Maestría en Inteligencia Artificial Aplicada de UNADE

TEMARIO

La Maestría en Inteligencia Artificial Aplicada posee una estructura curricular orientada al desarrollo de competencias en inteligencia artificial, aprendizaje automático, minería de datos y desarrollo de sistemas inteligentes, proporcionando una formación integral para el diseño e implementación de soluciones basadas en IA.

Asignatura 1. Introducción a la Inteligencia Artificial.

Introduce los fundamentos de la inteligencia artificial, el razonamiento lógico, la adquisición de conocimiento, los agentes inteligentes y las bases del aprendizaje automático mediante árboles de decisión.

Asignatura 2. Técnicas de Inteligencia Artificial.

Desarrolla las principales técnicas de inteligencia artificial, incluyendo aprendizaje automático, minería de datos, sistemas expertos, algoritmos de clasificación, redes neuronales, sistemas recomendadores, algoritmos genéticos y su aplicación mediante casos de estudio.

Asignatura 3. Minería de Datos.

Aborda los procesos de extracción, procesamiento y análisis de datos, así como la identificación de patrones, el uso de herramientas especializadas y las consideraciones éticas relacionadas con la explotación de la información.

Asignatura 4. Aprendizaje de Máquina.

Estudia los fundamentos del Machine Learning, los distintos tipos de aprendizaje, la implementación de modelos y el desarrollo de proyectos orientados a la resolución de problemas mediante técnicas de aprendizaje automático.

Asignatura 5. Ingeniería de Software para Sistemas Inteligentes.

Analiza el desarrollo de sistemas inteligentes en el contexto de la Industria 4.0, abordando robótica inteligente, visión computacional, representación del conocimiento y ontologías aplicadas a la inteligencia artificial.

Asignatura 6. Introducción al Big Data.

Presenta los fundamentos del Big Data, la gestión de la información en entornos de datos masivos, sus oportunidades y aplicaciones en diferentes sectores económicos y organizacionales.

Asignatura 7. Autómatas y Lenguajes Formales.

Profundiza en los principios de los autómatas, los lenguajes formales, las expresiones regulares y las máquinas de Turing como base teórica de la computación y la inteligencia artificial.

Asignatura 8. Computación Evolutiva.

Examina los fundamentos históricos, las técnicas heurísticas y los principales paradigmas de la computación evolutiva, aplicados al desarrollo de soluciones inteligentes y algoritmos de optimización.

Asignatura 9. Redes Neuronales.

Desarrolla los conceptos fundamentales de las redes neuronales artificiales, sus modelos, paradigmas de funcionamiento y técnicas de aprendizaje supervisado para la construcción de modelos inteligentes.

Asignatura 10. Virtualización y Cloud Computing.

Estudia las tecnologías de computación en la nube, la virtualización de servidores y aplicaciones, así como su aplicación al despliegue y gestión de soluciones de inteligencia artificial.

Asignatura 11. Procesamiento del Lenguaje Natural.

Aborda los principios del procesamiento del lenguaje natural, incluyendo análisis léxico y sintáctico, así como el desarrollo de aplicaciones capaces de interpretar y procesar el lenguaje humano.

Asignatura 12. Preparación para la Investigación.

Proporciona los fundamentos metodológicos de la investigación científica, el diseño de proyectos, la formulación de hipótesis, el análisis de datos y la elaboración del trabajo de investigación.

Asignatura 13. Seminario de Titulación.

Espacio orientado al desarrollo y culminación del trabajo de titulación, integrando los conocimientos adquiridos durante la maestría y aplicándolos a un proyecto de investigación o de desarrollo profesional.