MÁSTER

En Biología Computacional

Entre ETSIAAB y ETSII

MÁSTER

En Biología Computacional

Entre ETSIAAB y ETSII

MÁSTER

En Biología Computacional

Entre ETSIAAB y ETSII

previous arrow
next arrow
Slider

Objetivos y competencias


Los estudios de Máster, en general, tienen la finalidad de que el estudiante adquiera una formación avanzada, de carácter especializado o multidisciplinar, orientada a la especialización académica o profesional, o bien promover la iniciación de tareas investigadoras en áreas académicas específicas. Es en este último escenario en donde se localiza el presente título de Máster Universitario en Biología Computacional.

El Objetivo del presente Máster es proporcionar una formación principalmente orientada a un Biólogo Computacional de perfil científico, aunque se ha diseñado un itinerario que puede permitir adquirir competencias en Ingeniería Bioinformática con especial énfasis en gestión, tratamiento y análisis de datos masivos (big data).

De esta forma, se proporcionará a los profesionales de la Biología y la Informática y, en general, a los profesionales de la Ciencia y la Tecnología, un mayor grado de conocimientos en Biología Computacional, para que estén capacitados para trabajar en Centros y Grupos de Investigación del ámbito de la Bioceonomía (biotecnología vegetal, agroalimentación, salud, medioambiental, etc.) y del ámbito de la informática asociada a bases de datos y big data. Por tanto, la formación adquirida en el máster tiene un importante componente transversal, lo que abre a los titulados un amplio abanico de posibilidades profesionales.

Así, el objetivo global se concreta en los siguientes objetivos específicos:

  • Objetivo 1. Adquirir conocimientos avanzados y demostrar, en un contexto de investigación científica y/o tecnológica, una comprensión detallada y fundamentada de los aspectos teóricos y prácticos y de la metodología de trabajo en Biología Computacional.
  • Objetivo 2. Proporcionar un mayor grado de conocimientos en técnicas y métodos de Biología Computacional para ser capaz de abordar y solucionar problemas de carácter científico y tecnológico.
  • Objetivo 3: Haber desarrollado la autonomía suficiente para participar en proyectos de investigación y colaboraciones científicas o tecnológicas dentro del ámbito de la Biología Computacional, en contextos interdisciplinares y, en su caso, con una alta componente de transferencia del conocimiento.
  • Objetivo 4: Capacitar al alumno para ser creativo a la hora de abordar y solucionar problemas de carácter científico y tecnológico en el ámbito de la Biología Computacional, y para asumir la responsabilidad de su propio desarrollo profesional.

Competencias

Los objetivos anteriormente descritos están encaminados a que los estudiantes adquieran, durante sus estudios, una serie de competencias generales y específicas.

Las competencias del título de Máster Universitario en Biología Computacional se han estructurado en tres categorías.

  • En la primera se incluyen competencias generales, algunas provenientes de un Real Decreto y, por tanto, comunes para cualquier máster en España; otras propuestas por la Universidad Politécnica de Madrid; y, finalmente, algunas incluidas en el estándar de ANECA.
  • En una segunda categoría de competencias se encuentran aquéllas relacionadas con la orientación transversal del título propuesto, que reflejan el objetivo del máster de proporcionar una formación tanto investigadora como de carácter profesional.
  • Finalmente, en una tercera categoría estarán las competencias específicas en Biología Computacional, que diferencian al título propuesto de cualquier otro máster del mismo área de conocimiento.

Todas estas competencias se cubren a lo largo del plan de estudios a través de asignaturas, seminarios y Proyecto Fin de Máster. A continuación, se detallan las competencias asociadas a cada una de las asignaturas de la titulación.

Competencias generales

  • CG1. Poseer los conocimientos que constituyen la base científica y tecnológica de la Biología Computacional, lo que permitirá el desarrollo de ideas originales en este campo, en un contexto de investigación o desarrollo.
  • CG2. Familiarizarse con el trabajo y los métodos de la Biología Computacional en condiciones reales, adquiriendo la capacidad de diseñar aplicaciones/experimentos de forma independiente y describir, cuantificar, analizar y evaluar críticamente los resultados obtenidos.
  • CG3. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con el área de la Biología Computacional.
  • CG4. Que los estudiantes sean capaces de comunicar los fundamentos de sus líneas de trabajo en el área de la Biología Computacional, así como los resultados y conclusiones obtenidos, a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CG5. Que los estudiantes sean capaces de integrar conocimientos en el área de la Biología Computacional, de formular conclusiones, hipótesis o líneas de trabajo a partir de la información disponible, y de formarse una opinión fundamentada sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos.
  • CG6. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo para adaptarse a la rápida evolución prevista en el área de la Biología Computacional.

Competencias transversales

  • CT1. Capacidad para aplicar de forma profesional a su trabajo los conocimientos adquiridos considerando sus impactos en un contexto global y social.
  • CT2. Capacidad para aplicar el método científico para la resolución de problemas de forma efectiva y creativa.
  • CT3. Tener compromiso bioético y profesional y respeto por la sostenibilidad medioambiental.
  • CT4. Capacidad para comunicar a todo tipo de audiencias en lengua inglesa, tanto de forma oral como escrita.
  • CT5. Capacidad para redactar documentos técnicos, y organizar y planificar experimentos y, en general, trabajos de índole profesional.
  • CT6. Capacidad para liderar y trabajar en equipos multidisciplinares y multiculturales en un contexto internacional.
  • CT7. Ser capaz de manejar las tecnologías de la información y comunicación en un contexto profesional.
  • CT8. Tener capacidad de análisis y síntesis para interpretar datos relevantes y abordar los problemas desde diferentes perspectivas.

Competencias específicas

  • CE1. Comprender las bases moleculares y las técnicas experimentales estándares más comunes en las investigaciones ómicas (genómica, transcriptómica, proteómica, metabolómica, interactómica, etc.).
  • CE2. Utilizar sistemas operativos, programas y herramientas de uso común en biología computacional, así como, manejar plataformas de cómputo de altas prestaciones, lenguajes de programación y análisis bioinformáticos.
  • CE3. Analizar e interpretar bioinformáticamente los datos que se derivan de las tecnologías ómicas y proponer soluciones bioinformáticas a problemas derivados de la investigación con dichos datos.
  • CE4. Utilizar diferentes bases de datos (incluidos los big data), conocer sus estructuras y ontologías, aplicar la estadística a su análisis, siendo capaz de utilizar herramientas de representación y visualización.
  • CE5. Utilizar herramientas de biología computacional para el análisis genómico, incluida la genómica comparativa y biología evolutiva.
  • CE6. Identificar las necesidades bioinformáticas de los centros de investigación y las empresas del sector de la biotecnología y la biomedicina.
  • CE7. Aplicar los conocimientos adquiridos a la realización de trabajos científico-tecnológicos en el campo de la Biología Computacional, Bioinformática y big data.
  • CE8. Capacidad de integrar tecnologías y sistemas propios de la Inteligencia Artificial, con carácter generalista, y en contextos más amplios y multidisciplinares.
  • CE9. Capacidad de interpretar los modelos de clasificación supervisada y no supervisada obtenidos al aplicar las técnicas de Aprendizaje Automático para un conjunto de datos.
  • CE10. Conocimiento de las técnicas de representación del conocimiento reutilizables y modelos de razonamiento en entornos centralizados y distribuidos a utilizar en la resolución de problemas que impliquen conducta inteligente.
Copyright © 2021 MBC. Todos los derechos reservados.
ETSIAAB. Campus Ciudad Universitaria, Av. Puerta de Hierro, nº 2 - 4 28040 Madrid.