Grado en Matemáticas

Información del curso
Descripción
Una formación sólida en Matemáticas, con un enfoque destacado en estadística y computación. Ofrece dos especializaciones de alta demanda en los ámbitos laboral e investigativo: Matemáticas Financieras y Matemáticas Computacionales.
Este grado te proporcionará una formación sólida en matemáticas, enfocada en el lenguaje y formalismo necesario para abordar los retos tecnológicos. Incluirá una fuerte base en estadística y computación matemática, independientemente de la especialización elegida. Además, tendrás la oportunidad de obtener un Título Formativo en Comunicación Creativa Transmedia, que te permitirá adquirir competencias en comunicación y la industria audiovisual.
Este grado te proporcionará una formación sólida en matemáticas, enfocada en el lenguaje y formalismo necesario para abordar los retos tecnológicos. Incluirá una fuerte base en estadística y computación matemática, independientemente de la especialización elegida. Además, tendrás la oportunidad de obtener un Título Formativo en Comunicación Creativa Transmedia, que te permitirá adquirir competencias en comunicación y la industria audiovisual.
Temario
Primer curso
- Álgebra Lineal I
- Cálculo en una variable
- Aproximación Numérica
- Introducción a la Programación
- Estadística Descriptiva e inferencial
- Geometría Proyectiva
- Cálculo en varias variables
- Matemática Probabilística
- Programación Avanzada
- Topología Elemental
- Estructuras Algebraicas
- Análisis Funcional
- Métodos Numéricos para el Álgebra Lineal
- Base de Datos
- Análisis Multivariante
- Geometría Diferencial I
- Análisis Básico de Variable Compleja
- Topología en Bajas Dimensiones
- Lenguajes de Programación y herramientas informáticas
- Estadística Bayesiana
- Álgebra Conmutativa
- Matemática de Ecuaciones Diferenciales Ordinarias
- Álgebra Lineal Computacional
- Ciencia de Datos
- Modelos y Métodos Estadísticos
- Geometría Diferencial de Variedades
- Matemática de Ecuaciones Derivadas Parciales
- Teoría de la Medida
- Introducción a las Series Temporales
- Topología Avanzada
- Metodologías ágiles para la gestión de proyectos.
- Optativa I.
- Optativa II.
- Optativa III.
- Optativa IV.
- Trabajo de Fin de Grado.
- Optativa V.
- Optativa VI.
- Optativa VII.
- Optativa VIII.
- Machine Learning I.
- Machine Learning II.
- Inteligencia Artificial.
- Visualización de datos.
- Series Temporales en Entornos de Programación Científica.
- Minería de Datos
- Modelos Gráficos
- Modelos Gráficos
- Sistemas y mercados financieros.
- Macroeconomía I.
- Matemáticas Financieras.
- Econometría.
- Análisis de los estados financieros.
- Métodos matemáticos para la toma de decisiones.
- Planificación financiera.
- Modelos Gráficos.
Destinatarios
Preferiblemente un egresado de Bachiller Tecnológico-científico o bien de Bachiller de Ciencias de la Salud. En su defecto, egresado de un grado medio o superior con una sólida base matemática.
Metodología
Modalidad: Presencial.
Idiomas en los que se imparte
Español.
Duración
Duración: 4 años (240 ECTS).
Inicio: Octubre 2025.
Objetivos
Con esta carrera en Matemáticas, recibirás una formación completa en fundamentos matemáticos que te proporcionarán una amplia visión para resolver problemas complejos.
Titulación obtenida
Título oficial. Evaluado favorablemente por la Fundación para el Conocimiento Madrid. Tiene validez en los países del Espacio Europeo de Educación Superior (EEES).
Perspectivas laborales
Las principales salidas profesionales del Grado en Matemáticas de UNIE son:
- Estadístico.
- Analista de Riesgos.
- Analista Programador.
- Especialista Big Data.
- Actuario.
- Chief Data Officer.
- Analista financiero o de valores.
- Arquitecto Big Data.
- Gestor de transferencia Tecnológica.
- Director de proyecto TIC.
- Docente de educación superior.
Promociones
Consulta ayudas al estudio.
Precio
entre 5.000 € y 10.000 €
Entre 8.000 y 9.000 euros.
Ventajas del curso
Lugar donde se imparte el curso
Campus Arapiles (Madrid).
Campus y sedes: UNIE Universidad
UNIE Universidad Arapiles
C/ Arapiles, 14
28015
Madrid