Historia, evolución y conceptos claves de la inteligencia artificial y sus aplicaciones en  diferentes entornos empresariales, públicos y de investigación, permitiendo aplicar las  metodologías de representación y resolución de problemas para ser empleadas en el abordaje  de situaciones reales que se presentaran en la actividad profesional. 

Conceptos y aplicaciones del planeamiento estratégico aplicado a la dirección de las tecnologías  de información, mecanismos y procesos que facilitan la gestión contemporánea, aceptando la gestión del cambio como algo sustancial a los entornos inestables y variables, en que se  desenvuelven las organizaciones.  

Principales soluciones que se implementan tanto en organizaciones pequeñas como en grandes  corporaciones y entidades públicas, enfocada a una aproximación tecnológica que permita  compartir el conocimiento a cualquier profesional que se pueda desempeñar como decisor, consultor o directivo, y poder manejarse con soltura dentro del amplio catálogo de productos y  servicios de gestión de la información. 

Procesamiento de una gran cantidad de datos, buscando patrones y descubriendo conocimiento,  a través de metodologías y técnicas de minería de datos, que resultan de gran importancia para  la toma de decisiones o el análisis estadístico. 

Conceptos relacionados a la programación distribuida y su aplicación en Ciencia de Datos. Tecnologías y la arquitectura para la programación distribuida. Conceptos de Big Data de  manera teórica y aplicada. Funciones del profesional de datos orientado a resolver problemas  de Big Data dentro de las organizaciones. 

Sistemas inteligentes, cómo representan del conocimiento, cómo razonan sobre él y cómo lo  aprenden. Tipos de Sistemas Inteligentes. Tipos de conocimiento y formas de representación.

Análisis y comprensión de métodos, procedimientos y fórmulas que permiten recolectar  información para luego analizarla y extraer de ella conclusiones relevantes, siendo la base de la Ciencia de los Datos y su principal objetivo, que es mejorar la comprensión de los hechos a  partir de la información disponible.  

La Inteligencia de Negocios en sus aspectos técnicos como de negocios, revisión del impacto  en el manejo de la información y la toma de decisiones estratégicas en los diferentes entornos  en los que se aplica. 

El pensamiento estratégico aplicado a la dirección. Herramientas y mecanismos que facilitan la gestión contemporánea, aceptando la gestión del cambio como sustancial a los entornos inestables y variables, en que se desenvuelven las organizaciones. 

Los tipos de aprendizaje de máquinas. Análisis del lenguaje: vectores de palabras / frases, análisis sintáctico, análisis de sentimientos. Aprendizaje basado en gradientes. Asignaciones no  lineales. Campo de aplicación de Deep Learning y Redes Neuronales. 

Identificación, captura, preprocesamiento, análisis y visualización de datos. Impacto del  tratamiento de datos masivos en la sociedad actual. Análisis en tiempo real. 

Gestión y administración de proyectos. Proyectos IT y sus aplicaciones en Ciencia de Datos. 

Recopilación de grandes cantidades de datos, procesamiento usando diferentes tecnologías de  soporte, presentación de los resultados obtenidos en cuadros inteligentes. 

Introducción al conocimiento científico; aspectos del conocimiento científico y diferencias respecto de otras formas de conocimiento. Técnicas y metodologías de Investigación, enfocado a las Ciencia de Datos. 

Arquitecturas de Redes Neuronales aplicadas en diversas áreas, dando énfasis en la resolución  de problemas de clasificación y predicción. Estrategias evolutivas aplicables al proceso de  adaptación de las redes neuronales, y técnicas del área de Deep Learning. 

El alumno deberá realizar un proyecto completo de Tesis, que muestre el desarrollo total de un  caso de estudio, investigación o desarrollo de un trabajo que respete las doctrinas, teorías y  disciplinas relacionadas a la Ciencia de Datos.