Diplomatura en Data Scientist
La trayectoria para resolver problemas de negocio con datos. Estadística, Machine Learning y MLOps, con lo indispensable del puesto y sin relleno. Certificación IDSA + UTN.
Sobre esta Diplomatura
La Diplomatura en Data Scientist forma profesionales capaces de resolver problemas de negocio con datos: desde el análisis exploratorio y la estadística aplicada hasta el modelado de ML y su paso a producción. Es el perfil más versátil del ecosistema IDSA.
El foco es la decisión, no el modelo. El Data Scientist no solo construye modelos: define la pregunta correcta, elige la técnica adecuada, cuantifica la incertidumbre y comunica el impacto al negocio. Por eso el trayecto combina estadística con ML y MLOps, y deja la profundización (regularización, causalidad, forecasting, visualización) como cursos opcionales fuera de la diplomatura.
Es una trayectoria con amplitud de salidas laborales: banca, fintech, retail, salud, agro, telecomunicaciones o gobierno. Todo sector que tome decisiones con datos necesita Data Scientists.
Se apoya en el tutor virtual 24/7 y en notebooks ejecutables con casos aplicados. No requiere experiencia previa en programación, pero sí rigor cuantitativo.
Tres etapas hacia la práctica profesional
Cada etapa suma una capa: de los fundamentos al ML aplicado con rigor estadístico, y de allí a un proyecto integrador.
Nivelación matemática, Python y SQL. Las tres competencias mínimas de cualquier perfil data.
Inferencia estadística (intervalos de confianza, tests de hipótesis, regresión interpretada y A/B testing), entrenar, validar y explicar modelos con scikit-learn, XGBoost y SHAP, y llevarlos del notebook a un pipeline productivo con MLflow, FastAPI y Docker.
Un proyecto integrador sobre un dataset real que combine estadística y machine learning, con despliegue y presentación ejecutiva ante comité técnico.
Qué vas a aprender, curso por curso
Cada curso se cursa y certifica de forma individual. Al aprobar los seis más el trabajo final, se emite el diploma de la diplomatura.
Nivelación Matemática para Data Science
Derivadas, vectores, matrices, probabilidad y notación matemática aplicada a Machine Learning. Sin matemática abstracta: todo orientado a ciencia de datos, con Python y casos reales.
Python para Data Science
Del primer script al primer dashboard. Pandas, NumPy, Matplotlib y Dash. Los 4 verbos fundamentales de Pandas y la conexión con el análisis de negocio.
SQL para Data Science
El lenguaje universal de los datos. SELECT, JOINs, agregaciones, subconsultas y window functions. Análisis de cohortes, retención y funnels sobre datasets reales.
Estadística Aplicada e Inferencia
Describí datos, estimá con intervalos de confianza, testeá hipótesis, interpretá una regresión y diseñá un experimento A/B. La base estadística para analizar y decidir con evidencia.
Machine Learning Supervisado y No Supervisado
Entrenás, validás y explicás modelos de ML con scikit-learn, XGBoost y LightGBM: regresión logística, árboles, ensambles, validación cruzada, umbral de decisión, SHAP y clustering, sobre un caso de riesgo de mora.
MLOps y Regresión
Del notebook al pipeline productivo. scikit-learn, FastAPI, Docker, monitoreo de drift y reentrenamiento automático. Proyecto integrador acumulativo.
Tres orientaciones en Data Science
La orientación se define por el trabajo final y el énfasis en cada componente del stack.
Data Scientist
Resuelve problemas de negocio con estadística y ML. El perfil más versátil del mercado data.
Business Data Scientist
Traduce preguntas de negocio en análisis rigurosos: estimación, tests y modelos interpretables.
Applied ML Scientist
Lleva modelos de machine learning del notebook a un pipeline reproducible y desplegado.
Los perfiles son orientativos. El alumno construye su especialización con el trabajo final y los proyectos del Laboratorio de Datos.
Proyecto DS end-to-end
Un proyecto integrador sobre un dataset real: pregunta de negocio, análisis exploratorio, modelado con la técnica adecuada, despliegue y presentación ejecutiva ante comité técnico.
- Duración: 17 horas distribuidas en 4-6 semanas
- Tutoría personalizada durante todo el desarrollo
- Defensa oral ante comité técnico
- Publicación en el Laboratorio de Datos del Instituto
Doble aval universitario
Certificación IDSA + UTN con resolución oficial y verificación digital de cada curso aprobado.
Qué incluye la certificación
- Diploma final con doble firma (Director IDSA + Decano UTN FRRQ)
- Certificado por cada curso completado en el camino
- Resolución oficial 920/2020 UTN Facultad Regional Reconquista
- Código QR de verificación digital
- Copia automática a la Facultad para registro oficial
- Acreditación progresiva: cada curso completado ya queda certificado
Los certificados se emiten al aprobar los quizzes y trabajos prácticos de cada curso.
¿Diplomatura o cursos sueltos?
| Aspecto | Curso suelto | Diplomatura completa |
|---|---|---|
| Duración por unidad | 15-30h por curso | 172h totales |
| Certificación | IDSA + UTN por curso | IDSA + UTN por curso + diploma final |
| Trabajo final aplicado | — | ✓ Obligatorio |
| Publicación en Laboratorio | — | ✓ Elegible |
| Stack completo de DS | Parcial | ✓ SQL + Inferencia + ML + MLOps |
| Perfil empleable en industria | Parcial | ✓ Toda la trayectoria |
Dudas sobre la Diplomatura
¿Necesito experiencia previa en programación?
No. La trayectoria arranca desde la nivelación matemática y los fundamentos de Python y SQL. Solo se requiere matemática de secundaria y rigor cuantitativo.
¿Cuál es la diferencia con la Diplomatura en AI/DL Research Scientist?
Data Scientist forma para industria: resolver problemas de negocio con estadística y ML. AI/DL Research Scientist forma para I+D: reproducir papers, diseñar experimentos, proponer métodos. Comparten cuatro cursos base (Nivelación, Python, Estadística Aplicada y Machine Learning Supervisado), pero el resto es distinto.
¿Qué herramientas voy a usar?
Python (scikit-learn, XGBoost, SHAP y statsmodels), PostgreSQL y DuckDB, MLflow, FastAPI, Docker y DVC.
¿Cuánto tiempo lleva completarla?
A 10 horas semanales: aproximadamente 17 semanas (4 meses). A 6 horas semanales: unos 7 meses. El ritmo lo definís vos.
¿Cómo se cursan los cursos de la diplomatura?
Cada curso se cursa y se paga de forma individual. Podés comprarlos a medida que avanzás. Al aprobar los 6 cursos más el trabajo final, se emite el diploma de la diplomatura.
¿Y si quiero profundizar en regularización, causalidad, forecasting o visualización?
Esos temas están disponibles como cursos opcionales fuera de la diplomatura: Estadística Avanzada, Sesgo y Regularización, Inferencia Causal y Analítica de Negocio, Forecasting Avanzado y Visualización y Storytelling de Datos. La diplomatura se limita a lo indispensable del puesto; vos decidís qué profundizar según tu área.
¿Cuánto gana un Data Scientist en Argentina?
Según el Observatorio IDSA 2026: Junior $1,55M, Semisenior $2,3M, Senior $3,4M ARS brutos mensuales. El tope del mercado data está en Data Architect Senior con $5M.
¿Qué puedo cursar después?
Podés seguir con la Diplomatura en AI/DL Research Scientist si querés orientarte a investigación, o sumar cursos individuales como Fundamentos de Deep Learning y Optimización, RAG Fundamentos o los cursos opcionales de profundización. Para los cursos del Frontier Program tenés acceso directo al completar una Diplomatura IDSA; en otro caso se rinde un examen de admisión técnico. Piden además Deep Learning, que no está en esta ruta.
Resolvé problemas de negocio con datos
172 horas con foco en estadística, machine learning y MLOps. Trabajo final aplicado y doble certificación IDSA + UTN.