| Eje básico. |
|
MATERIA |
CONTENIDOS MÍNIMOS |
|
Matemáticas Avanzadas |
1. Ecuaciones diferenciales parciales 2. Sucesiones, series y variables complejas 3. Transformada de Laplace 4. Transformadas de Fourier 5. Transformada Z |
|
Procesos estocásticos |
1. Nociones de probabilidad fundamentales 2. Generalidades en procesos estocásticos 3. Procesos de Márkov discretos 4. Procesos de Márkov continuos 5. Procesos de Poisson |
|
Programación avanzada y bases de datos |
1. Modelos de Bases de Datos 2. Lenguajes relacionales (Álgebra relacional y lenguajes comerciales) 3. Lenguajes de Manipulación de Bases de Datos (DLL, DML, DCL) 4. Estructura de datos avanzados (lineales y no lineales) 5. Cómputo científico (Métodos de aproximación) |
|
Modelos de Aprendizaje supervisados |
1. Regresión lineal y no lineal 2. Clasificación binaria 3. Clasificación multiclases 4. Integración de Modelos de Clasificación 5. Análisis de datos de acuerdo a su naturaleza |
|
Detección de patrones temporales |
1. Bases de datos temporales 2. Dinámica de variables temporales 3. Transformaciones y Análisis espectral 4. Análisis Multidimensional y Estructuras Intrínsecas 5. Métodos de aprendizaje de estructuras |
| Eje aplicado. |
|
MATERIA |
CONTENIDOS MÍNIMOS |
|
Optativa I |
1. Proceso de Adquisición 2. Arquitecturas de almacenamiento y disponibilidad de los datos 3. Fuentes de Datos Estructurados 4. Fuentes de No Estructurados 5. Fuentes de Híbridos |
|
Optativa II |
1. Introducción a las técnicas de visualización de datos 2. Análisis de datos en dimensiones bajas 3. Análisis de datos multidimensional 4. Técnicas y arquitectura para la interacción con los datos 5. Software y Plataformas para el despliegue de datos (dashboard) |
|
Optativa III |
1. Introducción a la ciencia de datos Geográficos 2. Análisis y Procesamiento de Datos Geoespaciales 3. Visualización de Datos Geoespaciales 4. Herramientas de Análisis de Datos Geográficos |
|
Optativa IV |
1. Fundamentos y conceptos de Big Data 2. Infraestructura del Big Data 3. Analítica del Big Data 4. Sistemas de redundancia 5. Arquitecturas redundantes |
|
Optativa V |
1. Fundamentos de Internet de las Cosas (IoT) 2. Tipos de arquitecturas y bloques IoT 3. Dispositivos y sensores inteligentes 4. Sistemas de seguridad y protección 5. Interoperabilidad y portabilidad de la nube |
|
Optativa VI |
1. Introducción a la Econometría Computacional 2. Descripción de variables econométricas y dependencias 3. Modelado de Sistemas Econométricos 4. Análisis de las dependencias entre variables de los sistemas econométricos 5. Modelos de predicción de sistemas econométricos |
|
Optativa VII |
1. Fundamentos de análisis de imágenes 2. Transformaciones 3. Filtrado de imágenes 4. Segmentación 5. Análisis estructural y morfológico |
| Eje de investigación. |
|
MATERIA |
CONTENIDOS MÍNIMOS |
|
Seminario de Investigación I |
1. Introducción a la metodología de la investigación 2. La revisión sistemática como elemento para el desarrollo del marco teórico 3. Estructura de un protocolo de investigación 4. Justificación de un problema de investigación 5. Los elementos que conforman el objetivo, hipótesis y supuesto de investigación |
|
Seminario de Investigación II |
1. Escritura científica 2. Tipos de publicaciones 3. Revistas y buscadores científicos 4. Ética en la comunicación científica 5. Arbitraje de artículos científicos |
| Eje básico de especializado. |
|
MATERIA |
CONTENIDOS MÍNIMOS |
|
Modelos de Aprendizaje no supervisados |
1. Métodos de Preprocesamiento y preparación de datos 2. Características y atributos 3. Determinación del método de aprendizaje sobre los datos 4. Optimización y ajuste paramétrico del modelo 5. Validación del modelo |
|
Modelado y predicción de series de tiempo |
1. Introducción a las series del tiempo 2. Pruebas de bondad de ajuste 3. Modelos de series de tiempo 4. Pronósticos |
