La universidad hispanohablante con la máxima calificación en el raking de la reconocida consultora QS World University Rankings
Curso 26/27
4º Edición
El Máster en Big Data y Data Engineering de la UCM es el programa especializado para quienes aspiran a convertirse en los arquitectos de las infraestructuras tecnológicas del futuro. En un mundo donde el volumen de información es masivo, el verdadero reto no es solo analizarla, sino construir los sistemas y tuberías que permitan que esos datos fluyan de manera eficiente, segura y escalable. Este postgrado te sitúa en el núcleo técnico de las organizaciones, enseñándote a diseñar y gestionar ecosistemas de datos complejos que sostienen las operaciones de las empresas líderes a nivel global.
Al cursar este programa en la Universidad Complutense, pasas de ser un usuario de tecnología a ser el profesional que la hace posible. Te especializarás en la creación de pipelines de datos, la integración de sistemas distribuidos y la gestión de entornos cloud, garantizando que la información esté disponible y procesada en tiempo real. Es el camino ideal para perfiles con mentalidad técnica que buscan dominar la ingeniería detrás del Big Data, asegurando que cada estructura diseñada sea capaz de soportar el crecimiento constante del entorno digital. Es, en definitiva, la formación necesaria para ser la pieza fundamental sobre la que se asientan el Data Science y la Inteligencia Artificial.
Información del Master
Universidad
Universidad Complutense de Madrid
Convocatorias / Fechas de inicio
1ª Septiembre / 2ª Febrero
Duración del master
1 Año
Créditos ECTS
60
Ingeniería de datos aplicada al mundo real. Domina la creación de infraestructuras y pipelines de datos con prácticas en entornos Cloud y arquitecturas escalables.
Python
UV
Pytest
Claude Code
Cursor
Skills
OpenSpec
Data Warehouse
Data Lake
Data Lakehouse
Data Fabric
Data Mesh
MongoDB
Redis
Cassandra
Neo4j
Apache Kafka
Apache Spark
Apache Avro
Apache Airflow
Azure
Confluent Cloud
Delta Lake
MLflow
FastAPI
Azure
MCP
DeepEval
LangChain
Microsoft Fabric
Docker
Kubernetes
Modalidades del Master
Data Engineering a tu medida: Modalidades Presencial, Online y Semipresencial
Entendemos que el perfil técnico demanda soluciones que se adapten a su ritmo profesional, por lo que ofrecemos este máster en modalidades presencial, online y semipresencial. Puedes optar por la formación inmersiva en nuestro campus de Madrid, la flexibilidad absoluta de seguir las clases en directo desde cualquier lugar mediante nuestra plataforma digital, o el formato híbrido para gestionar tu tiempo de manera óptima. En cualquier opción, contarás con el respaldo académico de la Universidad Complutense y el contacto constante con profesionales en activo del sector.
Modalidad Presencial
6.900 €
Modalidad Online
4.755 €
Modalidad Semipresencial
5.830 €
Preinscripción UCM 40€
Programa del Máster
Un itinerario enfocado en la arquitectura y el flujo de datos a gran escala
Nuestro plan de estudios está diseñado para que domines el diseño de infraestructuras robustas y escalables. El itinerario recorre desde la ingesta de datos en entornos masivos hasta la orquestación de sistemas complejos y el almacenamiento eficiente en la nube. El objetivo es que el alumno sepa cómo construir arquitecturas que permitan el procesamiento de información tanto en lotes como en tiempo real, asegurando que la tecnología responda siempre a las necesidades de alta disponibilidad que exige el mercado actual.
Python para Desarrolladores
Adquiere un nivel avanzado de Python enfocado puramente a la ingeniería de datos. Domina el lenguaje más versátil del sector junto con herramientas modernas como UV para la gestión de proyectos y Pytest para testing y aprende a programar integraciones robustas, automatizar flujos complejos e interactuar con APIs e infraestructuras. Una pieza clave para orquestar ecosistemas de datos eficientes y sistemas altamente escalables.
Desarrollo asistido por Agentes
Las herramientas de Inteligencia Artificial generativa están transformando la productividad del ingeniero de datos. Aprende a utilizar asistentes de código como Claude Code y Cursor, LLMs, Skills y agentes para acelerar la escritura de pipelines, automatizar tareas repetitivas, generar documentación y detectar errores, integrándote con los flujos de trabajo habituales de ingeniería.
Arquitecturas de datos
Aprende los componentes clave de las arquitecturas de datos modernas: fuentes de datos, capa de ingesta, capa de almacenamiento, capa de procesamiento, capa de servicio y capa de presentación. Conocerás su evolución a lo largo de los años, los principales patrones arquitectónicos como Data Warehouse, Data Lake, Data Lakehouse, Data Fabric y Data Mesh y su implementación en los distintos proveedores cloud.
Modelado de Data Warehouses
Aprende a crear modelos de datos basados en tablas para sistemas informacionales. Domina técnicas como el modelo Entidad-Relación y su paso a tablas, y los fundamentos del modelado dimensional: tablas de hechos y de dimensiones, modelos en estrella y en copo de nieve, y slowly-changing dimensions (SCD).
Modelado de datos no estructurados
Aborda el modelado y almacenamiento de datos en cuatro paradigmas no relacionales ampliamente utilizados en entornos de datos actuales: documental, clave-valor, clave-valor en memoria y grafo. Trabajarás los fundamentos, patrones de uso y criterios de aplicación de tecnologías como Cassandra, Neo4j, Redis y MongoDB, atendiendo a las particularidades de cada modelo y a su encaje en arquitecturas modernas de información.
Apache Kafka y procesamiento en tiempo real
Construye la autopista central de los datos de tu empresa. Domina Apache Kafka para diseñar sistemas de procesamiento de eventos y streaming en tiempo real, la tecnología que lleva más de una década eligiendo la industria cuando los datos no pueden esperar. Aprenderás a conectar y comunicar de forma instantánea múltiples aplicaciones con Kafka Connect, Kafka Streams y KsqlDB y a trabajar con Apache Avro, Azure Event Hubs y Confluent Cloud, garantizando que la información circule sin cuellos de botella.
Apache Spark para pipelines de datos
Exprime el motor líder en procesamiento masivo. Domina la arquitectura interna de Apache Spark, la herramienta de procesamiento distribuido más utilizada para grandes volúmenes de datos en cluster, junto con DataBricks y su integración con Apache Kafka. Aprende a paralelizar cargas de trabajo y gestionar volúmenes de Big Data a velocidades extremas, asegurando la eficiencia computacional de tus sistemas corporativos.
Diseño de Ingestas y Data Lakehouses
Construye repositorios analíticos de próxima generación. La industria lleva años convergiendo hacia el patrón Lakehouse: aprenderás a diseñar sus capas lógicas, elegir formatos de fichero correctos Apache Parquet, Delta Lake y Apache Iceberg y decidir cuándo aplicar una ingesta incremental frente a full load, trabajando con la arquitectura Medallion. Son las decisiones que determinan si un sistema de datos escala o colapsa en seis meses.
Cloud Data Engineering en Azure
Automatiza el flujo de información corporativa. Diseña y orquesta de forma práctica pipelines de datos en Azure, Microsoft Fabric y Databricks, resolviendo retos empresariales reales. Descubrirás cómo montar plataformas sostenibles aplicando control de costes (FinOps), seguridad y gobierno, con el criterio arquitectónico necesario para llevar proyectos a producción con la solvencia de un Data Engineer experimentado.
Diseño y evaluación de Agentes
Un agente que funciona en la demo no siempre funciona en producción. Aprende a diseñar y construir sistemas de agentes con LangChain y LangGraph, definiendo su lógica de decisión, su memoria y su interacción con herramientas externas. Pero el verdadero reto llega después: dominarás DeepEval para medir de forma sistemática la calidad, precisión y fiabilidad de tus agentes, detectando alucinaciones y fallos antes de que lleguen al usuario final. Una disciplina imprescindible para llevar cualquier sistema de agentes a un entorno real con garantías.
Arquitecturas de agentes
El uso de múltiples agentes autónomos especializados y coordinados es clave para obtener buenos resultados. Verás la conexión de un LLM con herramientas, Function Calling y Model Context Protocol (MCP), arquitecturas de razonamiento y estado, patrones para construir sistemas de agentes, y una introducción a LangGraph para orquestarlos.
MLOps
Lleva los modelos de Inteligencia Artificial y sus resultados a un entorno de producción para que generen valor real en el negocio. Trabajarás con Apache Airflow para orquestación, MLflow para el ciclo de vida de los modelos y FastAPI para exponerlos como servicio.
Arquitecturas basadas en contenedores
Aprende el concepto de microservicio y utiliza FastAPI y Docker para desplegar arquitecturas descentralizadas donde varios microservicios se comunican entre sí. Conocerás los patrones típicos de este tipo de arquitectura y cómo llevarla a producción con Kubernetes.
Proyecto Fin de Máster: Arquitectura de datos
Demuestra tu capacidad técnica diseñando una infraestructura de datos completa. El Trabajo Final de Máster (TFM) se centra en la ingeniería de datos: desarrollarás una estrategia global de inteligencia de datos para una empresa, apoyándote en las técnicas y tecnologías más utilizadas en el mercado, desde la ingesta en streaming y el modelado en la nube hasta el despliegue en producción.
Profesores del Máster
Ingeniería de datos impartida por los creadores de infraestructuras masivas
Este máster cuenta con un equipo docente especializado en la estructura compleja del dato: ingenieros de datos y arquitectos de soluciones cloud que gestionan flujos masivos de información a diario. Son expertos que dominan la escalabilidad, la orquestación y la alta disponibilidad en entornos críticos. Su mentoría es fundamental para que comprendas cómo se construyen sistemas robustos que no fallan, transmitiéndote una experiencia práctica sobre herramientas y arquitecturas que solo se adquiere trabajando en la primera línea de la ingeniería de datos.
Pablo Hidalgo
Databricks Champion ML Engineer
Marlon Cárdenas Bonett
Technical leader AI & Generative AI
Jorge Centeno
Head of Data
Luis Garmendia
Ingeniero de Software e Inteligencia Artificial
Juan Fernando Sánchez Martínez
Data Analytics
Luis Leite
Business Intelligence Consultant
Alberto Ezpondaburu
NLP Specialist
Luis Gascó Sánchez
Senior NLP Research Engineer
Javier Domínguez Gómez
Responsable en Ciberseguridad
Eduardo Fernández
Data scientist e ML Engineer
Charles Flores Espinoza
Data Engineer | Data Architect | Machine Learning Engineer | MLOps
Pablo J. Villacorta
Senior Data Scientist & Machine Learning Engineer
Álvaro Bravo Acosta
Big Data Architect y Data Engineer
Santiago Mota Herce
Senior Data Scientist
Daniel Gómez González
Profesor titular en la UCM
Lorenzo Escot Mangas
Profesor titular de la UCM
Javier Monjas
Analytical Project Manager
Conrado Miguel Manuel García
Catedrático EU en la UCM
Cristóbal Pareja Flores
Catedrático EU en la UCM
Pedro Pablo Malagón Amor
Principal Architect en Google
Perfil del alumno
El perfil técnico más buscado. Prepárate para construir las «tuberías» de datos que sostienen a las empresas líderes y garantiza su eficiencia operativa.
Más de
+300
alumnos formados
Metodología del master
Metodología aplicada: Construye infraestructuras reales de datos
Nuestra metodología se centra en la resolución de retos de ingeniería de datos reales. No nos quedamos en la teoría de sistemas; situamos al alumno en entornos de producción donde debe diseñar, implementar y optimizar tuberías de datos y sistemas distribuidos. Este enfoque práctico garantiza que, al finalizar el máster, poseas la capacidad técnica para enfrentarte a problemas de escalabilidad y rendimiento, desarrollando un criterio arquitectónico que es vital para liderar proyectos tecnológicos de alto nivel.
Clases en la Universidad
A través de una combinación de clases teóricas, estudios de casos y proyectos prácticos, te proporcionaremos una experiencia de aprendizaje completa y orientada a la aplicación real.
Aprenderás las herramientas, técnicas e IAs más actuales en escenarios reales. Gestionarás proyectos de forma práctica con el apoyo del equipo docente.
Plataforma de aprendizaje
Los estudiantes del máster tendrán información actualizada sobre los conceptos que se estén aplicando, enlaces, contenidos adicionales, noticias, artículos, etc.
Mensajería individualizada para cada alumno.
Vídeos de las clases y de casos prácticos.
Tutorías online con el profesorado.
Documentación, noticias y contenidos.
Foro de los módulos del master.
Comunicación con los profesores vía mensajería.
Chat entre alumnos.
Salidas profesionales
Proyección profesional como Data Engineer o Ingeniero de Datos
Con una tasa de empleabilidad del 94%, este máster te posiciona en uno de los roles más buscados y mejor remunerados de la industria tecnológica. Te preparamos para destacar como Data Engineer, Arquitecto de Soluciones de Datos o Especialista en Cloud Data, perfiles que son la base de cualquier departamento de innovación moderno. Al finalizar, el sello de la UCM y tu preparación práctica te permitirán liderar la transformación técnica en grandes corporaciones, consultoras de infraestructuras o startups tecnológicas de rápido crecimiento.
Data Engineer (Ingeniero de Datos)
Diseña, construye y mantiene arquitecturas escalables y pipelines para el procesamiento masivo.
Arquitecto Cloud Data
Define y despliega la estrategia de infraestructura de datos en plataformas como Azure o AWS.
Especialista en Ecosistemas Big Data
Gestiona clústeres distribuidos y optimiza el rendimiento usando motores como Apache Spark.
Ingeniero MLOps
Automatiza y asegura el despliegue de modelos de Machine Learning en entornos de producción.
Desarrollador ETL / ELT
Crea flujos automatizados para extraer, transformar y cargar datos masivos de forma eficiente.
Arquitecto de Streaming de Datos
Implementa buses con Apache Kafka para procesar eventos y telemetría en tiempo real sin cortes.
Ingeniero de Data Lakes y Lakehouses
Diseña repositorios centralizados para gobernar terabytes de información cruda y estructurada.
Administrador de Bases NoSQL
Despliega, mantiene y optimiza bases de datos no relacionales de alto rendimiento como MongoDB.
Ingeniero DevOps de Datos
Aplica metodologías CI/CD y orquesta ecosistemas analíticos utilizando Docker y Kubernetes.
Lead Data Engineer
Dirige equipos técnicos responsables de construir las «tuberías» de datos de grandes corporaciones.
Preinscripción
Preinscríbete y realiza tu entrevista con un coordinador del máster que te informará y aconsejará.
Dossier informativo
Descarga el dosier informativo del máster de Ingeniería de datos.
