Maestría en Inteligencia Artificial

Herramientas metodológicas y tecnológicas para aplicar el análisis de datos como soporte de decisiones operativas y estratégicas: análisis exploratorio, modelado estadístico y minería de datos, con énfasis en el razonamiento basado en evidencia y la comunicación de hallazgos

Fundamentos del Machine Learning y su rol en la decisión organizacional: algoritmos supervisados y no supervisados —regresión, clasificación, clustering y series temporales— aplicados a problemas reales, con evaluación crítica de modelos y uso ético en entornos empresariales

Conocimiento estratégico sobre herramientas de IA generativa y sus implicaciones para la transformación organizacional: modelos generativos, automatización de contenidos, generación de conocimiento y personalización, evaluando críticamente riesgos, oportunidades y consideraciones éticas

Bases teóricas y computacionales del Deep Learning: arquitecturas de redes neuronales, métodos de optimización y modelos avanzados como redes convolucionales y recurrentes, con énfasis en escalabilidad y desafíos de entrenamiento en múltiples dominios

Aplicación de métodos de Deep Learning a problemas reales en salud, industria y educación: diseño y entrenamiento de modelos avanzados experimentando con distintas arquitecturas y estrategias de optimización, evaluando críticamente los resultados

Principios y aplicaciones de los sistemas Retrieval-Augmented Generation: embeddings, arquitecturas híbridas y entornos multiagente que combinan recuperación de información con generación de lenguaje natural, con énfasis en el prototipado de sistemas RAG funcionales

Sistemas inteligentes para gestionar, recuperar y generar conocimiento: búsqueda semántica, razonamiento automatizado y bases de conocimiento inteligentes, con énfasis en innovación, transparencia y potenciación de la decisión organizacional

Diseño e implementación de estrategias basadas en IA que impulsen la transformación organizacional: modelos de gestión del cambio, marcos de madurez digital y casos de integración en diversas industrias, con énfasis en innovación, agilidad e impacto ético

Liderazgo y gestión del cambio en organizaciones que adoptan IA: estilos de liderazgo, enfoques colaborativos y estrategias para abordar la resistencia al cambio, enfatizando la integración ética, sostenible y efectiva de las iniciativas impulsadas por IA

Reinforcement Learning y su aplicación en contextos de negocio: agentes, entornos, políticas y sistemas de recompensa, aplicando algoritmos como Q-learning y Deep Reinforcement Learning a problemas de logística, finanzas y operaciones

Técnicas basadas en IA para optimizar procesos: analítica predictiva, investigación de operaciones y algoritmos de optimización para mejorar la eficiencia, reducir costos y fortalecer la decisión en sistemas de gestión de calidad

Asignatura culminante que integra los conocimientos y competencias de la maestría: se diseña y desarrolla un proyecto que aplica metodologías de IA a un desafío real, demostrando innovación, rigor académico, aplicabilidad profesional y potencial de impacto sostenible