master · School of Business
Maestría en Ciencias en Inteligencia Artificial
Una maestría 100% online de 18 meses diseñada para profesionales de cualquier área, sin experiencia previa en programación. Disponible en español e inglés.
18 months 40 credits Online
IA para Todo Profesional
La Maestría en Ciencias en Inteligencia Artificial está diseñada para profesionales de cualquier área que desean prepararse para un entorno laboral cada vez más impulsado por la tecnología y la innovación. No necesitas experiencia previa en programación o inteligencia artificial para formar parte de este programa. A través de un enfoque práctico y accesible, aprenderás a utilizar herramientas de IA para analizar información, optimizar procesos, automatizar tareas y tomar decisiones más acertadas en tu campo profesional.
Durante 18 meses, desarrollarás habilidades aplicables a cualquier industria mediante proyectos basados en situaciones reales. Combina áreas como ciencia de datos, aprendizaje automático, aprendizaje profundo, computación en la nube e ingeniería de prompts, permitiéndote implementar soluciones innovadoras que generen un impacto positivo en tu organización.
La Única Maestría en EE.UU. 100% Online en Español
Humboldt International University es la única universidad acreditada, 100% online en Estados Unidos que ofrece esta maestría completamente en español, diseñada especialmente para profesionales hispanohablantes, con la opción de cursarla también en inglés. Gracias a su modalidad virtual, podrás estudiar desde cualquier lugar del mundo, obtener un título de una universidad norteamericana acreditada y avanzar profesionalmente.
Al finalizar el programa, estarás preparado para utilizar la Inteligencia Artificial como una herramienta práctica para mejorar tu productividad, optimizar tu trabajo diario y adaptarte con éxito a las nuevas demandas del mercado laboral.
Resultados del Aprendizaje del Programa
- Construcción de Sistemas Basados en Conocimiento: Los estudiantes dominarán diversas técnicas de representación del conocimiento que podrán utilizar para diseñar y construir sistemas basados en conocimiento en cualquier área del saber dentro de su entorno académico o laboral.
- Aplicación de los Conceptos Fundamentales de la IA: Los graduados demostrarán dominio de los principios fundamentales de la inteligencia artificial, incluyendo aprendizaje supervisado y no supervisado, sistemas basados en conocimiento y técnicas de aprendizaje profundo, aplicándolos para resolver problemas reales en áreas como la salud, las finanzas y la manufactura.
- Procesamiento y Análisis de Datos: Los estudiantes aprenderán a recopilar, depurar y transformar grandes conjuntos de datos, preparándolos para su análisis mediante Python y marcos de trabajo de inteligencia artificial. Además, garantizarán la calidad de los datos para respaldar un desempeño confiable de los modelos de IA.
- Dominio de Herramientas y Frameworks de IA: Los graduados podrán utilizar eficazmente herramientas líderes de programación como Python, TensorFlow y PyTorch para desarrollar e implementar modelos de inteligencia artificial, incluyendo soluciones de aprendizaje automático y aprendizaje profundo.
- Inteligencia Artificial Ética y Responsable: Los estudiantes estarán capacitados para evaluar críticamente el impacto social de las tecnologías de inteligencia artificial y aplicar consideraciones éticas al diseñar e implementar sistemas de IA, garantizando transparencia, equidad y rendición de cuentas.
- Resolución Avanzada de Problemas mediante IA: El programa fomentará la capacidad de innovar y crear soluciones basadas en inteligencia artificial para problemas complejos, aprovechando técnicas como la representación del conocimiento, el razonamiento automatizado y los procesos de toma de decisiones basados en IA.
- Competencias en IA Orientadas a la Industria: A través de proyectos prácticos y colaboración con la industria, los estudiantes desarrollarán la capacidad de convertir la teoría de la inteligencia artificial en aplicaciones reales, generando soluciones que mejoren procesos empresariales, optimicen la toma de decisiones e impulsen la innovación en diversos sectores.
Desglose del Programa por Curso
| Código | Nombre del Curso | Créditos Semestre |
|---|---|---|
| Cursos básicos (40 créditos) | ||
| CAI-6005 Introducción a la inteligencia artificial La Inteligencia Artificial (IA) es un campo de investigación dinámico dedicado a crear sistemas informáticos que replican la inteligencia humana, abarcando el razonamiento, el aprendizaje, la resolución de problemas, la comprensión del lenguaje y la percepción sensorial. Este curso introductorio ofrece una base integral en IA al examinar su evolución histórica —desde los primeros sistemas expertos hasta el auge del aprendizaje profundo, posibilitado por grandes conjuntos de datos y una mayor capacidad de cómputo—. Explora conceptos, herramientas y técnicas fundamentales que se utilizan para modelar el comportamiento inteligente, como el aprendizaje automático, las redes neuronales artificiales, los sistemas expertos, los algoritmos genéticos, la lógica difusa, el procesamiento del lenguaje natural y la visión por computadora. Los estudiantes aprenderán a organizar el conocimiento, aprovechar las restricciones, navegar por espacios de búsqueda complejos, comprender los lenguajes naturales y aplicar estrategias de resolución de problemas. Además, el curso analiza el impacto transformador de la IA en industrias como la salud, las finanzas, la educación y el gobierno, a la vez que aborda las consideraciones éticas y la creciente necesidad de gobernanza a medida que los sistemas de IA se integran más en la vida cotidiana. | Introducción a la inteligencia artificial | 3.0 |
| CAP-6676 Técnicas de representación del conocimiento Este curso ofrece un enfoque totalmente práctico de la Inteligencia Artificial, dotando a los participantes de las habilidades para diseñar y desarrollar sistemas inteligentes capaces de emular el razonamiento humano para la toma de decisiones complejas. Partiendo de conceptos fundamentales y avanzando hacia arquitecturas avanzadas de sistemas basados en conocimiento (KBS), los estudiantes adquirirán experiencia práctica con técnicas y herramientas esenciales para implementar soluciones de IA adaptativas en diversos dominios. Se hace énfasis en la aplicación de distintas formas de lógica —lógica de predicados, lógica de primer orden, lógica no monótona—, así como en las representaciones procedimentales, las redes semánticas, los sistemas de producción, los marcos (frames), los guiones (scripts) y otros modelos de representación del conocimiento. Una característica clave del curso es el uso de HAries (Sistemas Expertos Híbridos de Inteligencia Artificial), un entorno de programación visual y amigable que facilita el desarrollo de soluciones de IA prácticas y robustas. | Técnicas de representación del conocimiento | 3.0 |
| CAP-6680 Construcción de sistemas basados en conocimiento Al finalizar el curso, los estudiantes serán capaces de: comprender y aplicar los fundamentos de los sistemas expertos y la inteligencia artificial, con un enfoque práctico en el diseño de sistemas que emulan el razonamiento humano para la toma de decisiones complejas. Aprenderán a gestionar diversas formas de representación del conocimiento y del metaconocimiento, comprendiendo cómo estas estructuras ayudan a organizar y adaptar la información a distintos tipos de problemas. Los estudiantes también adquirirán habilidades para implementar mecanismos de inferencia lógica utilizando diferentes tipos de reglas, lo que les permitirá estructurar procesos de deducción y la presentación de resultados en contextos del mundo real. Serán capaces de utilizar estructuras de programación dentro de los sistemas basados en conocimiento (KBS) —como bucles, asignaciones e interrupciones, equivalentes a las de los lenguajes de programación clásicos—, lo que les permitirá simular comportamientos complejos y personalizables. Además, los estudiantes aprenderán a trabajar con herramientas especializadas como HAries, explorando prácticas de programación híbrida en inteligencia artificial con un enfoque en la representación simbólica y la lógica de inferencia. | Construcción de sistemas basados en conocimiento | 3.0 |
| CAI-6107 Aprendizaje automático no supervisado Este curso se centra exclusivamente en las técnicas de aprendizaje no supervisado, un área vital de la inteligencia artificial dedicada a descubrir patrones, estructuras y relaciones ocultas dentro de datos no etiquetados. Los estudiantes explorarán métodos clave como el agrupamiento (clustering), la reducción de dimensionalidad, la detección de anomalías y los modelos generativos profundos, todos orientados a extraer hallazgos significativos sin conocimiento previo de las categorías de los datos. Se hace énfasis en el análisis exploratorio de datos, donde los participantes aplicarán medidas de similitud y estrategias algorítmicas para revelar tendencias subyacentes en conjuntos de datos complejos. A través de una combinación de fundamentos teóricos y proyectos prácticos, el curso prepara a los estudiantes para implementar modelos de aprendizaje no supervisado que aborden desafíos del mundo real en diversos dominios. | Aprendizaje automático no supervisado | 3.0 |
| CAI-6105 Aprendizaje automático supervisado Este curso ofrece una exploración en profundidad de las técnicas de aprendizaje supervisado en el aprendizaje automático, donde los modelos se entrenan con conjuntos de datos etiquetados para predecir resultados o clasificar datos nuevos no vistos. Los estudiantes estudiarán algoritmos y modelos clave utilizados tanto en la clasificación —como los árboles de decisión, la regresión logística y las redes neuronales artificiales— como en la regresión —incluyendo la regresión lineal y otros modelos predictivos—. Se hace énfasis en comprender cómo estos algoritmos aprenden de los datos para realizar predicciones precisas, así como en dominar técnicas de evaluación de modelos, como las métricas de exactitud, las matrices de confusión y la validación cruzada, y el ajuste de modelos para evitar el subajuste o el sobreajuste. A través de una combinación equilibrada de teoría y programación práctica con herramientas modernas, los estudiantes adquirirán las habilidades para diseñar, implementar y optimizar sistemas de aprendizaje supervisado para aplicaciones del mundo real. | Aprendizaje automático supervisado | 3.0 |
| CAI-6220 Ingeniería avanzada de prompts Este curso brinda a los estudiantes una base integral en ingeniería de prompts, centrándose en los conceptos y metodologías centrales esenciales para trabajar con grandes modelos de lenguaje (LLM) como ChatGPT, Claude, Bard y LLaMA. Los estudiantes aprenderán a diseñar, refinar y evaluar prompts utilizando técnicas avanzadas y las mejores prácticas actuales para optimizar el desempeño y la precisión de los resultados generados por IA. El curso enfatiza la aplicación práctica, permitiendo a los estudiantes implementar su conocimiento en diversas herramientas de IA de propósito general —incluyendo chatbots, generadores de imágenes, creadores de presentaciones y generadores de código—, mejorando la productividad y la calidad de su trabajo en escenarios del mundo real. | Ingeniería avanzada de prompts | 3.0 |
| CAI-6010 Python para procesamiento de datos Este curso ofrece una introducción integrada a la inteligencia artificial (IA), el aprendizaje automático y el aprendizaje profundo, a la vez que desarrolla habilidades fundamentales de programación para ciencia de datos utilizando Python. Diseñado para estudiantes que no provienen de las ciencias de la computación, el curso comienza con los conceptos y algoritmos centrales de la IA y el aprendizaje automático, seguido de aplicaciones prácticas en el análisis de datos. Los estudiantes adquirirán tanto conocimiento teórico como experiencia práctica a través de ejercicios de programación que enfatizan la sintaxis de Python, la adquisición de datos, la visualización, el análisis estadístico y la limpieza de datos. Utilizando potentes bibliotecas de Python como NumPy, Pandas, Matplotlib y SciPy, el curso también introduce temas avanzados como el diseño de interfaces gráficas de usuario (GUI) para el procesamiento de datos, dotando a los estudiantes de las habilidades para implementar y analizar soluciones basadas en IA en contextos del mundo real. | Python para procesamiento de datos | 3.0 |
| CAP-6741 Visualización de datos Este curso avanzado de visualización de datos explora los principios y las técnicas necesarias para transformar datos complejos en hallazgos visuales significativos. Los estudiantes investigarán el papel de la visualización en una amplia gama de disciplinas —como la ciencia del clima, la epidemiología, la economía y el análisis social—, destacando su capacidad para revelar patrones, tendencias y relaciones que a menudo permanecen ocultos en los datos brutos. A través del trabajo colaborativo en proyectos, los estudiantes propondrán, implementarán y presentarán visualizaciones basadas en datos que demuestren profundidad analítica y dominio del diseño. El curso enfatiza el análisis exploratorio de datos y la aplicación de herramientas de visualización basadas en Python, centrándose en la selección de los formatos visuales apropiados según el tipo y la estructura de los datos y los objetivos analíticos. La visualización se posiciona como un componente central del flujo de trabajo de la ciencia de datos, sirviendo como herramienta tanto de investigación como de comunicación para la toma de decisiones del mundo real. | Visualización de datos | 4.0 |
| CAP-6752 Ciencia de datos Este curso de nivel de posgrado ofrece una base integral en ciencia de datos e inteligencia artificial aplicada, diseñado para los estudiantes del programa MSAI que buscan integrar metodologías basadas en datos en sistemas inteligentes. Con énfasis en las aplicaciones del mundo real, los estudiantes trabajarán con técnicas avanzadas de análisis de datos, modelado predictivo y visualización de datos utilizando Python y bibliotecas estándar de la industria como Pandas, NumPy, Scikit-learn y Matplotlib. A través del marco estructurado CRISP-DM, los estudiantes dominarán el flujo de trabajo de ciencia de datos de principio a fin —desde la adquisición y el preprocesamiento de datos hasta la construcción, validación e implementación de modelos—, mientras exploran la integración de modelos de aprendizaje automático y profundo para la generación de hallazgos y la automatización. El curso también enfatiza las consideraciones éticas, la comunicación con las partes interesadas y la capacidad de traducir hallazgos complejos en acciones estratégicas. Los estudios de caso de dominios como la salud, las finanzas, la ciberseguridad y el comercio electrónico permitirán a los estudiantes aplicar los conceptos en diversos contextos, posicionándolos para liderar iniciativas impulsadas por la IA con dominio técnico y perspicacia analítica. | Ciencia de datos | 4.0 |
| CAI-6210 Aprendizaje profundo Este curso de nivel de posgrado ofrece una exploración integral del aprendizaje profundo (deep learning), un subconjunto vital de la inteligencia artificial centrado en las redes neuronales y su papel transformador en la tecnología moderna. A lo largo de ocho semanas, los estudiantes estudiarán los fundamentos matemáticos del aprendizaje profundo, profundizarán en las redes neuronales de una y varias capas, y aplicarán arquitecturas avanzadas como las redes neuronales convolucionales (CNN), las redes neuronales recurrentes (RNN) y los transformadores (transformers) a problemas reales en áreas como la visión por computadora, el procesamiento del lenguaje natural y los sistemas autónomos. Se hace énfasis en la experiencia práctica utilizando los principales marcos de aprendizaje profundo para diseñar, entrenar y evaluar modelos. Además, el curso aborda las implicaciones éticas de implementar sistemas de aprendizaje profundo, animando a los estudiantes a desarrollar soluciones que no solo sean técnicamente robustas, sino también socialmente responsables. Al finalizar el curso, los estudiantes contarán tanto con las habilidades prácticas como con las perspectivas críticas necesarias para afrontar desafíos complejos de IA e impulsar la innovación en distintas industrias. | Aprendizaje profundo | 3.0 |
| CNT-6425 Computación en la nube Este curso de nivel de posgrado en Administración de Computación en la Nube ofrece una exploración integral y práctica de la infraestructura en la nube, centrándose tanto en los conceptos fundamentales como en las herramientas avanzadas utilizadas en los entornos de cómputo modernos. Los estudiantes adquirirán un conocimiento profundo de la virtualización, los contenedores, la gestión de recursos, los modelos de programación y de aplicaciones, y la administración de sistemas, mientras trabajan con plataformas reales como OpenStack, Amazon Web Services (AWS), Microsoft Azure y Google Cloud, así como con marcos de big data como Hadoop y Spark. El curso enfatiza el aprendizaje centrado en el estudiante al integrar los fundamentos teóricos con competencias prácticas, incluyendo la implementación y la gestión de infraestructura en sistemas de nube pública y privada. Un componente significativo es la intersección entre la computación en la nube y la inteligencia artificial, donde los estudiantes aprenderán a diseñar e implementar soluciones impulsadas por IA utilizando recursos en la nube, incluyendo flujos de trabajo de aprendizaje automático. Las consideraciones éticas, legales y regulatorias se abordan mediante la evaluación de casos reales, asegurando que los estudiantes no solo dominen las herramientas técnicas, sino que también comprendan las implicaciones sociales más amplias de implementar IA en la nube. | Computación en la nube | 4.0 |
| CET-6939 Proyecto final de maestría (Capstone) Este Proyecto Integrador (Capstone) de nivel de posgrado constituye la experiencia académica culminante del programa de Maestría en Inteligencia Artificial (MSAI), brindando a los estudiantes la oportunidad de aplicar su conocimiento teórico a desafíos del mundo real. A través de un enfoque integrador y basado en proyectos, los estudiantes identificarán, diseñarán y propondrán soluciones a problemas complejos dentro de su área de énfasis elegida, utilizando técnicas avanzadas de IA como el aprendizaje supervisado y no supervisado, el aprendizaje profundo, la ingeniería de prompts o los sistemas de decisión impulsados por IA. El curso enfatiza el pensamiento crítico, la planificación estratégica y la resolución aplicada de problemas en entornos realistas, donde los planteamientos de los problemas y los datos provienen de la industria, el gobierno o las organizaciones no gubernamentales. Los estudiantes participarán en el proceso completo de abordar un problema real de IA, desde la recolección y el procesamiento de datos hasta la selección y aplicación de los métodos analíticos adecuados. El entregable final es una propuesta integral de proyecto que abarca el análisis del problema, la metodología, los planes de implementación y las consideraciones éticas, preparando a los estudiantes para la implementación práctica en entornos profesionales, de investigación o emprendedores. | Proyecto final de maestría (Capstone) | 4.0 |