Experto en "data mining" y " machine learning": Del "big data" al "smart data" (Online)

Presentación

En los últimos años, la revolución digital ha dado lugar a una inmensa cantidad de datos que se generan en el mundo de manera continuada. Cada día un mayor número de profesiones, desde las más simples hasta las más complejas, dependen de la obtención de información a través de los datos, de su procesamiento y de su análisis. Este crecimiento en el uso de la información ha provocado una creciente demanda de expertos analíticos de datos, imprescindibles en la era de la transformación digital.

Ahora bien, el gran volumen de datos generados en la actualidad no refleja por sí mismo toda la información que contienen. El análisis de Big Dataes el proceso de examinar grandes volúmenes de datos para descubrir patrones ocultos, correlaciones desconocidas u otra información útil, de modo que los resultados del análisis puedan ayudar a mejorar la sociedad.

En la actualidad, con los recientes avances en tecnología, la generalización de Internet y de las Nuevas Tecnologías de la Información y la Comunicación (NTICs), el movimiento de ciencia abierta y el acceso libre a los datos, están provocando un cambio paradigmático en la sociedad.

El Big Datase basa en cuatro pilares fundamentales: volumen de datos, velocidad en la que se obtienen y transfieren, variedad y veracidad de las fuentes. Los datos masivos una vez obtenidos carecerían absolutamente de sentido si no existiera un elemento capaz de extraer información valiosa para generar conocimiento, es decir, el Smart Data.

El Smart Dataproporciona un valor añadido al Big Data, ya que permite no sólo analizar los datos, sino convertirlos en conocimiento. Así pues, un término no debe entenderse sin el otro, pues ambos deben usarse en combinación para obtener unos resultados eficientes.

Esta propuesta proporciona una formación que integra ambos conceptos. Las técnicas estadísticas de minería de datos asumirán un rol principal para el análisis y comprensión de la información.

Competencias

Objetivos del título:

El Título Propio (Experto en “Data Miningy Machine Learning: del Big Dataal Smart Data) tiene un perfil Investigador, diseñado para proporcionar una formación orientada al Análisis de Datos Masivos y su aplicación a las diferentes áreas del conocimiento.

Competencias Básicas (+ Generales + Transversales):

CB1. Que los estudiantes hayan demostrado poseer y comprender conocimientos en el ámbito de la minería de datos, y apoyándose en libros de texto avanzados relacionados con la materia específica del título.

CB2. Que los estudiantes sepan aplicar sus conocimientos adquiridos a su trabajo o vocación de una forma profesional y posean las competencias para resolución de problemas en los que haya que extraer conocimiento a partir de grandes volúmenes de datos.

CB3. Que los estudiantes tengan la capacidad de reunir, almacenar, manejar, analizar e interpretar bases de datos masivos.

CB4. Que los estudiantes puedan transmitir información, ideas, problemas y soluciones de “Smart Data” a un público tanto especializado como no especializado en análisis de datos.

CB5. Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía en minería de datos y técnicas de aprendizaje automático.

 

Competencias específicas:

CE1: Que los estudiantes conozcan los principales conceptos relacionados con  la ciencia de datos, así como de las principales aplicaciones de ésta al mundo actual.

 

CE2: Que los estudiantes sean capaces de diseñar y plantear una investigación, integrando los conocimientos adquiridos en las distintas materias.

 

CE3: Que los estudiantes conozcan y manejen adecuadamente las herramientas necesarias para captura, almacenamiento y tratamiento visual de datos masivos.

 

CE4: Que los estudiantes conozcan y sepan aplicar las diferentes técnicas de minería de datos, así como los programas disponibles para su uso.

 

CE5: Que los estudiantes conozcan y sepan aplicar las diferentes técnicas de aprendizaje automático y sus principales diferencias con el uso clásico de la estadística.

Perfil de Ingreso

Perfil de ingreso recomendado o idóneo:

Dada la gran variedad de temáticas que contemplan los contenidos asociados al presente Título Propio no existe un perfil concreto y cerrado de acceso, sino que tienen cabida estudiantes, investigadores y graduados en diversas ramas del conocimiento.

Aunque no es obligatorio, sería recomendable que el estudiante que trate de acceder a esta titulación posea un conocimiento básico de inglés, como el que puede conseguirse mediante los estudios de Bachiller y/o de Grado.

Acceso, Preinscripción, Admisión y Matrícula

Requisitos de acceso:

Los estudiantes deben reunir alguno de los siguientes requisitos:

  • Requisitos de acceso a estudios universitarios oficiales de Grado en las universidades españolas.
  • Estar en posesión de un título universitario oficial español u otro expedido por una institución de Educación Superior del Espacio Europeo.
  • Titulados universitarios conforme a sistemas educativos ajenos al Espacio Europeo de Educación Superior sin necesidad de homologación de sus títulos, previa comprobación por la Universidad de Salamanca de que aquellos acreditan un nivel de formación equivalente a los correspondientes títulos universitarios oficiales españoles.
  • Titulados y profesionales interesados en el tema que estén en situación legal de poder acceder a estudios universitarios oficiales de Grado.

Procedimientos de información previa a la matrícula y de acogida:

La Universidad de Salamanca incluye entre sus tareas la difusión de la oferta de Títulos Propios,

  • El portal web del Centro de Formación Permanente de la Universidad de Salamanca:                  http://usal.es/titulos-propios.   Información   respectiva   a   los diferentes títulos ofertados por la Universidad de Salamanca, así como aquella información de carácter administrativo (preinscripción, normativa, matrícula...) y de carácter académico (guías académicas, horarios...)
  • El Servicio de Promoción, Información y Orientación (SPIO): http://spio.usal.es. Se trata de la unidad responsable de los procesos de captación, seguimiento y fidelización de los estudiantes de la Universidad de Salamanca, cuyo fin es difundir la oferta de estudios y servicios universitarios y apoyar a los estudiantes en el ámbito académico, administrativo, curricular o personal.
  • El Servicio de Inserción Profesional, Prácticas y Empleo (SIPPE): https://empleo.usal.es/orienta/. Es el órgano encargado de mejorar la empleabilidad de los estudiantes y recién titulados de la Universidad de Salamanca, facilitando su inserción laboral a través de distintos programas como la  orientación  profesional,  la  gestión  de  prácticas  externas  y  la  oferta  de empleo.
  • Otras iniciativas propias de la Universidad de Salamanca como el programa “PROGRAMA TU FUTURO”, jornadas de puertas abiertas, reuniones informativas, folletos, guía de acogida para futuros estudiantes, etc.

La dirección del título propio habilitará un portal web del curso donde estará disponible información detallada para aquellas personas que estén interesadas. La página web incluirá enlaces a portales de la Universidad con el fin de que los estudiantes puedan consultar, no sólo el contenido del título, sino también información relativa a los perfiles de preinscripción o trámites a seguir para la matriculación, y disponibilidad de otro tipo de recursos adicionales. Se acondicionarán distintos perfiles en redes sociales donde los usuarios podrán consultar esa misma información y se pondrá a disposición del usuario un canal de mensajería online para resolver las dudas que puedan surgir. Se proporcionará un servicio de contacto directo vía teléfono y vía email.

Los integrantes de la Comisión Académica del título propio tratarán de ayudar a solventar todas aquellas posibles dudas que el potencial alumnado plantee, tanto de manera presencial como online, llegando a facilitarles  el contacto pertinente del servicio de la Universidad de Salamanca al que deben dirigirse.

Además de los medios electrónicos, el personal del Título Propio continuará con la campaña de divulgación a través de la asistencia a congresos relacionados con el tema o con información en otros centros pertinentes.

Los mecanismos de información previa y divulgación propuestos desde el título convivirán con aquellos que la Universidad pueda arbitrar a nivel institucional.

Los plazos son los siguientes:
Preinscripción del  3 de mayo al 21 de septiembre de 2018. Documentación a presentar:
- Impreso de preinscripción cumplimentado

Si presenta la preinscripción presencialmente y necesita copia registrada, deberá aportarnos original y copia.

- Copia DNI o Pasaporte
- Fotocopia de la titulación académica compulsada o autenticada

  • Los estudiantes de la Universidad de Salamanca no será necesario que aporten justificante su titulación
  • Los estudiantes extranjeros presentarán un certificado de su Universidad en la que se indique que con la titulación aportada están en condiciones de acceder a un posgrado

- y justificante de pago del importe de la preinscripción

 

Matrícula del 1 al 31 de octubre de 2018. Documentación a presentar:
- Impreso de matrícula cumplimentado
- Justificante pago del primer plazo de matrícula

 

Forma de pago: Se podrá fraccionar el pago  en dos plazos.

El primero al realizar la matrícula y el segundo en la primera quincena del mes de febrero. Estos plazos serán improrrogables.

LUGAR DE ENTREGA:

Negociado de Títulos Propios

Hospedería Fonseca

C/ Fonseca nº 2, 1º

37002 Salamanca

Tf: 923294500. ext. 1173 - 1176. E-mail: titulosp@usal.es

 

Criterios de admisión

La Comisión Académica del Título seleccionará a los estudiantes entre los candidatos que reúnan los requisitos de acceso y, en su caso, se tendrá en consideración el Curriculum Vitae presentado por el estudiante.

 

 

Entre la documentación presentada por el estudiante debe estar:

 

  • Impreso de preinscripción cumplimentado.

 

  • Copia DNI o Pasaporte.

 

  • Fotocopia de la titulación académica compulsada o autenticada.

 

  • Justificante de pago del importe de la preinscripción, indicando en el concepto nombre y apellidos del estudiante y nombre del Título Propio.

 

  • Breve Curriculum Vitae.

 

Criterios de valoración y ponderación:

  • Poseer el perfil de ingreso recomendado.
  • En el caso de estudiantes extranjeros que dispongan de otros sistemas de calificación, la Comisión Académica del Título realizará una ponderación equivalente.
  • Se admitirán estudiantes de cualquier nacionalidad o país de residencia

Cuando el número de solicitudes supere el número máximo de plazas disponibles, se tendrá en cuenta los dos criterios siguientes:

  • Haber cursado con anterioridad el Máster Universitario Análisis Avanzado de datos Multivariantes o Máster Universitario Análisis Avanzado de Datos Multivariantes y Big Data. Ponderación: 60%.
  • Expediente académico. Ponderación: 40%. Se considerará la media de las calificaciones obtenidas: sobresaliente con matrícula de honor (4), sobresaliente (3), Notable (2) y aprobado (1).

 

El número de estudiantes podrá aumentar en función de la demanda que haya y del superávit de años anteriores. La Comisión Académica del TP podrá considerar solicitar que se incremente el número máximo de alumnos que pueden cursar este título; Decisión que corresponde al Consejo de Gobierno de la Universidad de Salamanca.

Apoyo y Orientación

La Universidad de Salamanca cuenta con un Servicio de Promoción, Información y Orientación (SPIO http://sou.usal.es) responsable, entre otras, de cuestiones como:

•Información  académica  (planes  de  estudio,  becas,  estudios  en  España  y extranjero)

•Información sobre formación continua; posgrados (doctorados, títulos propios y másteres), cursos extraordinarios,                 cursos          de          verano,          etc.;

•Información     sobre     alojamiento     (pisos/apartamentos,     habitaciones compartidas,  colegios  y  residencias,  y  alojamiento  a  pensión  completa...

•Información a estudiantes extranjeros.

 

La Universidad dispone de un Servicio de Asuntos Sociales (SAS), con unidades como la unidad de discapacidad, la unidad de apoyo social, o la de atención al estudiante extranjero.

El estudiante, una vez matriculado, dispondrá de un sistema de apoyo e información personalizado a través de la web del curso, de los diferentes perfiles en redes sociales y de un servicio de tutoría vía teléfono o email.

En cuanto a los mecanismos de tutorización y seguimiento, los estudiantes contarán con un tutor personal, encargado de realizar un seguimiento continuo y cercano, a lo largo de todo el curso.

 

PROPUESTA DE DIRECCIÓN Y COMISION ACADEMICA

Propuesta de Director del Título Propio (a nombrar por el Vicerrectora de Postgrado):

Nombre y apellidos Mª Purificación Galindo Villardón

Area de Conocimiento y Departamento Estadística

Datos de contacto (teléfono, e-mail). 923294500 (extensión:1921). pgalindo@usal.es

 

Justificación (méritos del profesor en relación con el Título Propio):

 

.........................................................................

Miembros de la Comisión Académica (a nombrar por el órgano académico responsable del Título):

 

Nombre y apellidos José Luis Vicente Villardón

Area de Conocimiento y Departamento Estadística

Datos de contacto (teléfono, e-mail) 923294500 (extensión: 1921). villardon@usal.es

 

Nombre y apellidos Luis Félix Valero Juan

Area   de   Conocimiento   y  Departamento   Medicina   Preventiva   y   Salud   Pública. Departamento de Ciencias Biomédicas y del Diagnóstico

Datos de contacto (teléfono, e-mail). 923294500 (extensión: 1901). luva@usal.es

 

Número de estudiantes a integrarse (al menos 25% de la Comisión Académica): 1 estudiantes cuyo procedimiento de elección queda reflejado en el apartado 9 de la memoria correspondiente al Plan de estudios, relacionado con el Sistema de Garantía del Título Propio

Reconocimiento y Transferencia de Créditos

Sistema de Reconocimiento de créditos en Títulos Propios:

La Normativa de la Universidad de Salamanca contempla la posibilidad de reconocimiento de ECTS en Títulos Propios, entendido como la aceptación como créditos que computarán a efectos de la obtención del Título Propio de las competencias obtenidas en otras enseñanzas o mediante experiencia laboral y profesional acreditada.

Reconocimiento de ECTS cursados en Enseñanzas Superiores Oficiales Universitarias:

 

Nº mínimo de ECTS a reconocer:

Nº máximo de ECTS a reconocer:

3

9

Criterios para realizar el reconocimiento:

Podrán solicitar el reconocimiento de créditos aquellos estudiantes que hayan cursado alguno de los siguientes: a) Máster en Análisis de Datos Multivariantes (USAL); b) Máster en Análisis Avanzado en Datos Multivariantes y “Big Data” (USAL).

 

La Comisión Académica realizará el reconocimiento teniendo en cuenta el programa y los ECTS en las materias/asignaturas para las que se solicita reconocimiento.

Asignaturas

Salidas académicas profesionales

Las salidas profesionales que brinda esta titulación engloban oportunidades en campos muy diversos: Ciencias, Ciencias de la Salud, Ciencias Sociales y Jurídicas, Arte y Humanidades e Ingeniería y Arquitectura.

Indicadores de calidad e informes externos

Justificación del título propuesto. Interés académico, científico o profesional del mismo:

En los últimos años, la revolución digital ha dado lugar a una inmensa cantidad de datos que se generan en el mundo de manera continuada. Cada día un mayor número de profesiones, desde las más simples hasta las más complejas, dependen de la obtención de información a través de los datos, de su procesamiento y de su análisis. Este crecimiento en el uso de la información ha provocado una creciente demanda de expertos analíticos de datos, imprescindibles en la era de la transformación digital.

Ahora bien, el gran volumen de datos generados en la actualidad no refleja por sí mismo toda la información que contienen. El análisis de Big Dataes el proceso de examinar grandes volúmenes de datos para descubrir patrones ocultos, correlaciones desconocidas u otra información útil, de modo que los resultados del análisis puedan ayudar a mejorar la sociedad.

En la actualidad, con los recientes avances en tecnología, la generalización de Internet y de las Nuevas Tecnologías de la Información y la Comunicación (NTICs), el movimiento de ciencia abierta y el acceso libre a los datos, están provocando un cambio paradigmático en la sociedad.

El Big Datase basa en cuatro pilares fundamentales: volumen de datos, velocidad en la que se obtienen y transfieren, variedad y veracidad de las fuentes. Los datos masivos una vez obtenidos carecerían absolutamente de sentido si no existiera un elemento capaz de extraer información valiosa para generar conocimiento, es decir, el Smart Data.

El Smart Dataproporciona un valor añadido al Big Data, ya que permite no sólo analizar los datos, sino convertirlos en conocimiento. Así pues, un término no debe entenderse sin el otro, pues ambos deben usarse en combinación para obtener unos resultados eficientes.

Esta propuesta proporciona una formación que integra ambos conceptos. Las técnicas estadísticas de minería de datos asumirán un rol principal para el análisis y comprensión de la información.

 

Diferenciación de otras titulaciones:

El título de experto proporciona una formación avanzada que integra Big Datay Smart Data, dirigido a un amplio grupo de estudiantes, graduados e investigadores. No existe ninguna formación de grado ni de postgrado que proporcione una formación avanzada y específica en Smart Data, ni plantee la integración de ambos conceptos, aplicados a diferentes ramas del conocimiento.

 

Referentes externos a la universidad que avalen la adecuación de la propuesta a criterios nacionales y/o internacionales para títulos de similares características académicas:

Diversas Universidades españolas e internacionales imparten contenidos similares a los propuestos. Destacamos las siguientes:

-ENSEI-National School for Statistics and Information Analysis and its MSc Statistics for “Smart Data”

-Universidad Politécnica de Cataluña y su Máster Big Data Managament Technologies and Analytics

-Universidad Internacional de Valencia y su Máster en Big Data y Data Science

-Universidad Complutense de Madrid y su Máster en Minería de Datos e Inteligencia de Negocios

-Universidad Europea de Madrid y su Máster en Big Data Analytics.

 

Descripción de los procedimientos de consulta internos y externos utilizados para la elaboración del plan de estudios:

- Procedimientos internos:

- Experiencia del profesorado en el “Máster Universitario en Análisis de Datos Multivariantes y Big Data” impartido en la USAL desde el curso académico 2010-11. Se ha tenido en cuenta la demanda de formación en este campo por parte de los estudiantes matriculados en el Máster en las diferentes ediciones.

-La Normativa reguladora de las actividades de Formación Permanente en la Universidad de Salamanca, aprobada en Consejo de Gobierno de 30 de noviembre de 2011 y modificada en Consejo de Gobierno de 26 de julio de 2017.

- Procedimientos externos:

Con el surgimiento de las nuevas tecnologías y tras focalizar la importancia del uso inteligente de los datos, el equipo académico involucrado en este título ha estudiado las iniciativas llevadas a cabo por otras universidades nacionales e internacionales en esta materia, como por ejemplo, la National School for Statistics and Information Analysis y han considerado que es relevante estudiar la transformación del Big Dataen Smart Datade una forma ordenada desarrollando un programa actual y novedoso que englobe tanto el Big Datapara la recogida masiva de datos, como el Smart Dataque se encarga del análisis de esto, para encaminarlos a una toma de decisiones.

Paralelamente, el equipo académico del TP ha llevado a cabo una serie de reuniones con estudiantes y profesionales. Se concluyó que, ante la creciente demanda de formación en este campo, la USAL ofertara una propuesta de Experto en materia de “Data Mining, Big Datay Smart Data.

Aulas y horarios

Organización temporal de asignaturas:

PRIMER SEMESTRE (S1)

SEGUNDO SEMESTRE (S2)

Asignatura

Tipo

ECTS

Asignatura

Tipo

ECTS

LA CIENCIA DE DATOS EN EL

MUNDO ACTUAL

OB

3

MACHINE LEARNING:

APRENDIZAJE SUPERVISADO y NO SUPERVISADO (S2)

OB

3

CAPTURA Y ALMACENAMIENTO

MASIVO DE LA INFORMACIÓN

OB

3

SMART DATA: EL ARTE DE

EXTRAER VALOR AL BIG DATA

OB

6

TÉCNICAS DE “DATA MINING

OB

6

UTILIDAD Y APLICACIÓN

PRÁCTICA POR ÁREAS DEL CONOCIMIENTO

OB

6

MACHINE LEARNING:

APRENDIZAJE SUPERVISADO y NO SUPERVISADO (S1)

OB

3

 

 

 

 

 

 

 

 

 

Total ECTS

 

15

 

 

15

 

 

-Mecanismos de coordinación docente entre asignaturas (en la organización horaria y de desarrollo y en la coherencia de objetivos) del plan de estudios:

La Comisión Académica del Título Propio, tendrá la función de coordinar la  correcta impartición de las unidades didácticas que componen las materias, de manera que se eviten las repeticiones y solapamientos y las lagunas conceptuales. También se verificará que se están cubriendo todas las competencias asociadas a las materias, y su correcta evaluación.

La Comisión Académica del Título Propio dirigirá la realización de todos los mecanismos de organización necesarios (informes, reuniones con los implicados, encuestas, etc.) para asegurar un reparto equitativo de la carga de trabajo del estudiante en el tiempo y en el espacio. Con ese objetivo coordinará la entrega de prácticas, trabajos, ejercicios, y participará en todas aquellas planificaciones lectivas que son necesarias para el correcto funcionamiento del postgrado.

 

 

Información adicional

Tipo de enseñanza:

El tipo de enseñanza será online para poder impartir el título propio de una manera internacional.

 

Actividades formativas:

Una parte de las materias estará dedicada a exponer el contenido teórico de cada una de ellas. Para esta parte se le proporcionará al estudiante bibliografía específica, así como manuales teóricos realizados por cada profesor. El conocimiento teórico dará paso a las clases prácticas. En las clases prácticas se resolverán ejercicios basados en lo aprendido en las clases teóricas, y se propondrán ejercicios para que el estudiante pueda realizar como trabajo personal. Al mismo tiempo, se propondrán trabajos tutelados a los estudiantes.

Por último, los estudiantes tendrán que llevar a cabo un trabajo personal que irá siendo tutelado, de manera que puedan ir cumpliéndose las competencias descritas.

El contenido docente elaborado, y puesto a disposición del alumno, estará redactado en castellano; a excepción de la bibliografía recomendada que, en su mayoría, se publica en lengua inglesa.

 

Sistemas de evaluación:

Pruebas objetivas tipo test o pruebas escritas basadas en las clases magistrales y en los materiales proporcionados. Las pruebas tipo test se realizarán de forma on-line a tiempo real, según la fecha y hora establecida en el calendario académico recogido en la programación al inicio del curso.

Examen de prácticas con ordenador basado en las clases de prácticas con los programas estadísticos vistos en el curso.

Exposición de trabajos de los estudiantes. Donde se valorará la capacidad del estudiante para llevar a la práctica los métodos aprendidos, el manejo de los programas estadísticos, la elaboración de informes y la bibliografía consultada. La evaluación de los trabajos será mediante exposición online a través de videoconferencia. La exposición se realizará en la fecha y hora establecida en el calendario académico recogido en la programación al inicio del curso.

 

Sistema de calificaciones:

“La evaluación y calificación de las diferentes asignaturas de este título propio se llevarán a cabo de acuerdo con los criterios del Marco Europeo de Educación Superior siguiendo el reglamento que regula los sistemas de evaluación y calificación del aprendizaje de los estudiantes en las enseñanzas de la Universidad de Salamanca conducentes a títulos oficiales y propios (aprobado por el Consejo de Gobierno de 19/121/2008 y modificado en Consejo de Gobierno de 30/10/2009) http://campus.usal.es/~gesacad/coordinacion/normativaproce/regla_eval.pdf,

Se calificará según la Normativa sobre el sistema de calificaciones y cálculo de la nota media y de la calificación global de los expedientes académicos de los estudiantes en la Universidad de Salamanca (aprobado por el Consejo de Gobierno de 23 de junio de 2012) (http://campus.usal.es/~gesacad/coordinacion/normativaproce/notas_23_06_2011.pdf). Dicha normativa se deriva de la aplicación del RD 1125/2003, de 5 de septiembre, por el que se establece el sistema europeo de créditos y el sistema de calificaciones en las titulaciones universitarias de carácter oficial y validez en todo el territorio nacional.

Los resultados obtenidos por los estudiantes de la Universidad de Salamanca en cada una de las asignaturas de los planes de estudio se calificarán en una escala cuantitativa de 0 a 10, añadiendo su correspondiente calificación cualitativa:

  • 0,0-4,9: Suspenso (SS)
  • 5,0-6,9: Aprobado (AP)
  • 7,0-8,9: Notable (NT)
  • 9,0-10: Sobresaliente (SB)
  • A los estudiantes que hayan obtenido una calificación cuantitativa igual o superior a nueve se le podrá otorgar en su calificación cualitativa la mención “Matrícula de Honor”. Su número no podrá exceder del 5% de los estudiantes matriculados en una asignatura en el correspondiente curso académico, salvo que el número de estudiantes sea inferior a 20, en cuyo caso se podrá conceder una única “Matrícula de Honor”.

 

Ficha

  • Título propio: Experto en "Data Mining" y " Machine Learning": Del "Big Data" al "Smart Data"
  • Rama de conocimiento: Ciencias
  • Centro: Departamento de Estadística
  • Tipo de enseñanza: Online
  • Idioma: Español
  • Director/a: Purificación Galindo Villardón
  • Duración: Un curso académico
  • Créditos ECTS: 30 créditos
  • Plazas de nuevo ingreso: 60
  • Precio: 2.520 € (Preinscripción:100 €)
  • Coste por crédito: 84 €