En las últimas décadas los sistemas de inteligencia artificial han cobrado un papel importante 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 en el desarrollo de hardware y software, así como en las ciencias biomédicas. El conocimiento y comprensión de dichos métodos y técnicas pueden agruparse en las siguientes áreas del conocimiento: sistemas inteligentes, optimización avanzada, procesamiento de señales, complejidad computacional, sistemas de automatización médica. Por tal motivo el programa está estructurado para que el estudiante adquiera los conocimientos necesarios en estas disciplinas.
El trabajo de investigación, docentes y planteamiento curricular permitieron el reconocimiento del programa dentro del padrón nacional de posgrados de calidad (PNPC) de CONACyT.
El programa de Maestría en Ciencias en Inteligencia Artificial está dirigido a egresados o profesionistas de diversas áreas de ingeniería afines, tales como, automatización, biomédica, nanotecnología, eléctrica, electrónica, matemáticas, mecatrónica, computación, telecomunicaciones, entre otras; que deseen obtener conocimientos en las áreas de investigación relacionadas con la Desarrollo de Hardware y Software e Ingeniería Biomédica
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).
- Es deseable que el aspirante cuente con conocimientos básicos en electrónica y programación estructurada.
- Tener conocimiento del idioma Inglés (450 puntos TOEFL).
-
Habilidades
- En el manejo de equipo instrumental básico (fuentes de voltaje, osciloscopio, multímetro).
- 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, industrial y/o sector salud.
-
Capacidades
- Capacidad de análisis y síntesis.
- Capacidad de organización y planificación.
- Capacidad para aprender de un segundo idioma.
- Capacidad para tra
Al término de sus estudios se espera que adquiera los siguientes conocimientos, habilidades, actitudes y valores.
Conocimientos
- Conocimientos sólidos en aprendizaje automático, sistemas inteligentes, optimización y algoritmos, automatización de sistemas médicos, procesamiento de señales e imagenología médica para el desarrollo de sistemas inteligentes.
Habilidades
- Aplicar el método científico para la asimilación y aplicación de conocimiento de frontera en sistemas inteligentes.
- Manejo de herramientas informáticas especializadas para el diseño, simulación y desarrollo de hardware y software.
- Plantear y resolver problemas donde las teorías de inteligencia artificial y algoritmos avanzados tengan aplicación, mediante métodos sistemáticos y formales.
- Comunicarse efectivamente de forma oral y escrita usando lenguaje técnico adecuado, tanto en español como en inglés.
- Búsqueda y organización de información técnica y científica a partir de fuentes confiables de información, como parte del proceso de investigación.
- Habilidad para interpretar y analizar información científica y técnica en áreas de la inteligencia artificial.
- Redacción de documentos científicos y técnicos cuya finalidad sea la difusión y divulgación del conocimiento.
Actitudes y valores
- Motivación por mejorar el entorno social y cultural mediante la aplicación de ciencia y tecnología.
- Compromiso de superación y búsqueda de nuevos retos que motiven a realizar estudios de doctorado.
- Pensamiento crítico para analizar y evaluar sistemas de inteligencia artificial, que conlleve a proponer alternativas basadas en la experiencia y la investigación.
- Conciencia sobre el impacto social y ambiental que plantea el diseño de sistemas inteligentes.
- Honestidad y honorabilidad como valores fundamentales que rijan su actuar académico y profesional.
Capacidades
- Capacidad para realizar proyectos de investigación tecnológica de naturaleza multidisciplinaria o interdisciplinaria que requiera sistemas de inteligencia artificial y computación avanzada.
- Capacidad para la asimilación y adaptación de nuevos conocimientos en el campo de la inteligencia artificial.
- Capacidad para desarrollar tecnología innovadora empleando métodos y herramientas adecuadas a la aplicación.
- Capacidad para elaborar un protocolo de investigación original que eventualmente conduzca a llevar a cabo estudios de doctorado.
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 industriales y del sector salud.
- 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.
- Contribuir a la generación de conocimiento nuevo a partir de trabajo de investigación original que contribuya al desarrollo científico dentro de las áreas del conocimiento de sistemas inteligentes, optimización avanzada, procesamiento de señales, complejidad computacional, sistemas de automatización médica.
- 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.
Admisión o ingreso: Semestral
Plan: Semestral
Duración: 2 años
Líneas Terminales:
- Desarrollo de Hardware y Software
- 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. El ingreso al programa se realizará de forma semestral.
Se establece un total de 15 asignaturas curriculares, que corresponden a 88 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, 22 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 34 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 88 créditos.
Inscripción: $1,500 MN semestrales
Asignaturas: $350 MN el crédito de cada asignatura
Nota: Los alumnos de tiempo completo de la MCIA reciben una beca que otorga el CONACYT para manutención y una beca por parte de la Universidad Autónoma de Querétaro que cubre el costo de las asignaturas del programa.
El conjunto de profesores de tiempo completo que tienen bajo su responsabilidad la conducción del programa integran el núcleo académico básico, los cuales cuentan con nivel de estudios de doctorado, pertenecen al SNI y realizan actividades de investigación y desarrollo tecnológico en alguna de las áreas de generación y/o aplicación del conocimiento LGAC definidas para el programa. Así mismo, los profesores del núcleo académico básico son miembros diversas organizaciones relacionadas con su campo de investigación como el IEEE, ACM, AMM, AMC y AMESE.
Investigador/CV | Obtención de grado | Área de Investigación |
---|---|---|
LGAC – Inteligencia Artificial aplicada al desarrollo de Hardware y Software | ||
Dr. Arturo González Gutiérrez | Universidad de California en Santa Barbara, EUA | Optimización y Complejidad Computacional |
Dr. Efrén Gorrostieta Hurtado | CIDESI, México | Inteligencia Artificial, Robótica |
Dr. Marco Antonio Aceves Fernández | Universidad de Liverpool, Inglaterra | Inteligencia Artificial, Sistemas Embebidos |
Dr. Juan Manuel Ramos Arreguín | CIDESI, México | Mecatrónica, Sistemas Embebidos, Inteligencia Artificial |
Dr. José Emilio Vargas Soto | Universidad Complutense de Madrid, España | Inteligencia Artificial, Mecatrónica |
LGAC – Inteligencia Artificial aplicada a la Ingeniería Biomédica | ||
Dra. Vanessa Vallejo Becerra | CINVESTAV, México | Ciencias Biomédicas, Bioingeniería |
Dr. Saúl Tovar Arriaga | Universidad Erlanga-Nuremberg, Alemania | Cirugía Asistida por Computadora, Robótica Médica |
Dr. Jesús Carlos Pedraza Ortega | Universidad de Tsukuba, Japón | Procesamiento de Imágenes Médicas, Inteligencia Artificial |
Dr. Luis Alberto Morales Hernández | UAQ, México | Visión por Computadora, Inteligencia Artificial |
Profesores de Apoyo
Nombre y grado | Obtención de grado | Área de Investigación |
---|---|---|
Dr. Manuel Toledano Ayala | UAQ, México | Sistemas Embebidos |
Dr. Alberto Pastrana Palma | Universidad de East Anglia en Norwich, Inglaterra | Archivado y transmisión de imágenes médicas (PACS), Imagenología |
M.C. Guillermo Díaz Delgado | Laval University, Canada | Optimización y Complejidad Computacional |
M.C. Fidel González Gutiérrez | Tecnológico de Morelia, México | Optimización y Complejidad Computacional |
M.C. Artemio Sotomayor Olmedo | UAQ, México | Inteligencia Artificial |
Dr. Juvenal Rodríguez Reséndiz | UAQ, México | Biomecatrónica, Sistemas Embebidos y FPGAs |
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 |
El programa cuenta con dos Líneas de Generación y Aplicación del Conocimiento (LGAC). La primera LGAC está enfocada a “Inteligencia Artificial Aplicada al Desarrollo de Hardware y Software”dentro de la cual se identifican tres campos temáticos: a) Sistemas Inteligentes, b) Optimización y c) Procesamiento de Señales.
La segunda LGAC está enfocada a la “Inteligencia Artificial Aplicada a Ingeniería Biomédica” dentro de la cual se identifican dos campos temáticos: a) Análisis de Imágenes Médicas, b) Sistemas Médicos Automatizados.
Los Cuerpos académicos que apoyan los trabajos de investigación en torno a las LGCAs son:
- Sistemas Embebidos y Aplicaciones (Consolidado)
- Instrumentación y Control Automático (Consolidado)
- Mecatrónica (Consolidado)
- Cómputo Científico y Tecnológico (Consolidado)
- Optimización y Computación Avanzada (En Consolidación)
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.
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.