Maestría en Inteligencia Artificial

Ciencia y analítica de datos

Fundamentos de ciencia de datos: estructuración, preparación, exploración y visualización de datos.
Métodos avanzados de análisis de datos: análisis estadístico, modelado predictivo, análisis de datos no estructurados.
Integración de ciencia de datos con IA.

Aprendizaje automático

Modelos de aprendizaje supervisado: regresión y clasificación, ensemble learning y métodos avanzados.
Modelos de aprendizaje no supervisado: clusterización y reducción de dimensionalidad, modelos de asociación y detección de anomalías.
Aprendizaje por refuerzo y modelos avanzados.

Procesamiento del lenguaje natural

Modelos de representación de texto: de palabras y frases, de secuencia y atención.
Técnicas avanzadas en NLP: generación de texto y modelos de lenguaje, análisis semántico y sintáctico.

Visión por computadora

Fundamentos de visión por computadora: introducción, conceptos básicos y procesamiento de imágenes.
Modelos y algoritmos de visión por computadora: redes neuronales convolucionales (CNN), modelos avanzados y técnicas de mejora.

Regulación y aspectos legales de la inteligencia artificial

Introducción a la regulación y aspectos legales de IA: fundamentos de regulación en IA, normativas internacionales y nacionales.
Gobernanza y cumplimiento en IA: modelos de gobernanza en IA, tendencias y desafíos regulatorios futuros.

Robótica

Fundamentos de robótica y control.
Integración de IA en robótica: percepción y procesamiento de datos, planificación de tareas y toma de decisiones.

Deep learning

Fundamentos de deep learning.
Redes neuronales convolucionales (CNN): arquitectura, aplicaciones, optimización y avances.
Redes neuronales recurrentes (RNN) y transformadores: fundamentos y aplicaciones de RNN, modelos de transformadores y aplicaciones..

Ingeniería de sistemas inteligentes

Fundamentos de ingeniería de software en IA.
Desarrollo de software para IA: pruebas de algoritmos, herramientas y plataformas de desarrollo.

Emprendimiento tecnológico, social y sostenible en inteligencia artificial

Emprendimiento en inteligencia artificial: modelos de negocio, oportunidades, gestión de proyectos y financiamiento.
Aspectos sociales y sostenibles en el desarrollo de IA.

Inteligencia artificial generativa multimodal

Fundamentos de la inteligencia artificial generativa multimodal: introducción a la IA generativa, arquitecturas avanzadas.
Modelos generativos multimodales.

Estadística para la investigación

Fundamentos de estadística descriptiva: medidas de centralidad y dispersión, representaciones gráficas de datos, distribuciones de probabilidad, muestreo y estimación de parámetros poblacionales.
Inferencia estadística y análisis multivariado: pruebas de hipótesis e intervalos de confianza, análisis de regresión y correlación, métodos de análisis multivariado.

Acerca de la maestría