que 75 |
| Aceptable | Mayor o igual a 50 y menor que 62,5 |
| Insuficiente | Mayor o igual a 25 y menor que 50 |
| Muy Insuficiente | Menor que 25% |
La categoría mínima de aprobación es Aceptable, tanto Insuficiente como Muy Insuficiente son categorías de reprobación.
Pruebas de evaluación
Las pruebas de evaluación deberán ser tomadas por el docente del curso, o un docente a quien éste designare con autorización de la coordinación del posgrado.
Los resultados de las pruebas deberán estar a disposición de los estudiantes dentro de los treinta días corridos desde la realización de estas. La prueba final de cada curso se podrá rendir hasta dos veces, existiendo dos períodos de exámenes de acuerdo con el calendario de enseñanza de posgrados definido por FCS.
Asignaturas optativas
Los estudiantes podrán tomar créditos optativos en otros posgrados nacionales o del exterior, previa aprobación que deberá solicitarse al Coordinador del posgrado. En el caso de optativas de otros posgrados de la Facultad de Ciencias Sociales se requiere la autorización de la Coordinación Académica del posgrado receptor.
Reválidas y reconocimiento de cursos
Los estudiantes inscritos en el posgrado podrán solicitar reválida de aquellas asignaturas y/o cursos que por su contenido y extensión guarden razonable equivalencia con asignaturas del Plan de Estudios del posgrado. Asimismo, podrán solicitar reconocimiento de asignaturas y/o cursos, que sin guardar razonable equivalencia con las asignaturas del posgrado, a juicio de la Coordinación sean aceptados como créditos para el posgrado, debiéndose especificar la cantidad de créditos que se asignan. El Consejo de Facultad deberá aprobar tanto la reválida como el reconocimiento que tendrá efecto exclusivamente para completar estudios en ese programa.