Ingeniería de Datos e Inteligencia Artificial - Semipresencial
ContenidoIngeniería de Datos e Inteligencia Artificial - Online School.
Duración: 2 años 8 meses.
Modalidad semipresencial (fines de semana Online)
Clases con conexiones en vivo a través de plataformas interactivas.
Estudia desde cualquier parte de la república mexicana con acceso a internet, sin asistencia presencial.
Horarios establecidos para conexiones en vivo.
Seguimiento retroalimentación y acompañamiento académico presencial e interactivo a través de plataformas educativas.
Recursos Educativos Digitales
Desarrollo profesional social y emocional.
Clases con conexiones en vivo a través de plataformas interactivas.
Estudia desde cualquier parte de la república mexicana con acceso a internet, sin asistencia presencial.
Horarios establecidos para conexiones en vivo.
Seguimiento retroalimentación y acompañamiento académico presencial e interactivo a través de plataformas educativas.
Recursos Educativos Digitales
Desarrollo profesional social y emocional.
Perfil de egreso.
Objetivo.
Formar profesionales expertos en extraer conocimiento implícito y complejo, potencialmente útil a partir de grandes conjuntos de datos, utilizando métodos de inteligencia artificial, aprendizaje de máquina, estadística, sistemas de bases de datos y modelos matemáticos sobre comportamientos probables, con una actitud, propositiva, analítica y de producción a futuro, socialmente responsables con gran calidad humana y capacidad de liderazgo para apoyar la toma de decisiones de alta dirección.
Conocimientos.
Funcionalidades de herramientas para la transformación a valores de tipos discretos y jerarquía de datos.
Conocer los estándares para la creación de especificaciones de sistemas.
Modelos matemáticos y estadísticos para la transformación de datos.
Conocer los atributos de calidad de los datos y la información.
Clasificación de sistemas manejadores de bases de datos con base en sus
El proceso de programación de algoritmos computacionales.
Metodologías y técnicas para la transformación a valores discretos.
Fundamentos de diseño de bases de datos computacionales (Relacionales, No SQL, BigData).
Modelos matemáticos y estadísticos aplicables al aprendizaje de máquinas.
Técnicas de levantamiento de ingeniería de requisitos.
Normas y estándares para la conformación del documento de especificación del sistema.
Lenguajes de programación aplicables a la Inteligencia Artificial (Prolog, Python, C++, Java, C#).
Soluciones de software y hardware para la adquisición y procesado de imágenes.
Librerías y APIs para la programación de soluciones para la planeación y toma de decisiones.
Analizar y procesar datos estructurados y no estructurados empleando métodos matemáticos, estadísticos, de inteligencia artificial y técnicas acordes a la ciencia de datos.
Dominar, los diversos espacios de aprendizaje que le permitan crear e innovar sus conocimientos por medio de la interacción con la información en formato digital y a través de las redes de comunicación.
Habilidades.
Implementar técnicas de levantamientos de requisitos.
Implementar el modelo de datos a través de la herramienta de modelado.
Implementar modelos para la transformación a valores de tipos discretos y jerarquía de datos.
Implementar ajustes a los modelos de visión artificial, diseñar el modelo y/o técnica de procesado de imagen.
Implementar el proceso de limpieza de los datos en las herramientas pertinentes.
Instalar y configurar sistemas manejadores de bases de datos.
Ejecutar proceso de limpieza de datos aplicando algoritmos y técnicas.
Crear e Implementar un esquema de bases de datos de acuerdo con el modelo de datos.
Seleccionar un modelo y/o técnica para la visión artificial.
Aplicar pruebas de calidad del software en la solución de visión artificial.
Aplicar el modelo y técnica para la planeación y toma de decisiones (teoría de decisión, programación lineal, planeación probabilística, programación dinámica).
Seleccionar un modelo para la toma de decisiones.
Determinar el modelo para la planeación, razonamiento y toma de decisiones a utilizar.
Estructuración en la conformación de información.
Representar algoritmos computacionales.
Desarrollar un modelo para la planeación y toma de decisiones.
Construir modelos matemáticos deterministas o estocásticos, soportados por herramientas computacionales de vanguardia.
Diseñar modelos lineales y no-lineales de optimización a problemas complejos mediante herramientas computacionales.
Diseñar modelos matemáticos complejos que contribuyen a la seguridad de datos y de sistemas informáticos.
Diseñar y crear bases de datos computacionales, que le permitan limpiar y transformar los datos, para la toma
Diseño, selección de modelos de visión artificial.
Utiliza métodos de inteligencia artificial y cómputo cognitivo en la solución de problemas de optimización.
Comunicar información científica y tecnológica en el ámbito de las aplicaciones de las matemáticas a una diversidad de públicos.
Actitudes.
Responsable y confiable en el manejo de la información.
Metodológico en el uso de principios establecidos (ordenado lógico secuencial de las cosas).
Proactivo en el uso de herramientas.
Solución de problemas y conflictos.
Empatía ante las necesidades del cliente.
Trabajo colaborativo en equipos de trabajo.
Organizar y liderar grupos de trabajo.
Toma de decisiones.
Íntegro durante el desarrollo de proyectos.
Organizado con su trabajo.
Reflexivo en su práctica profesional.
Confianza en sí mismo.
Interés por la investigación y mejora de procesos.
Autogestión en el aprendizaje continúo.
Ética en el manejo de la información del cliente (confidencialidad de la información y uso de la información).
Responsabilidad con la adecuada detección de las necesidades.
Entrega en tiempo y forma de los productos de la tarea de acuerdo a la necesidad (cumplimiento).
Honestidad en la propuesta de solución entregada.
Respetuoso de la normatividad nacional e internacionales.
Proactivo y honesto en su desempeño profesional.
Tolerante y respetuoso de la diversidad de ideas.
Creativo en el uso de la tecnología.
Manejo adecuado del estrés.
Plan de estudios.
PRIMER CUATRIMESTRE
Álgebra
Probabilidad y estadística
Matematicas discretas
Física
Matemática para la computación
Lógica y razonamiento computacional
SEGUNDO CUATRIMESTRE
Àlgebra lineal
EstadÍstica inferencial
Cálculo integral y diferencial
Electricidad y magnetismo
Introducción al sistema de información
Métodos numéricos
TERCER CUATRIMESTRE
Programaciòn lineal
Anàlisis de datos
Electrònica
Ecuaciones diferenciales y series
Fundamentos de programaciòn
CUARTO CUATRIMESTRE
Investigaciòn para la ingenerìa
Anàlisi numèrico
Bases de datos i
Lenguajes y autòmatas
Programaciòn orientada a objetos
QUINTO CUATRIMESTRE
Sistemas operativos
Modelaciòn de sistemas
Ingenerìa de software I
Bases de datos II
Anàlisis y diseño de algoritmos
Estructura de datos
SEXTO CUATRIMESTRE
Aprendizaje de maquinas
Simulaciòn de sistemas
Ingenerìa de software II
Bases de datos avanzadas
Programaciòn concurrente y distribuida
Introducciòn a la inteligencia artificial
SÉPTIMO CUATRIMESTRE
temas selectos de aprendizaje de maquinas
graficaciòn por computadora
sistemas distribuidos
agentes inteligentes
programaciòn para la inteligencia artificial
computo en la nube
OCTAVO CUATRIMESTRE
gestiòn de la calidad
visiòn por computadora
analìtica de negocios
minerìa de datos
desarrollo de aplicaciones para la inteligencia artificial y ciencia de datos