Formar ingenieros capaces de diseñar, implementar y evaluar soluciones basadas en ciencia de datos e inteligencia artificial, con competencias para liderar proyectos multidisciplinarios y contribuir al desarrollo científico-tecnológico del país.

• Desarrollar competencias en modelado matemático y estadístico para la extracción de conocimiento.
• Implementar arquitecturas de software y despliegue productivo de modelos IA.
• Fortalecer la capacidad investigativa y el trabajo colaborativo con el sector público y privado.
• Promover prácticas éticas y responsables en el uso de datos y algoritmos.

• Conocimientos básicos de matemáticas y programación.
• Interés en investigación, análisis de datos y resolución de problemas complejos.
• Habilidades de comunicación y trabajo en equipo.

Se recomienda dominio inicial de programación (Python) y álgebra básica.

El egresado tendrá la capacidad de procesar grandes volúmenes de datos, aplicar técnicas avanzadas de machine learning y deep learning, diseñar soluciones escalables en la nube, liderar proyectos de innovación y comunicar resultados para la toma de decisiones.

• Proyecto integrador (desarrollo y puesta en producción).
• Artículo científico (publicable en revista indexada).
• Ensayo técnico-científico o monografía.

Los trabajos de titulación incluyen tutoría académica y defensa pública.

Se aplican metodologías activas: aprendizaje basado en proyectos (PBL), laboratorios prácticos, seminarios, prácticas preprofesionales y colaboración con empresas e instituciones para la validación de soluciones.

• Fundamentos: Cálculo, Álgebra Lineal, Probabilidad y Estadística.
• Programación y SW: Programación avanzada, estructuras de datos, bases de datos y APIs.
• Ciencia de Datos: Minería de datos, Big Data, visualización, limpieza y gestión de datos.
• IA aplicada: Machine Learning, Deep Learning, NLP, Visión por Computador, MLOps.
• Ética y Gobernanza: Privacidad, legislación y responsabilidad algorítmica.

Laboratorios de cómputo con GPU, entornos en la nube, plataformas Moodle y herramientas colaborativas. Acceso a repositorios, datasets y recursos para prácticas y proyectos de investigación aplicada.

• Aprendizaje profundo y modelos generativos.
• IA aplicada a salud y bioinformática.
• Sistemas multiagente y simulación.
• IA para agricultura y monitoreo ambiental.

Alianzas estratégicas con empresas tecnológicas, institutos de investigación y organismos públicos para prácticas, proyectos conjuntos y transferencia tecnológica.