Alta Calidad
Educativa
Títulos convalidables
en su país
Becas y
Financiamiento
Flexibilidad
Horaria
El objetivo general de la Maestría en Inteligencia Artificial Aplicada es dotar al estudiante de conocimientos sobre especializados que le otorguen bases teóricas y habilidades para analizar tomar decisiones y resolver problemas de alta complejidad de la mano de herramientas y conceptos fundamentales provistos por la inteligencia artificial.
Los objetivos específicos de este programa son:
- Identificar los conceptos claves de la Inteligencia Artificial y su aplicación en diferentes campos.
- Conocer problemáticas que pueden ser atendidas o apoyadas por herramientas del campo de la Inteligencia Artificial.
- Identificación de modelos de Aprendizaje Máquina, así como de Procesamiento de Lenguaje Natural, como herramientas computacionales.
- Identificación de técnicas de Inteligencia Artificial y su aplicación en diferentes áreas del conocimiento, para la toma de decisiones.
- Identificación de técnicas de Inteligencia Artificial y su aplicación en diferentes áreas del conocimientopara la mejora de los procesos de las organizaciones.
- Crear análisis, síntesis y crítica de la información, respecto a temas específicos de la disciplina de Inteligencia Artificial.
- Analizar sistemas inteligentes que ofrezcan soluciones a las diferentes áreas en una compañía u organización.
La Maestría en Inteligencia Artificial Aplicada está orientada a profesionales y recién egresados que quieren completar su formación académica y conocimientos en temas como Minería de Datos, Aprendizaje de Máquina, Procesamiento de Lenguaje Natural, entre otros, para que desde este aprendizaje y análisis se genere nuevo conocimiento, con base la identificación de nuevos algoritmos y aplicaciones de estas herramientas en otras disciplinas.
Asignatura 1. Introducción a la Inteligencia Artificial.
- Tema 1. Introducción a la IA
- Tema 2. Interacción del razonamiento, la lógica y la adquisición del conocimiento
- Tema 3. Innovaciones en agentes inteligentes
- Tema 4. Aprendizaje automático con árboles de decisión
Asignatura 2. Técnicas de Inteligencia Artificial.
- Tema 1. Inteligencia artificial, aprendizaje automatico y mineria de datos
- Tema 2. Busqueda en inteligencia artificial
- Tema 3. Sistemas expertos basados en reglas
- Tema 4. Incertidumbre e imprecision en sistemas expertos basados en reglas
- Tema 5. Arboles para la toma de decisiones
- Tema 6. Algoritmos de aprendizaje de reglas
- Tema 7. Clasificacion no supervisada
- Tema 8. Sistemas recomendadores
- Tema 9. Sistemas neuronales
- Tema 10. Algoritmos geneticos
- Tema 11. Casos de estudio
Asignatura 3. Minería de Datos.
- Tema 1. Minería de datos
- Tema 2. Procesamiento de datos
- Tema 3. Métodos para el análisis de datos
- Tema 4. Exploración de datos: patrones, ética y herramientas
Asignatura 4. Aprendizaje de Máquina.
- Tema 1. Bases del aprendizaje de máquina
- Tema 2. Tipos de aprendizaje
- Tema 3. Implementación
- Tema 4. Proyecto del aprendizaje máquina
Asignatura 5. Ingeniería de Software para Sistemas Inteligentes.
- Tema 1. Contexto de la industria 4.0
- Tema 2. Robótica inteligente e inteligencia artificial
- Tema 3. Visión computacional
- Tema 4. Representación del Conocimiento y Ontologías
Asignatura 6. Introducción al Big Data.
- Tema 1. ¿Qué es el Big Data?
- Tema 2. Conceptos y oportunidades del Big Data.
- Tema 3. Gestión de la información en entornos Big Data
- Tema 4. Sectores para la aplicación del Big Data.
Asignatura 7. Autómatas y Lenguajes Formales.
- Tema 1. ¿Qué son los autómatas y su unión con los Lenguajes Formales?
- Tema 2. Autómatas finitos deterministas y no deterministas
- Tema 3. Expresiones regulares
- Tema 4. Máquinas de Turing
Asignatura 8. Computación Evolutiva.
- Tema 1. Antecedentes históricos
- Tema 2. Técnicas heurísticas
- Tema 3. Paradigmas principales
- Tema 4. Computación evolutiva en el contexto de la Inteligencia Artificial
Asignatura 9. Redes Neuronales.
- Tema 1. Introducción a las redes neuronales
- Tema 2. Modelos Neuronales
- Tema 3. Paradigmas
- Tema 4. Aprendizaje Supervisado y Redes Neuronales
Asignatura 10. Virtualización y Cloud Computing.
- Tema 1. Introduccion al cloud computing
- Tema 2. Cloud computing aplicado a la gestion empresarial
- Tema 3. Suite de producto vmware vsphere
- Tema 4. Virtualizacion de servidores en la nube
- Tema 5. Virtualizacion de aplicaciones
Asignatura 11. Procesamiento de Leguaje Natural
- Tema 1. Del lenguaje humano al código: la revolución del PNL
- Tema 2. Aplicaciones del procesamiento del lenguaje natural
- Tema 3. Análisis Lexical
- Tema 4. Análisis sintáctico
Asignatura 12. Preparación para la Investigación.
Asignatura 13. Investigación: Normas APA.
Asignatura 14. Seminario de Titulación.
Trabajos tutelados de Investigación para la Tesis.
Líneas de investigación:
Línea 1. Tendencias en Inteligencia Artificial.
Línea 2. Aplicaciones en Inteligencia Artificial.
Línea 3. Prospectiva en Inteligencia Artificial.
Línea 4. Sistemas inteligentes.
Línea 5. Inteligencia Artificial aplicada a la educación.
Línea 6. Inteligencia Artificial y la salud.
Línea 7. Inteligencia artificial y empresas u organizaciones.
Línea 8. Inteligencia artificial y los sistemas de información.
Línea 9. Inteligencia artificial y SoftComputing.
Asignatura 1. Introducción a la Inteligencia Artificial.
- Tema 1. Introducción a la IA
- Tema 2. Interacción del razonamiento, la lógica y la adquisición del conocimiento
- Tema 3. Innovaciones en agentes inteligentes
- Tema 4. Aprendizaje automático con árboles de decisión
Asignatura 2. Técnicas de Inteligencia Artificial.
- Tema 1. Inteligencia artificial, aprendizaje automatico y mineria de datos
- Tema 2. Busqueda en inteligencia artificial
- Tema 3. Sistemas expertos basados en reglas
- Tema 4. Incertidumbre e imprecision en sistemas expertos basados en reglas
- Tema 5. Arboles para la toma de decisiones
- Tema 6. Algoritmos de aprendizaje de reglas
- Tema 7. Clasificacion no supervisada
- Tema 8. Sistemas recomendadores
- Tema 9. Sistemas neuronales
- Tema 10. Algoritmos geneticos
- Tema 11. Casos de estudio
Asignatura 3. Minería de Datos.
- Tema 1. Minería de datos
- Tema 2. Procesamiento de datos
- Tema 3. Métodos para el análisis de datos
- Tema 4. Exploración de datos: patrones, ética y herramientas
Asignatura 4. Aprendizaje de Máquina.
- Tema 1. Bases del aprendizaje de máquina
- Tema 2. Tipos de aprendizaje
- Tema 3. Implementación
- Tema 4. Proyecto del aprendizaje máquina
Asignatura 5. Ingeniería de Software para Sistemas Inteligentes.
- Tema 1. Contexto de la industria 4.0
- Tema 2. Robótica inteligente e inteligencia artificial
- Tema 3. Visión computacional
- Tema 4. Representación del Conocimiento y Ontologías
Asignatura 6. Introducción al Big Data.
- Tema 1. ¿Qué es el Big Data?
- Tema 2. Conceptos y oportunidades del Big Data.
- Tema 3. Gestión de la información en entornos Big Data
- Tema 4. Sectores para la aplicación del Big Data.
Asignatura 7. Autómatas y Lenguajes Formales.
- Tema 1. ¿Qué son los autómatas y su unión con los Lenguajes Formales?
- Tema 2. Autómatas finitos deterministas y no deterministas
- Tema 3. Expresiones regulares
- Tema 4. Máquinas de Turing
Asignatura 1. Introducción a la Inteligencia Artificial.
- Tema 1. Introducción a la IA
- Tema 2. Interacción del razonamiento, la lógica y la adquisición del conocimiento
- Tema 3. Innovaciones en agentes inteligentes
- Tema 4. Aprendizaje automático con árboles de decisión
Asignatura 2. Técnicas de Inteligencia Artificial.
- Tema 1. Inteligencia artificial, aprendizaje automatico y mineria de datos
- Tema 2. Busqueda en inteligencia artificial
- Tema 3. Sistemas expertos basados en reglas
- Tema 4. Incertidumbre e imprecision en sistemas expertos basados en reglas
- Tema 5. Arboles para la toma de decisiones
- Tema 6. Algoritmos de aprendizaje de reglas
- Tema 7. Clasificacion no supervisada
- Tema 8. Sistemas recomendadores
- Tema 9. Sistemas neuronales
- Tema 10. Algoritmos geneticos
- Tema 11. Casos de estudio
Asignatura 3. Minería de Datos.
- Tema 1. Minería de datos
- Tema 2. Procesamiento de datos
- Tema 3. Métodos para el análisis de datos
- Tema 4. Exploración de datos: patrones, ética y herramientas
Asignatura 4. Aprendizaje de Máquina.
- Tema 1. Bases del aprendizaje de máquina
- Tema 2. Tipos de aprendizaje
- Tema 3. Implementación
- Tema 4. Proyecto del aprendizaje máquina
Asignatura 5. Ingeniería de Software para Sistemas Inteligentes.
- Tema 1. Contexto de la industria 4.0
- Tema 2. Robótica inteligente e inteligencia artificial
- Tema 3. Visión computacional
- Tema 4. Representación del Conocimiento y Ontologías
Asignatura 6. Introducción al Big Data.
- Tema 1. ¿Qué es el Big Data?
- Tema 2. Conceptos y oportunidades del Big Data.
- Tema 3. Gestión de la información en entornos Big Data
- Tema 4. Sectores para la aplicación del Big Data.
Asignatura 7. Autómatas y Lenguajes Formales.
- Tema 1. ¿Qué son los autómatas y su unión con los Lenguajes Formales?
- Tema 2. Autómatas finitos deterministas y no deterministas
- Tema 3. Expresiones regulares
- Tema 4. Máquinas de Turing
Asignatura 8. Computación Evolutiva.
- Tema 1. Antecedentes históricos
- Tema 2. Técnicas heurísticas
- Tema 3. Paradigmas principales
- Tema 4. Computación evolutiva en el contexto de la Inteligencia Artificial
Asignatura 9. Redes Neuronales.
- Tema 1. Introducción a las redes neuronales
- Tema 2. Modelos Neuronales
- Tema 3. Paradigmas
- Tema 4. Aprendizaje Supervisado y Redes Neuronales
Asignatura 10. Virtualización y Cloud Computing.
- Tema 1. Introduccion al cloud computing
- Tema 2. Cloud computing aplicado a la gestion empresarial
- Tema 3. Suite de producto vmware vsphere
- Tema 4. Virtualizacion de servidores en la nube
- Tema 5. Virtualizacion de aplicaciones
Asignatura 11. Procesamiento de Leguaje Natural
- Tema 1. Del lenguaje humano al código: la revolución del PNL
- Tema 2. Aplicaciones del procesamiento del lenguaje natural
- Tema 3. Análisis Lexical
- Tema 4. Análisis sintáctico
Asignatura 12. Preparación para la Investigación.
Asignatura 13. Investigación: Normas Apa.
Asignatura 13. Seminario de Titulación.
Trabajos tutelados de Investigación para la Tesis.
Líneas de investigación:
Línea 1. Tendencias en Inteligencia Artificial.
Línea 2. Aplicaciones en Inteligencia Artificial.
Línea 3. Prospectiva en Inteligencia Artificial.
Línea 4. Sistemas inteligentes.
Línea 5. Inteligencia Artificial aplicada a la educación.
Línea 6. Inteligencia Artificial y la salud.
Línea 7. Inteligencia artificial y empresas u organizaciones.
Línea 8. Inteligencia artificial y los sistemas de información.
Línea 9. Inteligencia artificial y SoftComputing.