Información Académica

Plan de estudios de la Maestría en Inteligencia Artificial: mapa por semestres, áreas de formación, modalidad, metodología, calendario y titulación.

Mapa curricular por semestre

Semestre 1

  • Fundamentos de Inteligencia Artificial
  • Matemáticas para IA
  • Estadística Aplicada
  • Programación Científica en Python

Semestre 2

  • Aprendizaje Automático
  • Deep Learning
  • Ética y Legislación en IA
  • Ciencia de Datos y Big Data

Semestre 3

  • PLN o Visión Computacional (optativa)
  • Redes Neuronales Avanzadas
  • Optativa I
  • Seminario de Investigación I

Semestre 4

  • Optativa II
  • Taller de Proyecto Aplicado
  • Seminario de Investigación II
  • Tesis de Maestría

Plan de estudios por área de formación

18 créditos

Formación básica

  • Fundamentos de IA
  • Matemáticas para IA
  • Estadística
  • Programación
24 créditos

Núcleo de IA

  • Aprendizaje Automático
  • Deep Learning
  • PLN
  • Visión Computacional
12 créditos

Tecnologías y herramientas

  • Python avanzado
  • TensorFlow / PyTorch
  • Data Mining
6 créditos

Formación ética y social

  • Ética y legislación en IA
  • IA Responsable
12 créditos

Optativas

  • Robótica
  • IA generativa
  • IA médica
  • IA aplicada al agro
12 créditos

Investigación y tesis

  • Seminario I y II
  • Taller de tesis
  • Tesis

Total del programa: 84 créditos.

Plan de estudios por semestre (detalle)

Semestre 1: Fundamentos de IA

Fundamentos de IA • Matemáticas para IA (Álgebra, Cálculo, Probabilidad) • Programación Científica en Python • Estadística y Probabilidad para Ciencia de Datos

Semestre 2: Núcleo de Aprendizaje Automático

Aprendizaje Supervisado y No Supervisado • Fundamentos de Deep Learning • Ciencia de Datos y Big Data • Ética y Regulación en Inteligencia Artificial

Semestre 3: Especialización y Aplicaciones

Visión Computacional o PLN • Redes Neuronales Avanzadas y Modelos Generativos (GPT, GANs) • Optativa I (IA en salud, agro, robótica) • Seminario de Investigación I

Semestre 4: Proyecto y Tesis

PLN y Reconocimiento de Voz • Seminario de Investigación II • Taller de Proyecto Aplicado (problema real regional/industrial) • Tesis o Tesina

Modalidad y duración

  • Modalidad: Presencial / híbrida
  • Duración: Cuatro semestres (24 meses)
  • Horas estimadas: ~2,000
  • Créditos: 84 (según el sistema nacional de créditos)

Metodología de enseñanza

  • Clases teóricas y prácticas
  • Resolución de casos reales
  • Proyectos de innovación tecnológica
  • Laboratorios de simulación y programación
  • Seminarios con expertos nacionales e internacionales

Calendario académico (2026)

Enero – Junio 2026

Evento Fecha
Inicio de clases 06-ene-26
Semana Santa (receso) 30-mar-26
Fin de clases 12-jun-26
Exámenes finales 15-jun-26
Entrega de calificaciones 22-jun-26

Agosto – Diciembre 2026

Evento Fecha
Inicio de clases 03-ago-26
Receso de otoño 16-sep-26
Fin de clases 04-dic-26
Exámenes finales 07-dic-26
Entrega de calificaciones 14-dic-26

Requisitos de titulación

  • Acreditación de todas las asignaturas del programa.
  • Presentación y aprobación de una Tesis o Proyecto Aplicado.
  • Defensa pública del trabajo final ante jurado académico.