En las últimas décadas, la inteligencia artificial ha tenido un papel creciente en el desarrollo y avance de la civilización moderna, encontrando nuevos campos de aplicación. La Maestría en Ciencias en Inteligencia Artificial se enfoca en el estudio de los métodos y técnicas computacionales no convencionales aplicadas a las ciencias y la ingeniería encaminados en resolver los problemas del entorno local y global.

Objetivo general

Formar capital humano de alta calidad académica y humana, con conocimientos y habilidades para investigar, diseñar, desarrollar, administrar y supervisar sistemas de inteligencia artificial, basados en métodos y tecnologías innovadoras que den solución a las demandas del país, en las áreas de la salud, seguridad, vivienda, movilidad, energía y cambio climático.

Objetivos particulares

  1. Contribuir con la formación de maestros en ciencias en inteligencia artificial con la capacidad para llevar a cabo investigación y aplicar sus conocimientos para generar soluciones prácticas a problemas del sector productivo que contribuyan al desarrollo y bienestar social.
  2. Contribuir a la generación de conocimiento nuevo a partir de trabajo de investigación original que contribuya al desarrollo científico de la inteligencia artificial.
  3. Impulsar la movilidad estudiantil con instituciones nacionales o extranjeras que favorezca la diversificación del conocimiento y su aplicación en la resolución de problemas dentro del contexto local y global.

 

El programa de Maestría en Ciencias en Inteligencia Artificial está dirigido a egresados o profesionistas de diversas áreas de ingeniería afines, tales como automatización, mecatrónica, computación, biomédica, matemáticas, nanotecnología, eléctrica, electrónica, telecomunicaciones, entre otras; que deseen obtener conocimientos en las áreas de investigación relacionadas a la inteligencia artificial.

Los aspirantes a la Maestría en Ciencias en Inteligencia Artificial deben contar con los conocimientos, habilidades, actitudes y valores siguientes:

Conocimientos

  • Poseer conocimientos sólidos en matemáticas (probabilidad y estadística, análisis numérico, ecuaciones diferenciales) y programación.
  • Tener conocimiento del idioma inglés.

Habilidades

  • Habilidad para comunicación de manera oral y escrita empleando lenguaje técnico.
  • Aprender nuevas teorías y metodologías de forma supervisada.
  • Redacción de documentos técnicos.

Actitudes y valores

  • Interés por realizar actividades de investigación y desarrollo tecnológico.
  • Gusto por la lectura de diversos tipos de documentos técnicos (libros, manuales, reportes, artículos).
  • Proactiva para alcanzar los objetivos de investigación planteados.
  • Colaboradora para integrarse en grupos de trabajo multidisciplinarios.
  • Propositiva para llegar a soluciones viables mediante reflexión.
  • Crítica y reflexiva para toma de decisiones.
  • Responsabilidad para llevar atender los compromisos académicos y administrativos en tiempo y forma.
  • Compromiso para realizar trabajo de investigación con impacto social.

Capacidades

  • Capacidad de análisis y síntesis.
  • Capacidad de organización y planificación.
  • Capacidad para aprender de un segundo idioma.
  • Capacidad para trabajar en equipo.

Al término de sus estudios se espera que adquiera los siguientes conocimientos, habilidades, actitudes y valores.

Conocimientos

  • Dentro del área de IA: Aprendizaje automático, algoritmos evolutivos, sistemas difusos, ciencia de datos, programación avanzada.

Habilidades

  • Investigar usando el método científico, difundir el conocimiento mediante artículos científicos, usar herramientas especializadas para analizar y resolver problemas de las ciencias y la ingeniería.

Actitudes y valores

  • Mejorar el entorno social y cultural mediante la aplicación de la ciencia y la ingeniería con una visión humana y un alto sentido ético, preservando los recursos naturales.

 

Al término del programa el egresado tendrá los conocimientos, habilidades, actitudes y valores para diseñar, administrar y ejecutar proyectos de investigación y desarrollo tecnológico de alto valor agregado mediante el uso de herramientas basadas en inteligencia artificial aplicables a los sectores social, industrial y/o salud. Para lograrlo se transmitirá un conocimiento sólido de la ciencia y tecnología junto con el desarrollo de las siguientes competencias:


1) Desarrollar conocimientos de matemáticas, ciencia e ingeniería.
2) Diseñar y conducir experimentos, conjeturas, así como analizar e interpretar datos.
3) Diseñar un sistema, componente o proceso para satisfacer las necesidades dentro de restricciones económicas, de medio ambiente, sociales, políticas, éticas, de salud y seguridad, de manufactura y sustentabilidad.
4) Trabajar en equipos multidisciplinarios.
5) Identificar, formular y resolver problemas de ingeniería de forma colaborativa.
6) Entender y practicar la responsabilidad ética y profesional.
7) Comunicar de manera oral y escrita productos de la investigación.
8) Identificar el impacto de las soluciones ingenieriles en un contexto global, científico, económico, de medio ambiente y social.
9) Identificar la necesidad de involucrarse en el aprendizaje continuo.
10) Identificar tópicos contemporáneos de inteligencia artificial.
11) Desarrollar técnicas, habilidades y herramientas basadas en inteligencia artificial necesarios para la aplicación e innovación en la ingeniería.

Admisión o ingreso: Semestral

Plan: Semestral

Duración: 2 años

Líneas Terminales:

  1. Desarrollo de Hardware y Software
  2. Ingeniería Biomédica

El sistema adoptado para éste programa de Maestría en Ciencias en Inteligencia Artificial es por semestres y por créditos, un alumno de dedicación completa puede obtener el grado de maestro en ciencias en el transcurso de 4 semestres académicos con una duración de 18 semanas de ciclo lectivo. Se considera como máximo un semestre adicional para obtener el grado de maestro en ciencias en inteligencia artificial. 

 

Se establece un total de 15 asignaturas curriculares, que corresponden a 90 créditos mismos que incluyen 18 créditos que pertenecen a la elaboración de tesis de grado. El estudiante podrá cursar 30 créditos en el primer semestre, 30 en el segundo, 24 en el tercero y 6 en el último semestre, sin embargo, la asignación de asignaturas puede variar en cada semestre dependiendo del desempeño del estudiante y su planificación de movilidad académica. La propuesta incluye una asignatura optativa llamada "Estancia Académica" que permite fomentar la movilidad de los estudiantes, ya sea en instituciones nacionales o extranjeras.


La estructura del programa comprende un Paquete Básico, formado por seis asignaturas para uniformizar los conocimientos básicos de matemáticas computacionales aplicadas a la ingeniería y el seguimiento metodológico y sistemático de alumno hasta la obtención del grado, las asignaturas del paquete básico suman 36 créditos. El Paquete Primario que intenta proporcionar al estudiante los conocimientos fundamentales del área de estudio, comprende 30 créditos; y un Paquete Especializado para profundizar en el área disciplinar del estudiante, con 24 créditos, para integrar un total de 90 créditos.

  

 Optativas de Especialidad
Análisis de Biopotenciales
Análisis de Imágenes Médicas
Aprendizaje por Refuerzo 
Autómatas y Lenguajes Formales 
Computación Afectiva 
Computación Granular 
Cómputo Reconfigurable
Estancia Académica
Ambientes Virtuales y Aumentados en Inteligencia Artificial
Inteligencia Artificial en la Biomédica
Modelado y Simulación Computacional
Procesamiento de Lenguaje Natural
Tópicos Selectos I
Tópicos Selectos II
Visión por Computadora

 

Inscripción: $1,500 MN semestrales

Asignaturas: $350 MN el crédito de cada asignatura

Nota: Los alumnos con dedicación exclusiva a la MCIA pueden postularse para obtener una beca de manutención del CONAHCYT y la UAQ les podrá condonar los pagos de las asignaturas.

El conjunto de profesores de tiempo completo que tienen bajo su responsabilidad la conducción del programa integra el núcleo académico, los cuales cuentan con nivel de estudios de doctorado, pertenecen al Sistema Nacional de Investigadoras e Investigadores (SNII) y realizan actividades de investigación y desarrollo tecnológico en el área de generación y/o aplicación del conocimiento del programa. 

 

Docente Egresado PRODEP Nivel SNII
Dr. Jesús Carlos Pedraza Ortega Universidad de Tsukuba ✓ II
Dr. Andras Takacs UAQ   I
Dr. Efrén Gorrostieta Hurtado CIDESI ✓ I
Dr. Juan Manuel Ramos Arreguín CIDESI ✓ I
Dr. Saúl Tovar Arriaga  Universidad Erlangen-Nuremberg ✓ I
Dr. Alberto Hernández Almada CINVESTAV ✓ I
Dr. Marco Antonio Aceves Fernández Universidad de Liverpool ✓ I
Dr. Luis Alberto Morales Hernández UAQ ✓ I
Dr. Edgar Rivas Araiza UAQ ✓ I

 

Generación 2023-2  
Expediente Nombre Proyecto
326904 Bacilio Díaz Carlos Alberto Aplicación de inteligencia artificial para identificación de los parámetros de un motor neumático para el control de posición
244534 Castillo Rocha Oliverio Análisis de imágenes de tomografía de coherencia óptica mediante técnicas de inteligencia artificial para la detección de patrones indicativos de Glaucoma
274919 Castillo Santos Monica Noelia Reconstrucción de parámetros cosmográficos con inteligencia artificial
326908 Garcia Cigarroa Luis Fernando Automatización de la prueba DEM aplicando Inteligencia Artificial.
326907 Juarez Castro Flavio Alfonso Desarrollo de algoritmos de aprendizaje profundo para clasificación de movimientos de brazo mediante señales EMG.
236557 Llaca Sanchez Brandon Alejandro Análisis de exámenes del lenguaje para la detección temprana de Alzheimer: Un enfoque de Aprendizaje Automático.
272464 Marin Chavez Dulce Sofia Metodología basada en inteligencia artificial para detección de anormalidades asociadas al cáncer de mama en imágenes termográficas infrarrojas
326909 Medellin Robles Rodrigo Deep Learning to segment neonatal and infant cardiac chambers using ultrasound images for detection of congenital heart defects
326905 Miranda Leon Maria Laura Detección de somnolencia enfocado a conductores de automóviles con procesamiento de imágenes y CNN.
326902 Nava Gonzalez Jorge Antonio Modelo de aprendizaje profundo para detección de anomalías en vasos sanguíneos asociados al glaucoma en imágenes de fondo de ojo
327089 Perez Carrasco Perla Detección de mala postura mediante visión artificial utilizando redes neuronales convolucionales
326903 Ramirez Lugo Gustavo Sistema inteligente con un modelo neuro-difuso para análisis, clasificación y generación de señales mioeléctricas para interacción entre músculos dañados.
326992 Toledo Rios Juan Salvador Development of an artificial intelligence model for the detection of attention states.
247332 Vilchis Yubi Alejandra Sistema embebido basado en termografía infrarroja de bajo costo e inteligencia artificial para la detección de anomalías en miembro inferior.
326906 Villanueva Medina Leonardo Daniel Reconocimiento de emociones musicales basado en características de audio dotadas de un contexto.

 

Generación 2023-1  
Expediente Nombre Proyecto
320367 López Chiquito Alejandra Verónica Predicción de Hipertensión Pulmonar en pacientes con fibrosis pulmonar usando tomografías computarizadas (CT)
246169 Quiróz Calvillo Edgar Adrian Modelo de Lenguaje para la predicción en el mercado de Valores
320366 Lara Arellano Edgar Modelo de inteligencia artificial para decodificar el habla imaginada

 

Generación 2022-2  
Expediente Nombre Proyecto
311369 García Ezquerra Carlos Alberto Application of Artificial Intelligence Attention Mechanisms for the Classification of Cognitive Attention Levels
317931 Matías Pacheco Alejandro Daniel MAV Autonomous Landing on a Moving Platform Using Deep Learning Algorithms
317932 Ramos Morales Ijtsi Dzaya Extraction of dementia features from audio and text records using Machine Learning Algorithms
309238 Mena Camilo Enrique Ensamble de modelos de aprendizaje profundo para clasificación de riesgo de coledocolitiasis
317934 Maciel Jacobo José Luis Predicción de excedencias de partículas contaminantes en el ambiente mediante técnicas de inteligencia artificial
317937 Aviña Muñoz Juan Manuel Generación de estructuras 3D por medio de Redes Neuronales
317933 Castillo Salazar Joaquín Omar Reconstrucción tridimensional de objetos implementando técnicas de Deep Learning en el método de PSP con franjas RGB.
244112 Sánchez Martínez Carlos Manuel  Microservicios para la detección de muesca en el disco óptico.

 

Generación 2022-1  
Expediente Nombre Proyecto
311374 Garcia Porras Oscar Análisis de redes neuronales profundas con capas monogénicas para robustecer su seguridad frente ataques adversarios para la clasificación de imágenes
311371 Domínguez Molina Luis Alonso Evaluación del proceso de soldadura por resistencia por medio de imágenes termográficas y no termográficas
262775 Cervantes Marquez Aldo Aprendizaje por refuerzo aplicado a control de posición de una pata de 3 grados de libertad
311375 Leyva López Sheila Predicción del daño pulmonar ocasionado por fibrosis pulmonar idiopática mediante aprendizaje profundo en imágenes de tomografía computarizada de tórax
311317 Hernández de los Santos Omar Generación de componentes espectrales sintéticos relacionados con el electrorretinograma mediante modelos generativos adversarios: implicación en modelos predictivos de retinopatía
309294 Alfaro López Roberto de Jesús Detección de Obstáculos y Planeación de Ruta para un Vehículo Autónomo
311372 Estrella Ibarra Luis Felipe Segmentación de aneurismas dentro del sistema cerebrovascular a partir de 3D-TOF MRA por medio de técnicas de aprendizaje profundo.

 

Generación 2021-2  
Expediente Nombre Proyecto
309228 Acosta Tolentino Alan Propuesta de modelo de Deep Learning desde una perspectiva neurocientífica: En busca de Inteligencia Artificial Generalizada
309239 Anguiano Almejo Javier Modelo de inteligencia artificial para clasificación y segmentación de atrofia peripapilar Alfa y Beta en imágenes de fondo de ojo
247757 Bello Diaz Alea Fernanda  Clasificación de estados de atención visual con métricas de seguimiento ocular mediante técnicas de aprendizaje profundo
219542 Campos Nuñez Fernando Humberto Detección y clasificación de hepatitis c mediante técnicas de inteligencia artificial basados en computación granular
309231 Flores Muñoz Jorge de Jesús Desarrollo de un sistema de Deraining basado en algoritmos de inteligencia artificial
261724 García Gutiérrez Antonio Diseño de un algoritmo inteligente para la predicción de mantenimiento preventivo en los hornos regenerativos.
309237 Guzmán Moreno Carlos Alberto Sistema inteligente de asistencia a la conducción para el frenado automático de vehículos automotrices
309233 Hernández Barrera José Eduardo Computer-Aided Diagnosis based on detection and segmentation of Wedge-Shaped Retinal Nerve Fiber  Layer Defect on fundus images.
309232 Hernández Nava Gerardo Predicción de eventos epilépticos mediante técnicas de aprendizaje profundo usando señales EEG.
309235 León Ruíz Álvaro Metodología inteligente para el proceso de soldadura mig en un robot industrial abb irb 4600-40/2.55
262937 López Ibarra Mariana Yunuen Desarrollo de algoritmo inteligente para la detección de insuficiencia cardiaca
309236 Ortega Gómez Juan Ignacio Diseño e implementación de la percepción para un vehículo autónomo
309229 Rodríguez Flores Cecilia Gabriela Predicción en la clasificación de anormalidades precursoras de cáncer de mama mediante técnicas de aprendizaje profundo
262954 Sánchez Osti Marzela Detección y clasificación de mirocalcificaciones en mamografías mediante técnicas de inteligencia artificial.
240959 Silva Velázquez Armando  Reconocimiento de la intención del peatón de cruzar mediante Inteligencia Artificial
309234 Tapia Méndez Enoc Sistema de alerta del estado de maduración de alimentos frescos dentro de un refrigerador utilizando inteligencia artificial

 

La principal LGAC que permite que la investigación científica y la formación de los estudiantes tenga un enfoque disciplinar, inter, multi y transdisciplinar es la de “Inteligencia Artificial Aplicada a la Ciencia e Ingeniería”, ya que está relacionada con las necesidades y prioridades de la ciencia, la tecnología y la sociedad actual.


La LGAC cuenta con dos campos temáticos específicos que son abordados desde el campo de la inteligencia artificial.


Campo Temático 1: Inteligencia Artificial Aplicada al Desarrollo de Software.
Donde se cautivarán temas como Aprendizaje Automático, Aprendizaje Profundo, Computo Reconfigurable, Procesamiento de Señales, Modelado y Simulación, y Procesamiento de Lenguaje Natural, y Computación Granular.


Campo Temático 2: Inteligencia Artificial Aplicada a la Ingeniería Biomédica.
Donde se cautivarán temas como Análisis de Imágenes Médicas, Análisis de Biopotenciales, Computación Afectiva, y Ambientes Virtuales y Aumentados en Inteligencia Artificial.

El ingreso a la Maestría en Ciencias en Inteligencia Artificial es de manera semestral. La convocatoria vigente al ciclo posterior se publica a principios de cada semestre en la página principal de la Facultad de Ingeniería. 

Manual de procedimientos administrativos

Dr. Saúl Tovar Arriaga

Coordinador de la Maestría en Ciencias en Inteligencia Artificial

Tel. +52 442 1921200 Ext.: 6023

Email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.