MAESTRÍA EN COMPUTACIÓN
Detalles Electivas
| Mejora de Procesos de Desarrollo de Software | Objetivo | Estudiar y analizar las características de calidad de un producto software; así como, aplicar los procesos de medición de dichas características. Para lograr este objetivo el curso abordará conceptos básicos sobre calidad, las diferentes estrategias para alcanzarla (Modelos, Metodologías y Estándares), así como el problema de la medición en Ingeniería del Software. Los valores obtenidos durante la medición de las características de calidad serán un referente para lograr su aseguramiento en un producto. |
| Contenido | 1. Conceptos de calidad. 2. Introducción al mejoramiento de los procesos de desarrollo de Software (Software Process Improvement). 3. Frameworks, modelos y guías aplicados a la Mejora de Procesos. 4. Modelos de calidad del proceso de desarrollo de software. 5. Modelos de Procesos. 6. Modelos de evaluación. 7. Modelos de mejora del proceso de desarrollo de software. |
| Calidad de Producto Software | Objetivo | Estudiar y analizar las características de calidad de un producto software; así como, aplicar los procesos de medición de dichas características. Para lograr este objetivo el curso abordará conceptos básicos sobre calidad, las diferentes estrategias para alcanzarla (Modelos, Metodologías y Estándares), así como el problema de la medición en Ingeniería del Software. Los valores obtenidos durante la medición de las características de calidad serán un referente para lograr su aseguramiento en un producto. |
| Contenido | 1. Conceptos de calidad del producto. 2. Métricas del software. 3. Calidad del software. 4. Modelos de calidad a nivel de producto. |
| Ingeniería de la Usabilidad | Objetivo | Brindar al estudiante un entendimiento sobre la teoría y técnicas de la evaluación de la usabilidad. |
| Contenido | 1. Introducción. 2. Diseño Centrado en el Usuario. 3. Usabilidad. 4. Accesibilidad. 5. Experiencia de Usuario. 6. Otras Facetas. 7. Tendencias en Sistemas Colaborativos. |
| Internet de las Cosas | Objetivo | Proporcionar a los estudiantes los conceptos básicos para diseñar, desarrollar e implementar prototipos y aplicaciones semánticas para Internet de las Cosas. Adicionalmente, ampliar los conocimientos de los estudiantes de maestría en computación para el desarrollo de aplicaciones software que integren hardware como tarjetas de desarrollo, sensores y actuadores, además de conocimientos básicos de electrónica y la Web semántica de las Cosas. Ampliando la posibilidad de brindar soluciones integrales a los problemas reales de la vida cotidiana a través del desarrollo de productos y servicios de la IoT. |
| Contenido | 1. Introducción a la Internet de las Cosas. 2. Plataformas de Desarrollo de aplicaciones para la Internet de las Cosas. 3. Arquitecturas de Desarrollo de Aplicaciones IoT. 4. Implementación y Evaluación de una Aplicación IoT. |
| Ingeniería de la Colaboración | Objetivo | Exponer al estudiante a los conceptos centrales de CSCW y CSCL y motivar la investigación en esta área. Promover el acercamiento con actores de un área que es por definición interdisciplinaria. |
| Contenido | 1. Introducción Elementos de CSCW. 2. Sistemas de Soporte a Grupos. 3. Arquitectura de Sistemas Colaborativos. 4. Diseño de Sistemas Colaborativos. 5. Economía colaborativa. 6. Aplicaciones Colaborativas. 7. Evaluación de la Colaboración. 8. Tendencias en Sistemas Colaborativos. |
| Ingeniería de Procesos de Software | Objetivo | Desarrollar la capacidad técnica profesional o técnica científica para la construcción de procesos de software. |
| Contenido | 1. Introducción. 2. Modelado de procesos de software. 3. Requerimientos de modelos de procesos. 4. Diseño e implementación de modelos de proceso. 5. Análisis de modelos de procesos. |
| Bodega de Datos y OLAP | Objetivo | Conocer y profundizar el uso de las Bodegas de Datos como una tecnología de almacenamiento de información, estudiando el proceso del ciclo de vida de la misma. Además, conocer herramientas OLAP, y entender cómo realizar el análisis de la información que se encuentra en la bodega de datos. |
| Contenido | 1. Introducción a las bodegas de datos. 2. Diseño y planeación de bodegas de datos. 3. Implementación de las bodegas de datos. 4. OLAP (On-Line Analytical Processing). 5. Áreas de interés en investigación. |
| Tópicos Avanzados en Bodegas de Datos | Objetivo | Conocer y profundizar en tópicos avanzados de investigación en Bodegas de datos, dando especial énfasis a los diferentes tipos de modelado, metodologías para el modelamiento y construcción de una Bodega de datos, y temas de calidad de los datos en un proyecto de Bodegas de datos. |
| Contenido | 1. Introducción. 2. Modelos de diseño. 3. Metodologías de Modelamiento de Datos. 4. Metodologías del Desarrollo de Bodegas de Datos. 5. Calidad de los datos. 6. Áreas de interés en investigación. |
| Tópicos Avanzados en Algoritmos Meméticos | Objetivo | Profundizar en el campo de los algoritmos meméticos estudiando diferentes esquemas de selección, cruce, mutación y reemplazo de la población; y algoritmos de búsqueda local apropiados para problemas continuos y binarios. Además, revisar algunas aplicaciones cuyo problema de representación es binario y en las cuales los algoritmos meméticos y de búsqueda local contribuyen a la solución. |
| Contenido | 1. Introducción a las estrategias evolutivas. 2. Operadores genéticos. 3. Introducción a los algoritmos meméticos. 4. Problemas de Diseño. 5. Búsqueda Local. 6. Aplicaciones con problemas binarios. 7. Áreas de interés en investigación. |
| Recuperación de la Información | Objetivo | Conocer, comprender y saber cómo aplicar conceptos modernos de recuperación de información (Information Retrieval, IR) en la búsqueda web y en otro tipo de sistemas de información. |
| Contenido | 1. Introducción. 2. Modelamiento. 3. Evaluación. 4. Lenguajes de Consulta. 5. Operaciones de Consulta. 6. Texto y Multimedia. 7. Operaciones Sobre Textos. 8. Indexación y Búsqueda. 9. Interfaz de Usuario y Visualización. 10. Búsqueda en la Web. |
| Minería de Datos | Objetivo | Este curso da a los participantes la posibilidad de conocer, comprender las técnicas básicas de minería de datos y saber cómo se aplican en problemas concretos de extracción de conocimiento útil para el análisis y la toma de decisiones. |
| Contenido | 1. Introducción a la minería de datos. 2. El proceso KDD (2 horas). 3. Técnicas de minería de datos. 4. Minería de datos en la web – WEBMINING. 5. Áreas de interés en investigación. |
| Optimización usando Metaheurísticas | Objetivo | Conocer, comprender y aplicar diferentes estrategias generales o enfoques metaheurísticos de solución de problemas de optimización binaria, real y combinatorial. |
| Contenido | 1. Introducción. 2. Métodos de Estado Simple. 3. Métodos Basados en Población. 4. Optimización Combinatorial. 5. Áreas de Interés en Investigación. |
| Optimización Multi y de Muchos Objetivos | Objetivo | Este curso permite entender, formular y resolver problemas de optimización multi y de muchos objetivos con algoritmos del estado del arte que tienen diferentes enfoques de solución. |
| Contenido | 1. Introducción a la optimización multiobjetivo. 2. Otros algoritmos de optimización multi objetivo. 3. Enfoques de solución para problemas de muchos objetivos. 4. Áreas de Interés en Investigación. |
| Web Semántica | Objetivo | Se pretende que el estudiante sea capaz de manejar los conceptos básicos de la Web Semántica como: XML, RDF, OWL, SPARQL, entre otras, así como construir ontologías haciendo uso de los lenguajes y herramientas ontológicas más representativas. Adicionalmente, se desea que el estudiante sea capaz de diseñar y construir aplicaciones orientadas a la Web Semántica. |
| Contenido | 1. Introducción a la Web Semántica. 2. XML y RDF en la Web Semántica. 3. Diseño y Construcción de Ontologías. 4. Servicios Web Semánticos. 5. Aplicaciones de la Web Semántica. |
| Sistemas Multi-Agente | Objetivo | Abordar como tópico avanzado técnicas y modelos actuales para la resolución de problemas utilizando Sistemas Multi-Agente e Inteligencia Artificial Distribuida. Se introducen las nociones de agentes inteligentes, arquitecturas, modelos, negociación, modelos de comunicación entre agentes y estándares. |
| Contenido | 1. Introducción. 2. Autonomía y agentes inteligentes. 3. Aspectos computacionales y de diseño de agentes. 4. Sistemas multiagente. 5. Aplicaciones. |
| Sistemas Tutores Inteligentes | Objetivo | Formar a los alumnos en el desarrollo de los sistemas de tutoría inteligente, sus objetivos y fundamentos. Esta asignatura hará que el alumno aplique, adapte y extienda los conocimientos adquiridos en asignaturas relacionadas al dominio concreto de los sistemas inteligentes aplicados al dominio de educación. |
| Contenido | 1. Fundamentos. 2. Sistemas Tutores Inteligentes (STI). 3. Razonamiento basado en casos y STI’S. 4. Evaluación de STI’S. 5. Herramientas de autor. |
| Aprendizaje Profundo | Objetivo | Introducción a los conceptos, técnicas y herramientas esenciales para la utilización de Aprendizaje Profundo (Deep Learning) en la solución de problemas prácticos. |
| Contenido |
1. Introducción. 2. Redes Neuronales Feedforward para el Aprendizaje Profundo. |
| Aprendizaje de Máquina en Bioinformática | Objetivo | Brindar una visión general de las técnicas de aprendizaje de máquina usadas comúnmente en el campo de la bioinformática, como estrategia de solución para algunos de los problemas de mayor interés práctico. |
| Contenido | 1. Introducción a la bioinformática. 2. Aprendizaje de máquina. 3. Técnicas de aprendizaje supervisado. 4. Técnicas de aprendizaje no supervisado. 5. Esquemas de Evaluación. |
| Sistemas de Recuperación de Imágenes basada en Contenido | Objetivo | Proporcionar los principales conceptos de los sistemas CBIR (Content Based Image Retrieval) que permiten recuperar imágenes digitales a partir de atributos visuales mediante la revisión de la arquitectura, las técnicas utilizadas y las características más importantes en este tipo de sistemas. |
| Contenido | 1. Introducción. 2. Arquitectura de sistemas de base de datos de imágenes Técnicas de aprendizaje. 3. Modelos para generación de consultas. 4. Métricas. 5. Sistemas CBIR en la actualidad y aplicaciones. |
| Reconocimiento de Patrones en Bases de Datos Multimediales | Objetivo | Proporcionar los principales conceptos teóricos y algoritmos clásicos utilizados para resolver problemas de reconocimiento de patrones a partir de datos sensoriales almacenados en bases de datos multimedia que sean aplicables a problemas específicos. |
| Contenido | 1. Introducción. 2. Preprocesamiento y extracción de características. 3. Selección de características. 4. Aprendizaje y clasificación. 5. Evaluación de desempeño de la clasificación. 6. Aplicaciones. 7. Áreas de interés en investigación. |
| Estadística para Investigación | Objetivo | Dotar al estudiante de las capacidades y destrezas necesarias para aplicar técnicas de análisis estadístico a la resolución de problemas de diversa índole en los que es necesario realizar gran variedad de tareas específicas que acompañan a cualquier proceso de análisis de datos, con el objeto de elaborar conclusiones que faciliten la toma de decisiones en situaciones complejas que se caracterizan por estar sometidas a distintos grados de incertidumbre. |
| Contenido | 1. Métodos descriptivos. 2. Estadígrafos o medidas descriptivas fundamentales. 3. Probabilidades. 4. Distribuciones probabilísticas de amplio uso estadístico. 5. Muestreo y estimación. 6. Análisis combinatorio. |
| Fundamentos del Diseño de Software | Objetivo | Este curso pretende iniciar investigadores de la ciencia de la computación en los conceptos básicos y avanzados sobre el diseño del software, los lenguajes, los métodos, herramientas, su aplicación práctica y los avances de investigación. |
| Contenido | 1. Diseño de software. 2. Diseño de la arquitectura del software. 3. Investigación en diseño de software. |
| Computación Suave | Objetivo | Este curso de referencia busca que los estudiantes conozcan, comprendan y sepan que enfoque de computación suave es el apropiado para resolver problemas reales y complejos de la actualidad. |
| Contenido | 1. Redes neuronales. 2. Lógica difusa. 3. Algoritmos inspirados en la naturaleza. 4. Sistemas expertos y modelos de redes probabilísticas. |
| Metodologías ágiles para la gestión de proyectos en el desarrollo de software | Objetivo | El objetivo principal de esta electiva está enfocado en dar a los participantes, la posibilidad de conocer, comprender y aplicar de forma práctica técnicas y prácticas más utilizadas de las metodologías de desarrollo ágil. |
| Contenido | 1. Introducción a las metodologías ágiles. 2. Gestión del trabajo. 3. Escribiendo requerimientos. 4. Ciclo de vida del desarrollo de software ágil. 5. Prácticas de desarrollo ágil. 6. Áreas de interés en investigación. |
| Tecnologías Inmersivas Aplicadas | Objetivo | Proporcionar a los estudiantes una visión sobre los principales conceptos, especificaciones, herramientas, aplicaciones existentes y áreas relacionadas con las tecnologías inmersivas, como la realidad virtual y la realidad aumentada, que le permitan comprender, diseñar, evaluar y reflexionar sobre los ambientes informacionales digitales que las integran. |
| Contenido | 1. Introducción a las tecnologías inmersivas. 2. ¿Realidad extendida, virtual, aumentada o mixta?. 3. Diseño y evaluación conceptual de aplicaciones con tecnologías inmersivas. 4. Usos y aplicaciones actuales y potenciales de las tecnologías inmersivas. |
| Gestión de Proyectos Informáticos | Objetivo | Ofrecer a los maestrantes formación como Gerentes de Proyectos de Ingeniería de Software para analizar y entender sus nuevas estrategias y componentes tecnológicos y desarrollar una metodología para el mejoramiento continuo de la gerencia de la ingeniería en el mundo de la globalización. |
| Contenido | 1. Revisión del Contexto de la Complejidad Asociada a los Proyectos de TICs y los Grandes Desafíos que deben Enfrentar. 2. Revisión del Panorama de Marcos de Referencia que Orienta la Gerencia de Proyectos de TI. 3. Principales Características del Ciclo de Vida de los Proyectos de TI. 4. Revisión de los modelos agiles para gerencia de proyectos de TI y en especial del modelo Scrum. 5. Generalidades de las Buenas Prácticas de Gestión de Proyectos en las 10 Áreas de Conocimiento que Establece el PMI. 6. Generalidades de las Oficinas de Proyectos (PMO) de TICs. 7. Talleres y Casos de Formulación y Planeación de Proyectos de Desarrollo de Software e Implementación de Soluciones Tecnológicas de Mercado. |
| Optimización de redes neuronales profundas | Objetivo | Brindar a los estudiantes los fundamentos matemáticos y algorítmicos que les permita mejorar la práctica en la implementación de modelos basados en redes neuronales profundas. |
| Contenido | 1. Revisión del Contexto de la Complejidad Asociada a los Proyectos de TICs y los Grandes Desafíos que deben Enfrentar. 2. Estado del Arte en Redes Neuronales Profundas (2 horas). 3. Configuración para el entrenamiento de redes neuronales (4 horas). 4. Regularización de Redes Neuronales Profundas (4 horas). 5. Configuración del Problema (6 horas). 6. Algoritmos de optimización (6 horas). 7. Depuración de Redes Neuronales Profundas (4 horas). 8. Limitaciones de las redes neuronales profundas (4 horas). |
| Delitos informáticos y su análisis forense | Objetivo | Brindar a los estudiantes los conocimientos técnicos y legales suficientes para introducirse en el análisis forense de equipos informáticos luego de haber sido víctima de un ciberdelito y de esta forma prevenirse de los mismos en los diferentes proyectos planteados en el programa de la maestría. |
| Contenido | 1. Introducción a delitos informáticos y su análisis forense (6 horas). 2. Tipos de delitos (6 horas). 3. Adquisición de evidencias (8 horas). 4. Análisis forense en archivos (6 horas). 5. Análisis de las evidencias (4 horas). 6. Áreas de interés en investigación (6 horas). |
| Seguridad en aplicaciones, bases de datos y análisis de vulnerabilidades. | Objetivo | Conocer las técnicas y herramientas utilizadas por los vándalos informáticos y conocer cómo aprovechan y explotan las vulnerabilidades encontradas en los diferentes vectores de acceso a los datos, tanto en aplicaciones web como independientes. Conocer las fases de Ciclo de Vida de Desarrollo Seguro de Software. Además, ofrecer a los participantes los conocimientos técnicos suficientes para introducirse en el análisis de vulnerabilidades de servicios y aplicaciones en los diferentes proyectos de investigación planteados en el programa de maestría. |
| Contenido | 1. Introducción al análisis de vulnerabilidades (4 horas) 2. Arquitectura de las aplicaciones web y bases de datos (4 horas). 3. Generalidades de las vulnerabilidades (3 horas). 4. Seguridad en aplicaciones online (3 horas). 5. Metodologías de pentesting (8 horas). 6. Seguridad en bases de datos y vulnerabilidades web (8 horas). 7. Áreas de interés en investigación (6 horas). |
| Tópicos especiales en Ciencia de Datos: Publicación y Visualización de Datos | Objetivo | Comprender los diferentes escenarios en los procesos de publicación y visualización de datos, los tipos de datos y sus representaciones e implicaciones según el ámbito, así como reflexionar y determinar la aplicación de algunas técnicas, tecnologías y herramientas de apoyo para dichos procesos. |
| Contenido | 1. Datos (6 horas) 2. Datos abiertos y/o de investigación (6 horas). 3. Publicación de Datos (12 horas). 4. Visualización de Datos (12 horas). |
Diseño web:
Daniela Valencia Almendra | Javier Agredo Ordoñez
Copyright © 2024