Fundamentos de las ciencias de la computación

• Estructuras de datos (listas, árboles, grafos, etc.) y algoritmos (ordenamiento, búsqueda, recorridos, etc.).
• Teoría de la computación: conceptos fundamentales, autómatas, gramáticas formales, complejidad computacional y computabilidad.

Introducción a la inteligencia artificial

• Fundamentos y áreas de la inteligencia artificial
• Técnicas y métodos en IA: aprendizaje automático (ML), redes neuronales y deep learning.

Ingeniería del conocimiento

• Fundamentos de la ingeniería del conocimiento.
• Adquisición y modelado del conocimiento.
• Integración con ciencia de datos: preparación de datos y aplicación de conocimiento para modelos de IA.

Matemática aplicada a la inteligencia artificial

• Álgebra lineal para IA: vectores y espacios vectoriales, matrices y transformaciones.
• Cálculo (diferencial e integral) y optimización (convexa y no convexa).
• Probabilidad y estadística.

Ética y responsabilidad en el desarrollo de inteligencia artificial

• Principios éticos en inteligencia artificial: desafíos éticos y dilemas, impacto social y responsabilidad corporativa.
• Ética en la innovación y el emprendimiento de IA.

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.

Innovación y gestión de la inteligencia artificial

• Innovación en inteligencia artificial: estrategias de innovación en IA, desarrollo de nuevas soluciones y productos.
• Gestión y gobernanza de la inteligencia artificial: creación de valor y estrategias de implementación.

Seminario de investigación I

• Definiciones fundamentales de investigación.
• Marco teórico e hipótesis de investigación.
• Marco metodológico de investigación y aspectos administrativos.

Seminario de investigación II

• Elaboración y validación de instrumentos de recolección de datos.
• Recolección de datos de investigación.
• Análisis de resultados de investigación.

Seminario de investigación III

• Discusión de los resultados de investigación.
• Conclusiones, recomendaciones y páginas preliminares de investigación.
• Revisión y sustentación previa del informe de investigación.