Ingeniería 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
- sistemas expertos
NOVENO CUATRIMESTRE
- redes neuronales
- evaluaciòn de proyectos tècnològicos
- procesamiento de imágenes digitales
- seguridad de la informaciòn
- redes de computadoras
- sistema de ayuda a la toma de decisiones
