Uso de cookies

En las páginas web de la Universidad Carlos III de Madrid utilizamos cookies propias y de terceros para mejorar nuestros servicios mediante el análisis de sus hábitos de navegación. Al continuar con la navegación, entendemos que se acepta nuestra política de cookies. "Normas de uso"

[Cerrar]

Estadística para la Ciencia de Datos

  • Inicio

    Director

    Prof. David Delgado Gómez

    Sobre el programa

    El programa de doctorado en Estadística para la Ciencia de Datos es la continuación natural de los estudios de segundo ciclo de postgrado que conducen a un título de máster relacionado con la Ciencia de Datos. De acuerdo al perfil con el que entra en el programa el alumno y alumna puede requerir cursos de formación avanzada para la elaboración y presentación de un trabajo original de investigación que constituirá la tesis doctoral.

    Objetivos

    El programa proporciona a sus alumnos y alumnas las herramientas necesarias para:

    • Entender modelos analíticos en Ciencia de Datos y relacionarlos con su área de conocimiento
    • Aplicar conocimientos avanzados de estadística para la Ciencia de Datos en el desarrollo de métodos de análisis de problemas reales
    • Manejar a nivel experto de lenguajes abiertos de programación ampliamente utilizados en Ciencia de Datos, como R y Python, para el desarrollo de análisis estadísticos
    • Desarrollar modelos estadísticos avanzados para el análisis de problemas reales que involucren la predicción de una o varias variables respuesta.
    • Desarrollar modelos estadísticos de aprendizaje no supervisado

    Programa adaptado al Real Decreto 99/2011, de 28 de enero

    Departamento

    Doctorado en Estadística para la Ciencia de Datos
  • ACCESO

    Perfil de acceso

    Los aspirantes deben tener bases matemáticas, un conocimiento avanzado de métodos de Estadística y un conocimiento medio de Informática (programación). Por ello, el perfil preferente de acceso será el de alumnos/as que posean un grado en Estadística, Ciencias Matemáticas, Ciencias Físicas, Ingeniería Informática, Ingeniería Industrial o Ingeniería de Telecomunicaciones con un máster en Ciencia de Datos. También será un perfil preferente el de alumnos/as con un grado en Ciencia de Datos complementado con un máster oficial en algún área de conocimiento.

    Requisitos de acceso

    Con carácter general, para acceder al programa de Doctorado será necesario estar en posesión de un título oficial español de Grado en las áreas de Estadística, Ciencia de Datos, Ciencias Matemáticas, Ciencias Físicas, Ingeniería Informática, Ingeniería Industrial o Ingeniería de Telecomunicaciones y poseer un máster en Ciencia de Datos para aquellos alumnos que proceden de un grado de los anteriores diferente a la Ciencia de Datos o sus equivalentes de otros países del EEES.

    Asimismo, podrán acceder candidatos con títulos extranjeros de países integrados en el EEES que acrediten un nivel 7 del Marco Europeo de Cualificaciones siempre que dicho título faculte para el acceso a estudios de doctorado en el país de expedición del mismo  y candidatos con titulación equivalente al título de master español, obtenida conforme a sistemas educativos extranjeros ajenos al EEES, que faculte en el país de expedición del título para el acceso a estudios de doctorado. En todos los casos se exige un nivel de formación equivalente a la del título oficial español de Máster en la rama de Ciencia de Datos 

    Podrán ser admitidos estudiantes de los grados anteriormente indicados con formación de postgrado no perteneciente a la rama de Ciencia de Datos en los siguientes casos:

    • Estudiantes con formación de postgrado en Estadística/Matemáticas: La Comisión Académica podrá establecer hasta un máximo de 6 ECTS de complementos formativos en materias o asignaturas avanzadas vinculadas con la línea de investigación a la que pretenda incorporarse el estudiante.
    • Estudiantes con formación de postgrado en Ciencias Físicas, Ingeniería Informática, Ingeniería Industrial o Ingeniería de Telecomunicaciones: La Comisión Académica podrá establecer un máximo de 9 ECTS de complementos formativos en materias o asignaturas avanzadas vinculadas con la línea de investigación a la que pretenda incorporarse el estudiante.

    Criterios de admisión

    La admisión se realizará según los criterios establecidos por la Comisión Académica en el marco que se establece a continuación, y que serán aplicados por el Coordinador/Director del Programa, dando cuenta periódica a la citada Comisión.

    En el proceso de selección y admisión, la Comisión Académica tendrá en cuenta los siguientes aspectos:

    • Expediente académico. Formación del solicitante (materias, calificaciones y conocimientos de lenguas) en relación a las líneas de investigación del programa de doctorado (60%)
    • Conocimientos suficientes de lengua inglesa (mínimo B2 o equivalente) (10%)
    • Experiencia investigadora (publicaciones, ponencias en congresos, etc.) (15%)
    • Experiencia profesional en relación a la Ciencia de Datos (15%)

    Todas las solicitudes deberán adjuntar una carta de motivación del candidato expresando sus intereses de investigación con relación a las líneas de investigación del Programa de Doctorado.

    Los solicitantes deberán presentar carta(s) de recomendación de expertos académicos/científicos de otras instituciones.

    En la valoración comparativa de las solicitudes de admisión se priorizarán las solicitudes que se correspondan con el perfil preferente, y, en caso de quedar plazas disponibles, se continuará secuencialmente considerando el resto de perfiles.

    La Dirección del Programa podrá requerir una entrevista personal a fin de obtener aclaraciones a los datos aportados. La entrevista no constituye un criterio de valoración con baremo específico sino un instrumento adicional de aclaración de la adecuación del perfil y la motivación del estudiante.

    Oferta de plazas para el curso académico: 10

  • PROFESORADO
  • FORMACIÓN

    De forma paralela a la elaboración de la tesis doctoral, los/las estudiantes del programa deben seguir un programa de formación dirigido a mejorar sus habilidades investigadoras y a garantizar la calidad científica de su trabajo de investigación. Ese programa se articula en torno a los siguientes tipos de formación.

    Formación específica

    • Seminarios Específicos de Investigación

    Carácter obligatorio. 20 horas a lo largo de la formación doctoral.

    Seminarios organizados por el departamento de Estadística y relacionados con las líneas de investigación del programa, impartidos por ponentes expertos/as, mayoritariamente extranjeros/as.

    Para su evaluación, se requerirá acreditación de asistencia y un trabajo resumen relativo a los contenidos del seminario (análisis crítico y aspectos de impacto en la investigación del estudiante). Se expedirá un certificado de aprovechamiento que será incluido en el documento de actividades del doctorando/a.

    • Workshop sobre un tema actual en Ciencia de Datos

    Carácter obligatorio. 20-30 horas a lo largo de la formación doctoral (mínimo dos talleres a lo largo del doctorado).

    Workshop anual de 10-15 horas de duración, impartido durante una semana. Posibles temas: modelos probabilísticos gráficos, análisis de redes, métodos bayesianos variacionales o Ciencia de Datos en salud.

    Para su evaluación, se requerirá acreditación de asistencia y un trabajo en el que se apliquen los contenidos del seminario (análisis crítico y aspectos de impacto en la investigación del estudiante). Se expedirá un certificado de aprovechamiento que será incluido en el documento de actividades del doctorando/a.

    • Presentación de dos documentos de trabajo

    Carácter obligatorio. 200 horas a lo largo del doctorado.

    Dos artículos de trabajo (working papers) cuya calidad será evaluada por una comisión de profesores expertos del propio departamento. Estos artículos serán publicados en abierto con la colaboración del servicio de Biblioteca.

    Cada documento de trabajo será evaluado por un comité de expertos/as en el tema del propio departamento. Este control no se llevará a cabo cuando el artículo haya sido aceptado en una revista con revisión por pares.

    • Presentación intermedia y presentación pre-defensa de tesis

    Carácter obligatorio. 40 horas.

    El doctorando/a realizará dos presentaciones sobre su investigación.

    La primera presentación se realizará a la mitad del doctorado, a fin de garantizar el correcto desarrollo del doctorado.

    La segunda se realizará previa al inicio de la defensa de tesis, a fin de comprobar que la tesis tiene la calidad suficiente para iniciar el proceso.

    Para la presentación intermedia se constituirá un tribunal compuesto por los tres investigadores/as más afines al tema de investigación. En caso de imprevisto, este comité establecerá las directrices y el tiempo máximo para corregir deficiencias.

    Para la pre-defensa de tesis se constituirá igualmente un tribunal compuesto por los tres investigadores más afines al tema de investigación. En caso de detectar debilidades menores, el y la estudiante deberá subsanarlas antes del depósito oficial de la tesis. Si hubiera debilidades mayores, se pararía el proceso de tesis hasta que fueran subsanadas.

    • Estancia de investigación

    Carácter optativo. 45-90 días.

    Estancia, preferiblemente internacional, en un centro de investigación de reconocido prestigio en el área de la tesis, con el objetivo de completar la formación en un grupo experto internacional e impulsar la investigación.    

    Si la estancia es superior a 3 meses y el programa de trabajo es satisfactorio, podrá constituir un mérito para obtener la Mención Internacional en el título de Doctor/a.

    Los y las estudiantes presentarán la justificación otorgada por el centro de acogida una vez terminada la estancia.

    • Ponencias impartidas por el doctorando/a

    Carácter optativo. 10 horas por curso académico.

    Presentación del trabajo del doctorando/a en conferencias internacionales. Se espera que el y la estudiante presente su investigación en al menos dos conferencias internacionales a lo largo del doctorado.

    Además de lo anterior, en los últimos años se desarrollan los denominados Spanish Young Statisticians and Operational Researchers Meeting (SYSORM), donde los y las estudiantes pueden compartir conocimientos, experiencias e inquietudes.

    Los y las estudiantes presentarán la acreditación recibida por el comité organizador de la conferencia.

    Formación transversal

    Carácter optativo. Hasta 2 créditos a lo largo de todo el periodo doctoral.

    La formación transversal es aquella orientada a la adquisición de habilidades comunes a todas las disciplinas para el desarrollo de competencias científicas y educadoras y para la mejora de la futura carrera profesional. Esta formación se compone de diferentes actividades (cursos cortos, seminarios, etc.), las cuales podrán ser recomendadas por la Comisión Académica del programa.

    Más información:

  • INVESTIGACIÓN
    • Líneas de investigación
      • Métodos estadísticos y cuantitativos para la Ciencia de Datos
      • Investigación de operaciones para la Ciencia de Datos
    • Resultados científicos

      En este apartado se relacionará una muestra significativa de las publicaciones derivadas de las tesis doctorales del programa.

    • Publicaciones científicas

      Se relacionan algunas de las publicaciones científicas más destacadas del profesorado participante del programa.

      • Perez-Santalla, R.; Carrión, M.; Ruiz, C. "Optimal pricing for electricity retailers based on data-driven consumers’ price-response". TOP. 2022. ISNN: 1134-5764
        DOI: https://doi.org/10.1007/s11750-022-00622-8
      • Lee D.; Durbán, M.; Ayma, D.; Van de Kassteele, J. "Modeling latent spatio-temporal disease incidence using penalized composite link models". Plos One. 2022. ISSN: 1932-6203
        DOI: https://doi.org/10.1371/journal.pone.0263711
      • Mendez-Cevieta, A.; Aguilera-Morillo, C.; Lillo, R. E. "Fast partial quantile regression. Chemometrics and Intelligent Laboratory Systems". 2022. ISSN: 0169-7439
        DOI: https://doi.org/10.1016/j.chemolab.2022.104533
      • Abate, A. G.; Riccardi, R.; Ruiz, C. "Contract design in electricity markets with high penetration of renewables: A two-stage approach". Omega. 2022. ISNN: 0305-0483
        DOI: https://doi.org/10.1016/j.omega.2022.102666
      • Llorente, F.; Martino, L.; Read, J.; Delgado-Gómez, D. "Optimality in noisy importance sampling. Signal Processing". 2022. ISSN: 0165-1684
        DOI: https://doi.org/10.1016/j.sigpro.2022.108455
      • Alemán-Gómez, Y.; Arribas-Gil, A.; Desco, M.; Elias, A.; Romo, J. Depthgram. "Visualizing outliers in high-dimensional functional data with application to fMRI data exploration". Statistics in Medicine. 2022. ISSN: 0277-6715
        DOI: https://doi.org/10.1002/sim.9342
      • Cascos, I., López-Díaz, C. & López-Díaz, M. "A stochastic order for interval valued random mappings and applications". Applied Mathematical Modelling 107, 429–440 (2022)
        DOI: https://doi.org/10.1016/j.apm.2022.02.039
      • Carrizosa, E.; Guerrero, V.; Morales, D.R. "On mathematical optimization for clustering categories in contingency tables". Advances in Data Analysis and Classification. 2022. ISSN: 1862-5347
        DOI: https://doi.org/10.1007/s11634-022-00508-4
      • Grané, A; Albarrán, I.; Guo, Q. "Visualizing Health and Well-Being Inequalities Among Older Europeans". Social Indicators Research. 2021. ISSN: 0303-8300
        DOI: https://doi.org/10.1007/s11205-021-02621-x
      • Cascos, I. "Simultaneous monitoring of origin and scale in left-bounded processes via depth". AStA Advances in Statistical Analysis. 2021. ISSN: 1863-818X
        DOI: https://doi.org/10.1007/s10182-021-00401-z
      • Cabras, S. "A Bayesian-Deep Learning Model for Estimating COVID-19 Evolution in Spain". Mathematics. 2021. ISNN: 2227-7390
        DOI: https://doi.org/10.3390/math9222921
      • Elías, A.; Jiménez, R.; Shang, H. L. "On projection methods for functional time series forecasting". Journal of Multivariate Analysis. 2021. ISSN: 0047-259X
        DOI: https://doi.org/10.1016/j.jmva.2021.104890
      • Alonso, A. M.; D’Urso, P.; Gamboa, C.; Guerrero, V. "Cophenetic-based fuzzy clustering of time series by linear dependency". International Journal of Approximate Reasoning. 2021. ISSN: 0888-613X
        DOI: https://doi.org/10.1016/j.ijar.2021.07.006
      • Gómez de Mariscal, E.; Guerrero, V.; Sneider, A.; Jayatilaka, H.; Wirth P. D.; Muñoz-Barrutia, A. "Use of the p-values as a size-dependent function to address practical differences when analyzing large datasets". Scientific Reports. 2021. ISSN: 2045-2322
        DOI: https://doi.org/10.1038/s41598-021-00199-5
      • Quijano, J.; Liberatore, F.; Rodriguez-Lorenzo, G.;Lillo, R. E.; González-Alvarez, J. "A twist in Intimate Partner Violence Risk Assessment Tools: Gauging the contribution of exogenous and historical variables". Knowledge-Based Systems. 2021. ISSN: 0950-7051
        DOI: https://doi.org/10.1016/j.knosys.2021.107586
      • Morala, P.; Cifuentes, J.;Lillo, R. E.; Ucar, I. "Towards a mathematical framework to inform neural network modelling via polynomial regression". Neural Networks. 2021. ISNN: 0893-6080
        DOI: https://doi.org/10.1016/j.neunet.2021.04.036
      • Poncela, P.; Ruiz, E.; Miranda, K. "Factor extraction using Kalman filter and smoothing: This is not just another survey". International Journal of Forecasting. 2021. ISNN: 0169-2070
        DOI: https://doi.org/10.1016/j.ijforecast.2021.01.027
      • Cabras, S.; Castellanos, M. E.; Ratmann, O. "Goodness of fit for models with intractable likelihood". Test. 2021. ISNN: 1133-0686
        DOI: https://doi.org/10.1007/s11749-020-00747-7
      • Liu, L.; Martín-Barragan,  B.; Prieto, J. "A projection multi-objective SVM method for multi-class classification". Computers & Industrial Engineering. 2021. ISSN: 0360-8352
        DOI: https://doi.org/10.1016/j.cie.2021.107425
      • Cascos, I.; Ochoa, M. "Expectile depth: Theory and computation for bivariate datasets". Revista: Journal of Multivariate Analysis. 2021. ISSN: 0047-259X
        DOI: https://doi.org/10.1016/j.jmva.2021.104757
      • Laria, J. C.; Delgado-Gómez, D.; Peñuelas-Calvo, I.; Baca-García, E.; Lillo, R. "Accurate Prediction of Children's ADHD Severity Using Family Burden Information: A Neural Lasso Approach". Frontiers in Computational Neuroscience. 2021. ISSN: 1662-5188
        DOI: https://doi.org/10.3389/fncom.2021.674028
      • Strzalkowska-Kominiak, E.; Romo, J. "Censored functional data for incomplete follow-up studies". Statistics in Medicine. 2021. ISSN: 0277-6715
        DOI: https://doi.org/10.1002/sim.8930
      • Meilán-Vila, A; Fernández-Casas,R.; Crujeiras, R.M; Francisco-Fernández, M. "A computational validation for nonparametric assessment of spatial trends". Computational Statistics. 2021. ISSN: 0943-4062
        DOI: https://doi.org/10.1007/s00180-021-01108-0
      • Oliveira F. S.; Ruiz, C. "Analysis of futures and spot electricity markets under risk aversion". European Journal of Operational Research. 2020. ISSN: 0377-2217
        DOI: https://doi.org/10.1016/j.ejor.2020.10.005
      • García-Portugués, E.; Álvarez Liebana, J., Álvarez-Pérez, G.; González-Manteiga, W. "A goodness-of-fit test for the functional linear model with functional response". Scandinavian Journal of Statistics. 2020. ISSN: 0303-6898
        DOI: https://doi.org/10.1111/sjos.12486
  • TESIS

    Elaboración de la tesis

    Puedes consultar la Guía con recomendaciones que tiene accesible la Biblioteca de la universidad en su web 

    Debes seguir siempre las orientaciones de tu Director/a de tesis, la directrices de tu programa de doctorado, y la normativa de la Escuela de Doctorado

    Presentación y defensa de tesis

    La tesis doctoral consiste en un trabajo original de investigación elaborado por el doctorando/a en el campo de conocimiento establecido por el presente programa de doctorado, y que capacita al doctorando/a para el trabajo autónomo en el ámbito de la I+D+i.

    La Universidad Carlos III de Madrid, a través de su Escuela de Doctorado, establece los procedimientos de seguimiento para garantizar la calidad de la formación y supervisión del doctorando/a. Igualmente facilita los procedimientos para la adecuada evaluación y defensa de la tesis doctoral.

    Más información:

    Requisitos para la defensa de tesis

    Impartir un seminario de pre-defensa ante un tribunal formado por tres investigadores/as de departamento afines a la la temática de la tesis. En este seminario, el y la estudiante presentará los resultados más relevantes de su investigación que deberán haber dado lugar a, al menos, dos documentos de trabajo (working papers) cuya calidad haya sido previamente evaluada y aprobada por un comité de expertos/as.

    El y la estudiante proporcionará a los miembros del tribunal una copia de la tesis con dos semanas de antelación para que esta pueda ser analizada y evaluada. Tras la exposición y el turno de preguntas, el tribunal emitirá un informe, el cual puede ser:

    • Aprobado. El tribunal considera que la tesis cumple con los requisitos de calidad y se le autoriza para iniciar el proceso de defensa.
    • Aprobado con modificaciones menores. El tribunal considera que la tesis cumple con los requisitos de calidad pero son necesarias pequeñas correcciones estructurales, tipográficas, o aclaratorias. Se autoriza el inicio de defensa una vez las recomendaciones han sido incluidas en la tesis.
    • Requerimiento de modificaciones mayores. El tribunal considera que la tesis no cumple con los requisitos de calidad y que no procede el depósito de la tesis (debido, por ejemplo, a incongruencias o falta de experimentos relevantes). El y la estudiante debe corregir estas debilidades y someterse a un nuevo proceso de pre-defensa no antes de un periodo de seis meses.
  • CALIDAD

    INFORMACIÓN GENERAL DEL TÍTULO

    ☛ Curso de implantación: 2023-2024

    GARANTÍA DE CALIDAD DEL PROGRAMA

    La Comisión Académica de Doctorado está definida dentro del  SGIC de la Universidad Carlos III de Madrid como el Órgano que evalúa la calidad de los programas y aprueba la Memoria Académica de Titulación.

    • Comisión Académica
    • Actas de la Comisión Académica de Calidad (Acceso restringido) (próximamente)

    INDICADORES DE CALIDAD 

    RECLAMACIONES Y/O SUGERENCIAS

  • CONTACTA
    Bienvenida Universidad Carlos III de Madrid

    Oficina de la Escuela de Doctorado | Campus de Leganés

    Edificio Rey Pastor, Despacho 3.0.B.08
    Avenida de la Universidad, 30
    28911 Leganés (Madrid)

    Contacta