Maestría en Inteligencia Artificial

Esta asignatura persigue dos objetivos fundamentales: en primer lugar, introducir a los alumnos en la historia, evolución y conceptos clave de la inteligencia artificial; en segundo lugar, transmitir los elementos fundamentales del método científico y los procesos de investigación, así como herramientas de distintos tipos que pueden ser útiles al investigador.

Se estudia la relación entre la computación cognitiva y la inteligencia artificial. Además, se propondrán criterios para la creación de ecosistemas cognitivos y de representación del conocimiento aplicables a modelos computacionales

En esta asignatura, el estudiante aplicará las técnicas de aprendizaje automático considerando estas como meta-algoritmos que usan los datos de entrada como fuente de conocimiento para construir algoritmos de control o de extracción de conocimiento.

El objetivo principal de esta asignatura es proporcionar una comprensión del Deep Learning. Se conocerán los diferentes modelos matemáticos de las redes neuronales profundas, sus componentes más básicos, su historia y evolución, así cómo entrenarlas y desplegarlas. También se estudiarán las diferentes técnicas utilizadas para su optimización, tanto a nivel interno de la red como de los datos utilizados para su entrenamiento y las diferentes y potenciales aplicaciones que tienen.

La lingüística computacional o el procesamiento del lenguaje natural es una disciplina que se ocupa de los sistemas artificiales capaces de usar el lenguaje para extraer información del medio o, incluso, para comunicarse con los humanos. En esta asignatura se abordan los principales algoritmos empleados en el procesamiento del lenguaje natural para el análisis del lenguaje a nivel léxico, sintáctico y semántico.

En los humanos, la adquisición de conocimiento del entorno comienza con los datos obtenidos a través de los sentidos. En los sistemas artificiales se trata de emular los procesos de percepción usando modelos de la visión humana, la comprensión del habla y el procesamiento de otras señales sensoriales. En esta asignatura se proporcionarán las herramientas necesarias para entender cuáles son los elementos esenciales en la percepción computacional entendida como la capacidad que posee una inteligencia artificial de realizar las funciones de comprensión humana, principalmente la visión y el habla.

En esta asignatura se analiza en detalle la representación del mundo que se puede implementar en sistemas con uno o varios agentes, cómo estos agentes pueden razonar individual o colaborativamente acerca de los efectos de sus propias acciones en el mundo real o simulado. Se estudian las principales técnicas de búsqueda empleadas por los planificadores del estado del arte para encontrar un plan, y se muestra como las técnicas de búsqueda se extrapolan a sistemas multi agentes.

En esta asignatura se formula y diseña un proyecto tecnológico utilizando metodologías específicas a través del conocimiento y aplicación de los diversos procesos administrativos y el uso de las normas y procesos que aseguren la calidad en cada una de las fases y productos asociados al proyecto final

La visualización de la información consiste en la representación gráfica de datos por medio de estadísticas, mapas, diagramas y esquemas con dos objetivos: presentarlos a una audiencia determinada (amplia o especializada) y servir como herramienta de análisis para explorar el conocimiento que esos datos esconden. En esta asignatura se verán los principios conceptuales de la visualización de la información y su aplicación práctica.

El estudiante identificará las herramientas de softwares idóneas para desarrollar técnicas de análisis de datos, trabajando con entornos y lenguajes de programación con enfoque en el análisis estadístico y elegirá la más adecuada a los requerimientos de cada proyecto.

En el Proyecto final (Capstone), se aborda la solución para una situación real con un enfoque práctico. Trabajará en el desarrollo de un proyecto original desde cero, aplicando y aprovechando los conocimientos y habilidades aprendidos durante la maestría.