Máster Universitario en Aplicaciones de Supercomputación y Aprendizaje Automático en Ciencia y Tecnología (MUSACT)

MUSACT es un máster profesionalizante interdisciplinar organizado por el Clúster de Computación Científica (C3) de la Universidad de Oviedo. El máster está diseñado para proporcionar formación a los graduados en carreras de ciencias naturales e ingeniería en supercomputación, machine learning e inteligencia artificial.

Preinscripción: 18 de mayo al 19 de junio, 2026

Contenido: Computación científica, análisis de datos y machine learning para trabajar como científico/ingeniero en la empresa o en el mundo académico.
Perfil de ingreso: Graduados en ciencias, ingenierías o disciplinas transversales.
Perfil de egreso: Profesional con formación científica altamente especializado en computación y análisis de datos.
Estructura: Primer semestre de formación básica (programación, supercomputación, machine learning, análisis de datos) y segundo semestre de prácticas, trabajo fin de máster y asignaturas optativas especializadas.
Duración: Un curso académico (60 ECTS).
Lugar: Escuela Politécnica de Mieres (presencial).
Idioma: Castellano e inglés. Requiere B2 de inglés o equivalente.
Ámbito: Énfasis en aplicaciones prácticas. Interdisciplinar.
Profesorado: Científicos del mundo académico y el ámbito empresarial.
Admisión: 20 estudiantes al año. Se valora expediente académico, CV y entrevista.
Página oficial del máster
Contacto: Alberto Otero de la Roza oteroalberto@uniovi.es

Plan de Estudios

Primer semestre (30 créditos, obligatorias)

Herramientas Científicas para el Análisis y Modelización de Datos (6 ECTS)
Computación Científica de Altas Prestaciones (6 ECTS)
Aspectos Legales y Éticos del Tratamiento de Datos Científicos (3 ECTS)
Herramientas Científicas Avanzadas para el Análisis y Modelización de Datos (6 ECTS)
Aprendizaje Automático para Aplicaciones Científicas y Tecnológicas (6 ECTS)
Visualización y Análisis de Datos Científicos (3 ECTS)

Segundo semestre (30 créditos)

Prácticas Externas (6 ECTS)
Trabajo Fin de Máster (12 ECTS)
Cuatro asignaturas optativas (12 ECTS) a escoger entre las siguientes.

Asignaturas optativas (3 ECTS cada una)

Aprendizaje Automático Avanzado para Aplicaciones Científicas y Tecnológicas
Optimización de Procesos Asistida por Ordenador
Biomarcadores Multiómicos para Medicina Personalizada
Cribado de Alto Rendimiento en Ciencia de Materiales
Diseño y Simulación de Nuevos Materiales y Nanoestructuras
Simulación y Diseño Computacional de Biomoléculas
Química Computacional de Moléculas y Sólidos
Interpretación y Análisis de Datos Genómicos
Metagenómica y Transcriptómica

Criterios de admisión

La comisión académica aplicará el siguiente baremo para la selección de los estudiantes candidatos a cursar el máster:

Titulación (hasta 4 puntos): 4 puntos para titulaciones de acceso preferente (grados de ciencias, ingenierías relacionadas con las ciencias y áreas transversales tales como Salud, Ciencias de la Tierra, Materiales y Matemáticas); 2 puntos para otras titulaciones.
Expediente académico (hasta 4 puntos): la nota media del expediente académico en el caso de las titulaciones de acceso preferente; para otras titulaciones, la mitad de la nota media del expediente académico.
Entrevista (hasta 2 puntos): se valoraría el bagaje científico y afinidad por la computación científica.

Se exigirá un nivel mínimo de inglés igual o equivalente a B2.