Este curso de tesina constituye el proyecto final de graduación, en el cual el estudiante aplicará todos los conocimientos adquiridos en los cursos previos de métodos avanzados
en ciencia de datos, deep learning y optimización. El curso está diseñado para guiar al estudiante en el desarrollo de una investigación original y su aplicación en datos reales, desde la revisión de técnicas de investigación hasta la formulación de conclusiones y propuestas

de trabajo futuro. Las primeras dos semanas estarán dedicadas a revisar técnicas de investigación y los elementos clave de una tesis. Las siguientes seis semanas se dedicarán a sesiones individualizadas de asesoría y trabajo para orientar al estudiante en el desarrollo de su proyecto.

Objetivos:

1. Capacitar al estudiante en técnicas de investigación y en la estructura de una tesis en ciencia de datos.

2. Guiar al estudiante en la construcción de un marco teórico, revisión del estado del arte, y desarrollo de una propuesta de investigación.

3. Orientar el análisis comparativo entre datos reales y simulados y su presentación en tablas y gráficos.

4. Facilitar la redacción de conclusiones y la identificación de áreas de trabajo futuro.

5. Preparar al estudiante para la defensa y presentación final de su proyecto de tesina.

Metodología:

El curso combina sesiones teóricas iniciales, trabajo individual, y asesorías personalizadas. En las primeras dos semanas, se cubrirán temas fundamentales de técnicas de investigación y los elementos de una tesis. Luego, el estudiante trabajará de forma independiente en su proyecto, recibiendo orientación en sesiones de asesoría individualizadas cada semana para asegurar el progreso adecuado del proyecto.

Las herramientas y recursos incluyen:

1. Sesiones teóricas: Durante las dos primeras semanas, se presentarán técnicas de investigación y los elementos estructurales de una tesis.

2. Asesoría individual: Se realizarán sesiones semanales de asesoría personalizada para apoyar el desarrollo de la tesina.

3. Foro de consulta: Espacio en Moodle para plantear dudas y recibir retroalimentación continua.

4. Aula virtual en Moodle: Acceso a materiales de apoyo, ejemplos de estructura de tesis y bibliografía complementaria.