Cargando Franky...
Cargando Franky...
8/10
Dificultad
91,2%
Inserción laboral
27.000 €
Salario inicial
4
años · 240 ECTS
El Grado en Ciencia de Datos Aplicada (Applied Data Science) forma profesionales capaces de extraer conocimiento útil de grandes volúmenes de datos mediante técnicas estadísticas, algoritmos de aprendizaje automático y programación. A diferencia de la Informática clásica o la Estadística pura, esta titulación articula las tres disciplinas de forma equilibrada: matemática e inferencia estadística, ingeniería de datos (bases de datos relacionales y NoSQL, Big Data) y modelado predictivo (aprendizaje supervisado y no supervisado, series temporales, redes neuronales).
En España la oferta es todavía muy reducida: los dos programas principales son el de la UCM (Facultad de Estudios Estadísticos, presencial, Madrid) y el de la UOC (completamente en línea, catalán/español, sin campus físico). El plan de estudios de la UCM incluye asignaturas como Azar y Probabilidad, Métodos Matemáticos, Aprendizaje Supervisado I/II/III, Aprendizaje No Supervisado, Bases de Datos NoSQL, Big Data: Procesamiento Distribuido y Paralelo, Minería de Texto, Análisis de Datos Espaciales y Análisis de Redes Sociales. La UOC añade énfasis en análisis de entornos Big Data e inferencia bayesiana y facilita la combinación con empleo gracias a su modalidad asíncrona.
El titulado puede trabajar directamente como data scientist, data analyst o data engineer, o proseguir con un máster especializado en inteligencia artificial, MLOps o business intelligence. El perfil encaja tanto en el sector privado (banca, salud, retail, consultoría tecnológica, startups de IA) como en la Administración Pública y la investigación aplicada. La demanda de estos perfiles en España supera con claridad la oferta actual de egresados.
Es una de las carreras técnicas más exigentes: combina álgebra lineal, cálculo diferencial e integral, probabilidad e inferencia estadística con programación (Python, R, SQL) y fundamentos de ingeniería de datos. Los foros universitarios (Mediavida, Reddit Spain) señalan que 'hace falta más matemáticas que en Informática' y que la transición de 1.º a 2.º es especialmente dura por la acumulación de asignaturas cuantitativas. Está por encima de grados como ADE, Derecho o Comunicación, y en la misma franja de exigencia que Ingeniería Informática o Matemáticas, aunque con un componente aplicado que la hace algo más motivadora para perfiles orientados a problemas reales.
Cómo prepararte en Bachillerato y la EBAU para entrar en esta carrera.
Bachillerato recomendado
Ciencias (itinerario matemático-científico): Matemáticas II y Física son fundamentales. El bachillerato tecnológico también es válido. Se desaconseja el bachillerato de Humanidades o Social sin haber cursado al menos Matemáticas Aplicadas.
Asignaturas clave
PAU / EBAU
La asignatura que más pondera en la mayoría de CCAA para acceder a grados de ingeniería/informática es Matemáticas II (coeficiente 0,2 habitual). Física y Química también ponderan bien (0,1-0,2 según comunidad). Para la UCM específicamente conviene ponderar Matemáticas II y Física. Las ponderaciones varían por comunidad autónoma, por lo que hay que consultar la tabla de tu distrito universitario antes de elegir asignaturas de modalidad.
Acceso desde FP
CFGS Desarrollo de Aplicaciones Web (DAW), Desarrollo de Aplicaciones Multiplataforma (DAM) o Administración de Sistemas Informáticos en Red (ASIR) permiten el acceso a través de la vía FP; la nota de admisión en la UCM en 2025 fue de 10,937, por lo que competir con nota de FP es muy difícil salvo universidad privada o UOC.
Consejos
Practicar programación básica en Python antes de empezar (plataformas gratuitas como Kaggle Learn o freeCodeCamp). Repasar estadística descriptiva y probabilidad elemental. El nivel de Matemáticas II de selectividad es el piso, no el techo: hay que llegar con fluidez en derivadas, integrales y álgebra matricial. Familiarizarse con Excel/Google Sheets y nociones de bases de datos es un plus.
Qué te espera curso a curso y dónde suele apretar.
1º curso
Base matemática y estadística intensiva: Azar y Probabilidad, Inferencia Paramétrica, Métodos Matemáticos para la Ciencia de los Datos I y II (álgebra lineal, cálculo). Introducción a la programación en Python (Programación I y II), primeros pasos con R o SAS (Software Estadístico I) y Descripción y Exploración de Datos. Asignatura de Economía Digital que aporta contexto de negocio. Curso muy exigente matemáticamente; muchos alumnos acusan la transición desde el bachillerato.
2º curso
Primer contacto con modelos predictivos: Aprendizaje Supervisado I (regresión, clasificación), Series Temporales y Econometría aplicada. Bases de Datos relacionales, Estudio y Depuración de Datos (limpieza y feature engineering), Programación para el Análisis y la Ciencia de los Datos (pandas, scikit-learn). Matemática Discreta e Inferencia No Paramétrica completan la base teórica. Curso especialmente denso: muchos modelos que aprender en paralelo con la programación.
3º curso
Profundización en machine learning: Aprendizaje Supervisado II y III (ensemble methods, redes neuronales básicas), Aprendizaje No Supervisado (clustering, reducción dimensional), Bases de Datos NoSQL (MongoDB, Cassandra). Especialización en dominios: Análisis de Datos Espaciales, Análisis de Redes Sociales y Ciencia de Datos y Salud. Dos optativas permiten orientar el perfil. Los proyectos grupales ganan peso y se acerca el entorno laboral real.
Inserción laboral real, másteres habituales y requisitos para ejercer.
Inserción laboral
91,2 %
a 4 años del egreso (SIIU / Fundación CYD 2025, categoría 'otras informáticas-ciencia de datos')
Tiempo hasta el primer empleo
Menos de 6 meses en la mayoría de los casos para perfiles con prácticas o proyectos en GitHub; el sector de datos en España tiene más ofertas que candidatos cualificados.
¿Hace falta máster?
RecomendadoEl grado proporciona base técnica sólida para acceder al mercado laboral, pero un máster especializado (MLOps, NLP, Data Engineering, Business Intelligence) acelera el crecimiento salarial y permite acceder a posiciones senior más rápido. Para I+D o docencia el máster oficial y el doctorado son indispensables. Para la empresa privada el máster es recomendado pero no imprescindible si se tiene un buen portfolio de proyectos.
Másteres que suele hacer la gente de esta carrera
Cada salida con el camino para llegar y rangos salariales reales en España y fuera.
Data Scientist
25.000 – 35.000 € junior · 51.000 – 70.000 € con experiencia
demanda altaConstruye modelos predictivos y prescriptivos (clasificación, regresión, clustering, series temporales) para resolver problemas de negocio concretos. Trabaja con Python/R, scikit-learn, TensorFlow/PyTorch y plataformas cloud (AWS SageMaker, GCP Vertex AI, Azure ML).
Cómo llegar
Salario en España (bruto/año)
Junior
25.000 – 35.000 €
Con experiencia
51.000 – 70.000 €
Salario en el extranjero (bruto/año)
Alemania
48.000 – 65.000 EUR
Países Bajos
38.000 – 55.000 EUR
Reino Unido
42.000 – 60.000 EUR
Data Analyst / Analista de Datos
20.000 – 28.000 € junior · 36.000 – 50.000 € con experiencia
demanda altaAnaliza conjuntos de datos estructurados para generar informes, dashboards e insights accionables. Usa SQL avanzado, Power BI o Tableau, Python/pandas, y comunica hallazgos a perfiles no técnicos. Rol con más oferta que Data Scientist pero salario inferior.
Cómo llegar
Data Engineer / Ingeniero de Datos
25.000 – 35.000 € junior · 46.000 – 65.000 € con experiencia
demanda altaDiseña, construye y mantiene los pipelines de datos y la infraestructura (lakes, warehouses) que alimentan a los modelos y analistas. Herramientas: Apache Spark, Kafka, Airflow, dbt, Snowflake, BigQuery. Perfil con salarios más altos que data analyst y demanda creciente.
Cómo llegar
Machine Learning Engineer / MLOps Engineer
28.000 – 36.000 € junior · 51.000 – 80.000 € con experiencia
demanda altaPone modelos de ML en producción: define pipelines de entrenamiento, versionado de modelos (MLflow), monitorización de drift, CI/CD para modelos. Combina habilidades de ingeniero de software con conocimientos de ML. Perfil muy escaso y por tanto bien remunerado.
Cómo llegar
Estadístico / Analista Cuantitativo
22.000 – 30.000 € junior · 35.000 – 55.000 € con experiencia
demanda mediaAplica métodos estadísticos rigurosos (diseño experimental, modelos bayesianos, inferencia causal) en sectores como salud, farmacéutica, ciencias sociales, seguros o banca. Más orientado a la inferencia y la validez metodológica que al despliegue de modelos.
Cómo llegar
Business Intelligence Analyst / BI Developer
22.000 – 30.000 € junior · 38.000 – 55.000 € con experiencia
demanda altaDiseña modelos de datos dimensionales, ETL/ELT y cuadros de mando (Power BI, Tableau, Qlik) para el reporting corporativo. Trabaja estrechamente con dirección financiera, marketing y operaciones. Perfil muy demandado en empresas medianas sin equipo de datos avanzado.
Cómo llegar
Investigador / Doctorando en Ciencia de Datos
16.000 – 22.000 € junior · 28.000 – 45.000 € con experiencia
demanda mediaDesarrolla nuevos métodos estadísticos o algoritmos de ML y los publica en revistas científicas. Trabaja en universidades, centros de I+D (CSIC, CRG, BSC) o laboratorios de investigación de grandes tecnológicas (Google DeepMind, Meta AI). Requiere máster y doctorado.
Cómo llegar
Grado en Ingeniería de Tecnologías Industriales + Máster Universitario en Ingeniería Industrial (Programa de Ingeniero/a Industrial)
Universidad Politécnica de Madrid
Doble Grado en Ingeniería Informática + Matemáticas
Universidad Complutense de Madrid
Doble Grado en Ingeniería Física + Ingeniería en Tecnologías Industriales
Universidad Carlos III de Madrid
Grado en Ingeniería en Tecnologías Industriales + Máster en Ingeniería Industrial
Universidad Carlos III de Madrid
Grado en Ingeniería de Tecnologías Aeroespaciales + Máster Universitario en Ingeniería Aeronáutica (Programa de Ingeniero Aeronáutico)
Universidad Politécnica de Madrid
Doble Grado en Ingeniería Informática + Matemáticas
Universidad de Málaga
Cuenta tu experiencia para orientar a futuros estudiantes. Puedes publicar con tu nombre o en anónimo.
Inicia sesión para dejar un comentario.
Haz nuestro test vocacional y descubre qué carrera encaja con tu personalidad.
Descubrir mi carrera idealCalcula tu nota de admisión y descubre si llegas a la nota de corte.
Calcular mi nota4º curso
Orientado a tecnologías de producción y especialización: Big Data: Procesamiento Distribuido y Paralelo (Spark, Hadoop), Análisis de Datos No Estructurados I y II (NLP, imágenes), Minería de Texto, Análisis del Cliente en Marketing y Gestión y Evaluación de Riesgos. Dos optativas y el Trabajo Fin de Grado (12 ECTS) que suele consistir en un proyecto aplicado con datos reales, frecuentemente en colaboración con una empresa o institución.
Asignaturas más difíciles
Métodos Matemáticos para la Ciencia de los Datos I y II(1º)
12 créditos de álgebra lineal, cálculo multivariable y optimización con un ritmo universitario que sorprende a quienes llegan con base de bachillerato media. Es el mayor cuello de botella del primer año según opiniones de alumnos en foros.
Aprendizaje Supervisado II y III(3º)
Requiere dominar simultáneamente la teoría matemática (función de pérdida, regularización, backpropagation) y la implementación práctica (TensorFlow/PyTorch). La carga de trabajo de las prácticas evaluativas es alta. Percepción de los estudiantes en foros como dura de equilibrar con el resto de asignaturas del semestre.
Big Data: Procesamiento Distribuido y Paralelo(4º)
Ecosistema Apache (Spark, Kafka, Hadoop) con curva de aprendizaje pronunciada y entorno de configuración complejo. Se exige comprender arquitecturas distribuidas al tiempo que se programa; las prácticas requieren máquina con buenas prestaciones o acceso a nube.
Series Temporales(2º)
Mezcla estadística clásica (ARIMA, SARIMA) con programación y es una de las asignaturas con mayor densidad matemática del segundo curso, con muchos exámenes parciales según comentarios en plataformas de apuntes (Wuolah/UCM).
Duración oficial
4 años
Prácticas y TFG
Las prácticas externas son optativas (6 ECTS, equivalentes a 150 horas) y se gestionan a través de convenios de la Facultad de Estudios Estadísticos. En la UCM, empresas como consultoras tecnológicas (Accenture, Indra), bancos (BBVA, Santander), startups de IA y organismos como el INE participan en el programa. El TFG (12 ECTS) suele ser un proyecto de análisis de datos reales: desde modelos de predicción de churn para una empresa hasta análisis epidemiológico. La UOC permite realizar el TFG con datos del empleador actual, lo que facilita la integración trabajo-estudio.
Colegiación y oposiciones
No es profesión regulada ni requiere colegiación. No existe cuerpo específico de funcionarios de 'científico de datos', pero hay plazas en la Administración General del Estado como Analista de Sistemas (cuerpo A2, oposición libre) y estadístico del Estado (Cuerpo Superior de Estadísticos del Estado, grupo A1), así como convocatorias en el INE, AEMET y organismos autonómicos de estadística.
Salario en España (bruto/año)
Junior
20.000 – 28.000 €
Con experiencia
36.000 – 50.000 €
Salario en el extranjero (bruto/año)
Alemania
40.000 – 60.000 EUR
Países Bajos
35.000 – 55.000 EUR
Salario en España (bruto/año)
Junior
25.000 – 35.000 €
Con experiencia
46.000 – 65.000 €
Salario en el extranjero (bruto/año)
Alemania
45.000 – 70.000 EUR
Países Bajos
42.000 – 68.000 EUR
Salario en España (bruto/año)
Junior
28.000 – 36.000 €
Con experiencia
51.000 – 80.000 €
Salario en el extranjero (bruto/año)
Alemania
52.000 – 75.000 EUR
Salario en España (bruto/año)
Junior
22.000 – 30.000 €
Con experiencia
35.000 – 55.000 €
Salario en el extranjero (bruto/año)
Alemania
40.000 – 62.000 EUR
Salario en España (bruto/año)
Junior
22.000 – 30.000 €
Con experiencia
38.000 – 55.000 €
Salario en el extranjero (bruto/año)
Alemania
38.000 – 58.000 EUR
Salario en España (bruto/año)
Junior
16.000 – 22.000 €
Con experiencia
28.000 – 45.000 €
Salario en el extranjero (bruto/año)
Alemania
28.000 – 42.000 EUR