Malla Curricular MIA UC

Malla curricular

120 créditos totales - 21 cursos

70 créditos cursos mínimos

Equivalentes a 14 cursos.

30 créditos cursos optativos

Equivalentes a 6 cursos de entre una lista de 18 (sujeta a cambios y renovación)

20 créditos Actividad de graduación*

Equivalente a un curso semestral. Tiene por objetivo vincular los conocimientos y las destrezas adquiridas durante la formación en el programa.

Secuencia Curricular

Primer Bimestre

IMT3850 Fundamentos Matemáticos para Inteligencia Artificial
INF3831 Bases de Datos
IMT3860 Introducción a Data Science

Segundo Bimestre

EPG4001 Aprendizaje Supervisado
EPG4002 Aprendizaje no Supervisado
FIL2000 Ética aplicada a Inteligencia Artificial

Tercer Bimestre

EPG4003 Métodos Probabilísticos
IMT3870 Computación de Alto Rendimiento
INF3812 Deep Learning

Cuarto Bimestre

INF3813 Deep Learning Avanzado

Grupo 1:

INF3822 - Proyecto Aplicado I
INF3280 - Gestión Estratégica
EPG4008 - Análisis Estadístico con Datos Faltantes

Grupo 2:

INF3803 - Minería de Procesos
INF3863 - Sistemas Recomendadores
EPG4005 - Métodos Bayesianos

Quinto Bimestre

INF3862 Plataformas de Big Data

Grupo 3:

INF3823 - Proyecto Aplicado II
INF3262 - Gestión de procesos de Negocio
EPG4007 - Análisis de Tiempos de Falla

Grupo 4:

INF3801 - Minería de Medios Sociales
EPG4004 - Series de Tiempo
EPG4006 - Modelos Lineales Generalizados

Sexto Bimestre

INF3841 Recuperación de Información
INF3842 Visualización de Información

Grupo 5:

INF3821 - Aplicaciones
INF3570 - Aspectos Legales de las TI
EPG4009 - Análisis Multivariado

Séptimo Bimestre

INF3851 Gobernanza de Datos
INF4980 Actividad de Graduación*

Grupo 6:

INF3852 - Gestión de Proyectos
EPG4010 - Métodos Bayesianos Avanzados
INF3250 - Seguridad Computacional

Octavo Bimestre

INF4980 Actividad de Graduación*

El Programa contempla un total de 120 créditos, de los cuales 70 créditos corresponden a cursos mínimos, 30 créditos a cursos optativos, y 20 créditos a la actividad de graduación. La orientación del programa es profesional, con un énfasis en la aplicación de la ciencia de datos y el aprendizaje de máquina. La gran mayoría de los cursos incluyen trabajo práctico aplicado con herramientas computacionales. En los últimos dos bimestres, el estudiante comienza a desarrollar una actividad de graduación que vincula los conocimientos y las destrezas adquiridas durante la formación en el programa. En este contexto, el problema a desarrollar en la actividad de graduación* está relacionado con la aplicación de las herramientas aprendidas en el Magíster, a temáticas afines a la experiencia profesional o directamente con tareas propias de la responsabilidad profesional del estudiante. Este proyecto es evaluado por un profesor supervisor y defendido ante una comisión del Programa.