• Cursos Mínimos

    Magíster en Inteligencia Artificial

    IMT3850 – Fundamentos Matemáticos para Inteligencia Artificial

    En este curso los estudiantes adquirirán las las herramientas matemáticas básicas para analizar los modelos y algoritmos detrás del aprendizaje automático e inteligencia artificial. En el curso, los estudiantes abordarán el álgebra lineal, incluyendo ejemplos y aplicaciones en optimización y aprendizaje estadístico, para posteriormente distinguir herramientas básicas de probabilidades, y aplicaciones a estadística y ciencia de datos.

    INF3831 – Bases de Datos

    En este curso los estudiantes analizarán, en una primera parte, el modelo relacional para posteriormente pasar a bases de datos XML y bases de datos NoSQL, aplicando las bases de datos transaccionales para luego aplicar bases de datos de apoyo para la toma de decisiones (OLAP). Del mismo modo, se abordarán los fundamentos de los sistemas de bases de datos.

    IMT3860 – Introducción a Data Science

    Las organizaciones utilizan sus datos para apoyar la toma de decisiones, y para desarrollar productos y servicios intensivos en datos. El conjunto de competencias requeridas para apoyar estas funciones se ha agrupado bajo el término Data Science. Este curso introduce a los alumnos a este campo de rápido crecimiento, describiendo sus principios básicos y las principales técnicas y herramientas utilizadas. Los alumnos aprenderán sobre recolección e integración de datos, análisis exploratorio de datos, análisis descriptivo y predictivo, y creación de productos de información. Los temas serán tratados en amplitud, más que en profundidad, haciendo énfasis en la integración y síntesis de conceptos, y su aplicación a la solución de problemas.

    EPG4001 – Aprendizaje Supervisado

    En este curso los estudiantes analizarán los fundamentos para crear programas que aprenden cómo resolver una tarea sin haber sido programados previamente para ello. Para ello, el curso entrega una revisión de los métodos de aprendizaje supervisado utilizados en problemas de clasificación y regresión, cómo también los métodos para evaluar el rendimiento de ellos en el cumplimiento de la tarea desarrollada.

    EPG4002 – Aprendizaje No Supervisado

    El descubrimiento de patrones en datos no estructurados es de gran ayuda cuando se requiere obtener información útil desde un corpus de datos, donde en general no se dispone de categorías o anotaciones sobre la semántica de los datos que se quiere analizar. En este curso, los alumnos aprenderán las principales técnicas de aprendizaje no supervisado con aplicaciones a clustering y a reducción de dimensionalidad, con énfasis en los algoritmos más comunes y aplicaciones prácticas.

    FIL2000 – Ética Aplicada a Inteligencia Artificial

    En este curso los estudiantes analizarán los diversos problemas y desafíos éticos que presenta la inteligencia artificial (IA). Esto implica, entre otras cosas, comprender críticamente el alcance político y social que la IA tiene. Esta tarea necesita del correcto manejo y conocimiento de los diversos tipos de razonamiento ético que deben considerarse al momento de discernir sobre las implicancias de la IA. Para estos fines el curso contempla el análisis de diversos argumentos filosóficos relacionados con la creación de IA y su aplicación en los diversos ámbitos del quehacer humano. Esto último implica el estudio de diversos tipos de casos a partir de los cuales los estudiantes irán elaborando criterios de discernimiento ético.

    INF3812 – Deep Learning

    Este curso es una introducción a las técnicas de Deep Learning, donde los estudiantes analizarán los aspectos centrales de la teoría, los distintos modelos y las aplicaciones del aprendizaje de máquina. Además, el curso considera un gran volumen de trabajo práctico, donde se implementarán y entrenarán diversos modelos de Deep Learning.

    EPG4003 – Métodos Probabilísticos para Aprendizaje de Máquina

    El curso proporcionará al alumno las capacidades necesarias para trabajar con métodos estadísticos avanzados aplicados a los distintos problemas de aprendizaje de máquina. Estos métodos buscan aumentar la flexibilidad de los algoritmos generando modelos con mayor capacidad de adaptabilidad y aprendizaje.

    IMT3870 – Computación de Alto Rendimiento

    En este curso los estudiantes aprenderán técnicas y conceptos básicos para desarrollar, analizar e implementar algoritmos paralelos escalables y cómo sus programas pueden hacer uso de las tecnologías modernas de cómputo de alto rendimiento. Se estudiarán problemas actuales y las tecnologías que permiten soportar este tipo de cómputo.

    INF3813 – Deep Learning Avanzado

    En este curso los estudiantes analizarán técnicas avanzadas de Deep Learning, que permiten solucionar problemas previamente inalcanzables, y además construir modelos altamente complejos, que serán la base de los sistemas inteligentes del futuro. El curso considera un gran volumen de trabajo práctico, donde se implementarán, entrenarán y evaluarán diversos modelos complejos de Deep Learning.

    INF3862 – Plataformas de Big Data para Data Science

    En este curso los estudiantes analizarán el framework Hadoop como base explicativa y práctica de un ecosistema de Big Data. Además, verán otras plataformas comunes para el procesamiento de grandes volúmenes de datos. Este curso proveerá de técnicas para almacenar, extraer y procesar información, extrayendo valor desde fuentes de datos existentes y descubriendo nuevas fuentes.

    INF3841 – Recuperación de Información

    La Recuperación de Información Multimedia estudia el problema de buscar, indexar, navegar y extraer información desde archivos multimedia. En este curso los alumnos aprenderán sobre el análisis y representación de contenido multimedia (específicamente audio, imagen, video y texto), algoritmos para búsqueda eficiente y efectiva en grandes cantidades de datos, y aplicaciones innovadoras, por medio de ejercicios prácticos.

    INF3842 – Visualización de Información y Analítica Visual

    En este curso los estudiantes estudiarán técnicas y algoritmos para crear visualizaciones efectivas basadas en principios de diseño gráfico, artes visuales, y psicología cognitiva. El curso estará orientado a alumnos con experiencia previa en programación, con foco en aquellos que deseen utilizar visualizaciones en su trabajo, así como estudiantes interesados en construir mejores sistemas y herramientas de visualización.

    INF3851 – Gobernanza de Datos

    En este curso los estudiantes analizarán las políticas, estándares, procesos, personas y tecnologías asociadas al gobierno de los datos. Este enfoque corresponde a una disciplina emergente orientada a tratar los datos como un activo estratégico de la organización, considerando no sólo aspectos tecnológicos, sino que también aspectos culturales y políticos.

    INF4980 – Actividad de Graduación

    En este curso los estudiantes aplicarán los conocimientos, habilidades y actitudes adquiridos en el programa a través de un proyecto aplicado que consiste aplicar tecnologías y herramientas en Ciencias de Datos e Inteligencia Artificial para un problema específico en una institución. El proyecto es de carácter individual y bajo supervisión, además al término del curso los estudiantes deberán presentar un informe escrito y una defensa oral y pública del proyecto.

  • Cursos Optativos

    Magíster en Inteligencia Artificial

    INF3801 – Minería de Medios Sociales y Ciencia de Redes

    En este curso los estudiantes analizarán los conceptos básicos y algoritmos fundamentales apropiados para la investigación de datos masivos de medios sociales, comparando teorías y metodologías desde distintas disciplinas como ciencia de la computación, ciencia de redes, minería de datos, aprendizaje de máquinas, análisis de redes sociales, sociología, etnografía, estadística y matemáticas. Además los estudiantes adquirirán herramientas para representar, medir, modelar, y extraer patrones significativos para datos sociales de gran escala.

    INF3803 – Minería de Procesos

    El curso presenta un estado del arte en Minería de Procesos (Process Mining), disciplina conocida como “Data Science para Procesos”. En este curso los estudiantes analizarán los datos generados por los sistemas de información sobre los procesos de negocio que apoyan, para poder entender, monitorear, analizar y mejorar dichos procesos. Para ello, se presentarán las metodologías, algoritmos y software que permiten analizar procesos de negocio a partir de los datos. En este curso, los estudiantes tendrán la oportunidad de realizar actividades prácticas, que les permitan entender cuáles son el potencial y los límites del estado del estado del arte actual.

    INF3821 – Aplicaciones

    En este curso los estudiantes revisarán ejemplos exitosos de aplicación de herramientas de Ciencias de Datos e Inteligencia Artificial mediante casos de estudio, donde un invitado presentará la problemática y como esta fue resuelta usando técnicas y herramientas de Ciencia de Datos e Inteligencia Artificial. El curso considera además trabajo práctico, donde se recrearán condiciones similares a las de los casos presentados.

    INF3822 – Proyecto Aplicado I

    En el curso de Proyecto Aplicado I el alumno aplicará en forma integrada el conocimiento de herramientas computacionales utilizadas en el análisis de datos. Los alumnos deben integrar habilidades relacionadas con la identificación y resolución de problemas en el análisis de datos, a través del diseño, innovación, uso de tecnologías de información y modelación computacional. La evaluación se basa en el diseño de un proyecto grupal.

    INF3823 – Proyecto Aplicado II

    En el curso de Proyecto Aplicado II el alumno desarrollará un proyecto individual, donde integre experimentación, recolección de datos, análisis de resultados y posibles rediseños y mejoras de la solución. La evaluación se basa en la implementación de un prototipo previamente diseñado.

    INF3852 – Gestión de Proyectos

    El curso tiene por objetivo que los estudiantes analicen las prácticas, metodologías y herramientas de la gestión de proyectos y su aplicación a los proyectos de Ciencia de Datos e Inteligencia Artificial, revisando los principios del PMI (Project Management Institute) y las metodologías clásicas y modernas asociadas a la gestión de programas y proyectos

    INF3863 – Sistemas Recomendadores

    Los sistemas recomendadores tienen como objetivo ayudar a un usuario o a grupos de usuarios a filtrar y descubrir información relevante, de manera personalizada, desde grandes volúmenes de datos. En este curso, los alumnos estudiarán los principales algoritmos usados para generar recomendaciones, las fuentes de datos usadas por dichos algoritmos, diversas formas de evaluar la calidad de un sistema recomendador, además de áreas de investigación presente y desafíos a futuro de estos sistemas.

    INF3250 – Seguridad Computacional

    El curso es una introducción a la seguridad computacional, tan importante pero, a la vez subvaluada hoy en día. Los estudiantes aprenderán conceptos básicos y herramientas para distinguir vulnerabilidades, ataques y fallas de políticas en las que caen muchas veces las organizaciones, principalmente por ignorancia respecto de esta área.

    INF3260 – Procesos de Negocios

    En este curso los estudiantes aprenderán los procesos de negocios de las organizaciones entregando una visión general y detallada de cómo se llevan a cabo las operaciones, y teniendo la base que los procesos de negocios en una compañía deben estar alineados a la estrategia de la misma y ser soportados por la infraestructura tecnológica.

    INF3280 – Gestión Estratégica

    En este curso los estudiantes aplicarán un modelo sistémico de gestión y preparar un Plan Estratégico de Negocio, basado en la comprensión de la gestión de organizaciones como un Macro-Sistema compuesto por tres sistemas integrados (Entorno, Organización y Gestión).

    INF3570 – Aspectos Legales de las TI

    En este curso los estudiantes analizarán el marco regulatorio de las nuevas tecnologías en temas tales como el uso de las tecnologías en el trabajo, contratos, contratación electrónica y comercio electrónico, delitos informáticos, protección de datos, propiedad intelectual, gobierno electrónico, con el propósito de tener una visión general de regulación según la legislación nacional.

    EPG4004 – Series de Tiempo

    En este curso los los estudiantes adquirirán herramientas para el análisis de series de tiempo, incluyendo la estimación y construcción de modelos mediante componentes como tendencia y estacionalidad, con el propósito que los estudiantes puedan identificar el modelo adecuado para una serie de tiempo que permita realizar predicciones de datos.

    EGP4005 – Métodos Bayesianos

    En este curso los estudiantes analizarán los fundamentos de la inferencia Bayesiana. Para ello, el curso entrega una comparación con la Inferencia Clásica, las principales características de la Inferencia Bayesiana, y las herramientas para el cálculo y aproximación de la distribución a postertiori en modelos paramétricos.

    EGP4006 – Modelos Lineales Generalizados

    En este curso los estudiantes analizarán los fundamentos para construir y aplicar modelos lineales generalizados. El curso entrega una revisión de los componentes comunes de esta clase de modelos de regresión para datos continuos y categóricos, así como las herramientas para la validación de los modelos.

    EGP4007 – Análisis de Tiempos de Falla

    En este curso los estudiantes analizarán los fundamentos para crear modelos que aprenden de factores asociados a tiempos de fallas de sistemas y productos. Para ello, el curso entrega una revisión de los modelos estadísticos y proporciona los fundamentos para la estimación y pruebas de hipótesis asociadas a sus parámetros.

    EGP4008 – Análisis Estadístico con Datos Faltantes

    En este curso los estudiantes analizarán los diferentes tipos de origenes de datos faltantes y el efecto sobre el aprendizaje. Para ello, el curso entrega una revisión de los métodos para lidear con datos faltantes y sus consecuencias bajo mecanismos ignorables o no ignorables de generación de datos faltantes.

    EGP4009 – Análisis Multivariado

    En este curso los estudiantes analizarán los fundamentos asociados al análisis conjunto de un vector de variables por unidad experimental. Para ello, el curso entrega una revisión de los métodos de análisis multivariado, cómo también los métodos para evaluar el rendimiento de ellos en el cumplimiento de la tarea desarrollada.

    EGP4010 – Métodos Bayesianos Avanzados

    En este curso los estudiantes analizarán modelos Bayesianos complejos, incluyendo modelos jerárquicos paramétricos y noparamétricos. Con este objeto, se presentaran las principales proipiedades de los modelos y las técnicas erficientes para la exploración numérica de la distribución a posteriori.

    Todos los artículos
    ×