Universidad Tecnológica de la Mixteca  
   
     
 
   
 

MAESTRÍA EN INTELIGENCIA ARTIFICIAL

¿Qué es la Inteligencia Artificial?

La automatización de actividades que relacionamos con el pensamiento humano, actividades como tomar decisiones, resolver problemas, aprender … (Bellman, 1978)
El arte de crear máquinas que desarrollan funciones que requieren de inteligencia cuando se llevan a cabo por humanos … (Kurzweil, 1990)
El estudio de los cálculos que hacen posible percibir, razonar y actuar … (Winston, 1992)
IA … está interesada en el comportamiento inteligente en artefactos … (Nilsson, 1998)
La IA es la capacidad de las máquinas para usar algoritmos, aprender de los datos y utilizar lo aprendido en la toma de decisiones tal y como lo haría un ser humano … (Rouhiainen, 2018)

Objetivos Generales y Particulares del Programa

Objetivo General:

Formar recursos humanos especializados en diferentes áreas de la Inteligencia Artificial, proporcionando al estudiante los conocimientos y herramientas básicos tanto teóricos como prácticos basados en fundamentos matemáticos y en las ciencias computacionales que les permitan entenderlos y aplicarlos en desarrollos científicos y tecnológicos.

Objetivos Específicos:

  • Realizar investigación original en inteligencia artificial para apoyar el desarrollo de áreas estratégicas nacionales.
  • Formar especialistas con conocimientos actualizados y sólidos en inteligencia artificial y en el área de su especialidad.
  • Desarrollar proyectos de investigación básica y aplicada con vinculación con sectores sociales, productivos y académicos.

Perfil de Ingreso

La Maestría en Inteligencia Artificial está dirigida a egresados de licenciaturas relacionadas con las Matemáticas, las Ciencias de la Computación e Ingenierías afines.
Es deseable que el candidato tenga ciertas cualidades que le permitirán llevar a buen fin el posgrado. Estas cualidades son:

Conocimientos
  • Tener una formación orientada a la investigación en las áreas de conocimiento que se abordan en el programa.

  • Tener interés en la vida académica.


Habilidades
  • Poder buscar información científica especializada.

  • Expresión oral y escrita formal en español.

  • Comprensión escrita y comunicación oral suficiente en inglés.


Destrezas
  • Tener la capacidad de trabajar de manera independiente y ser capaz de trabajar en equipo.

  • Tener capacidad creativa, de abstracción y de síntesis de ideas.


Actitudes
  • Tener un alto sentido de la responsabilidad y el compromiso.

  • Manifestar una postura ética, seria y responsable con sus compañeros y profesores.

Perfil de Egreso

El maestro en Inteligencia Artificial egresado de la Universidad Tecnológica de la Mixteca será capaz de desempeñarse en las distintas áreas del sector productivo y académico, tanto instituciones públicas como privadas para:

  • Desarrollar investigación básica y/o aplicada.
  • Incorporarse a tareas académicas, y si así lo desea, continuar con estudios de doctorado.
  • Generar empresas de autoempleo para el sector industrial.
  • Diseñar y desarrollar procesos de investigación orientados a mejorar la producción agrícola y el manejo sustentable de los recursos naturales.
  • Diagnosticar problemas técnicos, sociales y económicos relacionados con sectores productivos y de servicios que puedan ser mejorados o solucionados con técnicas de inteligencia artificial.
  • Establecer mecanismos para interactuar con sectores sociales y productivos a nivel local, regional y nacional para proponer alternativas de desarrollo coherentes con el entorno.
  • Manejar las tecnologías de información y comunicación para obtener, procesar y compartir información en la construcción del conocimiento aplicado.
  • Actuar y conducirse con principios éticos en el ejercicio de la profesión.

Estructura del Plan de Estudios

La Maestría en Inteligencia Artificial es presencial y de tiempo completo, tiene una duración de dos años, incluyendo el trabajo de tesis. El plan de estudios consta de siete asignaturas obligatorias, cuatro seminarios de tesis y dos asignaturas optativas, con un total de 95 créditos.

El plan de estudios se distribuye de la manera siguiente:

Semestre Materias Créditos
Primer Semestre Seminario de Tesis I 8
Inteligencia Artificial 7
Aprendizaje Máquina 7
Programación Lógica y Funcional 7
Segundo Semestre Seminario de Tesis II 8
Conocimiento y Razonamiento 7
Aprendizaje Profundo 7
Optativa I 7
Tercer Semestre Seminario de Tesis III 8
Análisis de Datos 7
Optativa II 7
Cuarto Semestre Seminario de Tesis IV 8
Algoritmos y Complejidad 7

 

Las materias optativas se presentan a continuación, están ordenadas de acuerdo al semestre en que pueden cursarse y también de acuerdo a las líneas de generación y aplicación del conocimiento.

Semestre/Optativa Materias Linea
Segundo Semestre
Optativa I
Procesamiento de imágenes LGAC-1
Lingüística computacional LGAC-2
Cómputo científico en problemas geoespaciales LGAC-3
Aprendizaje automático en problemas geoespaciales LGAC-3
Razonamiento automático LGAC-4
Tercer Semestre
Optativa II
Procesamiento de imágenes con redes neuronales LGAC-1
Visión computacional LGAC-1
Procesamiento de lenguaje natural LGAC-2
Visualización de datos aplicada a aprendizaje automático LGAC-3
Razonamiento no clásico LGAC-4

LGAC-1 Procesamiento inteligente en señales e imágenes (PS)
LGAC-2 Procesamiento de lenguaje natural (LN)
LGAC-3 GeoComputación científica y geointeligencia (GC)
LGAC-4 Razonamiento automático (RA)

Núcleo Académico Básico

Los profesores que integran el Núcleo Académico Básico están adscritos a los Institutos de: Física y Matemáticas, Computación, Hidrología, Ciencias Sociales y Humanidades y al CentroGeo* de Conacyt.

Profesor Pertenencia al SNI Perfil deseable
Dra. Gabriela Álvarez Olguín Nivel I SI
Dr. José Anibal Arias Aguilar - SI
Dr. Ignacio Arroyo Fernández Nivel C SI
Dra. Verónica Borja Macías Nivel I SI
Dr. Jesús Alejandro Hernández Tello Nivel C SI
Dr. Christian Eduardo Millán Hernández Nivel C -
Dr. Rosebet Miranda Luna - SI
Dr. Tomás Pérez Becerra Nivel C -
MTCA Erik Germán Ramos Pérez - SI
Dr. Eduardo Sánchez Soto SI
Dr. Arturo Téllez Velázquez Nivel I -
* Dr. Alberto García Robledo Nivel I -
* Dr. Rodrigo López Farías Nivel I -
* Dr. Jorge Paredes Tavares Nivel I -
* Dr. Héctor Solano Nivel I -
* Dr. Sergio Ivvan Valdez Peña Nivel II -

Reseñas de los integrantes del NAB

Gabriela Álvarez Olguín
galvarez@mixteco.utm.mx

Obtuvo el grado en Ingeniería Hidrológica en 2001, en la Universidad Autónoma Metropolitana Unidad Iztapalapa. En 2004, obtuvo el grado de Maestría y en abril de 2015 el grado de Doctor en Ingeniería en la UNAM. Desde 2004 es Profesor-Investigador de tiempo completo en el Instituto de Hidrología de la UTM. Es responsable del Cuerpo Académico denominado “Gestión Integral del Agua”, en el cual trabaja en la línea de investigación de Manejo Integral de Cuencas. Ha participado y dirigido proyectos relacionados con el aprovechamiento sostenible de los recursos hídricos y el análisis de eventos hidrológicos extremos. Desde 2016 cuenta con Perfil Deseable de PRODEP y actualmente tiene nivel 1 en el Sistema Nacional de Investigadores.

 

 

 

José Anibal Arias Aguilar
anibal@mixteco.utm.mx

El Dr. Anibal estudió la carrera de Ingeniería en Comunicaciones y Electrónica en el IPN (ESIME-Culhuacán), la Maestría en Sistemas Computacionales en la UDLA (Puebla) y la Maestría y el Doctorado en Informática de la Imagen y el Lenguaje en la Universidad Paul Sabatier (Toulouse, Francia). Trabajó 3 años en la empresa Schlumberger como ingeniero de soporte en proyectos de telefonía pública para Telmex. Actualmente es Jefe de Posgrado en la UTM e imparte cursos en las maestrías en Robótica y en Medios Interactivos y en los doctorados en Robótica y Electrónica. Cuenta actualmente con el Perfil Deseable PRODEP. Sus intereses se centran en el procesamiento de señales multimedia con técnicas de inteligencia artificial y entornos de simulación 3D.

 

 

Rosebet Miranda Luna
rmiranda@mixteco.utm.mx

Realizó sus estudios de ingeniería Industrial en electrónica en el Instituto Tecnológico de San Luis Potosí, concluyendo en 1996, Realizó sus estudios de maestría en ciencias en Ingeniería Eléctrica con especialidad en Bioelectrónica en el Centro de Investigación y de Estudios Avanzados del IPN, concluyendo en el 2000, y en 2005 recibió su título de Doctor en ciencias en Automatización y procesamiento de señales por parte del Institut National Polytechnique de Lorraine, Francia. Actualmente es profesor investigador en la Universidad Tecnológica de la Mixteca, e imparte cursos de Procesamiento digital de imágenes a nivel maestrías, y Procesamiento digital de Imágenes, Procesamiento digital de señales, Tópicos selectos de biomecatrónica, y Circuitos eléctricos a nivel licenciatura. Cuenta actualmente con el Perfil Deseable de Prodep. Sus intereses se centran en el procesamiento de señales e imágenes con técnicas de inteligencia artificial.

 

 

Erik Germán Ramos Pérez
erik@mixteco.utm.mx

Realizó los estudios de licenciatura en Ingeniería en Computación y la maestría en Tecnologías de Cómputo Aplicado en la UTM; actualmente cursa el Doctorado en Robótica en la misma Institución. Es profesor de tiempo completo de la carrera de Ingeniería en Computación en el Instituto de Computación en la misma UTM. Ha participado en proyectos financiados por Conacyt, Prodep y la SEP, sus áreas de interés son: Navegación Autónoma con Drones, y Arquitecturas Profundas Convolucionales.

 

 

 

Eduardo Sánchez Soto
esanchez@mixteco.utm.mx

Obtuvo el Doctorado en procesamiento de señales e imágenes por la Escuela Nacional Superior de Telecomunicaciones de París en Francia y como PostDoctorante trabajó en proyectos relacionados con procesamiento del habla y del sonido. Ha participado en proyectos de ciencia básica de Conacyt, cuenta actualmente con el Perfil Deseable de Prodep y fue investigador SNI 1 hasta el año 2018. Sus líneas de investigación son el modelado de series temporales, el modelado con modelos gráficos y el procesamiento de señales e imágenes, particularmente el procesamiento del habla.

 

 

 

Arturo Téllez Velázquez
atellezv@mixteco.utm.mx

El Dr. Arturo Téllez es un profesor investigador adscrito al Instituto de Computación de la Universidad Tecnológica de la Mixteca. Se graduó de Ingeniero en Comunicaciones y Electrónica (2003) de la Escuela Superior de Ingeniería Mecánica y Eléctrica (ESIME) del Instituto Politécnico Nacional (IPN). También se graduó de Maestro en Ciencias de la Ingeniería de Cómputo con opción en Sistemas Digitales (2008) y de Doctor en Ciencias de la Computación (2014), en el Centro de Investigación en Computación (CIC), también del IPN. Asimismo, realizó una estancia posdoctoral en el Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM), campus Ciudad de México, realizando investigación en las áreas de sistemas difusos y redes neuronales. Recientemente, participó en el proyecto de Cátedras CONACYT (proyecto 1170) del 2015 al 2021. Sus intereses de investigación están enfocados en la computación flexible a gran escala, haciendo uso del cómputo de alto rendimiento (cómputo paralelo, distribuido y heterogéneo).

 

Ignacio Arroyo Fernández
iaf@gs.utm.mx, https://iarroyof.github.io

El Dr. Ignacio es ingeniero y maestro en electrónica (con especialidad en sistemas inteligentes aplicados), por la Universidad Tecnológica de la Mixteca (en 2006 y 2013, respectivamente). Obtuvo un doctorado en ciencia e ingeniería de la computación (con especialidad en Inteligencia Artificial) por la UNAM en 2019. Sus líneas de investigación son el Procesamiento de lenguaje natural (NLP) y aprendizaje computacional, así como el Modelado estadístico de la semántica, Bases de conocimiento y Razonamiento de sentido común con aplicaciones en literatura científica. Realizó estancias de investigación nacionales y en el extranjero. Primero para desarrollar aplicaciones del aprendizaje computacional al resumen automático de documentos en la Université d’Avignon (Francia). Luego desarrolló aplicaciones de NLP y aprendizaje computacional al resumen automático de artículos en biomedicina y a bases de datos sobre regulación genética en el Centro de Ciencias Genómicas de la UNAM. Trabajó por dos años en el sector privado aplicando NLP y aprendizaje por refuerzo en problemas de Inteligencia de negocios. Actualmente (desde el 2019) está adscrito a la División de Estudios de Posgrado de la UTM y es miembro candidato a investigador nacional del Sistema Nacional de Investigadores (SNI). En la UTM ha impartido cursos de Probabilidad, Procesamiento de imágenes, Aprendizaje computacional, Aprendizaje probabilístico y Redes neuronales. Además, dentro de sus líneas de investigación, desarrolla proyectos con financiamiento público (Prodep) para la construcción automatizada de bases de conocimiento biomédico y razonamiento neuronal sobre enfermedades no transmisibles y seguridad alimentaria. Estos proyectos involucran modelos neuronales de la estructura semántica y aprendizaje por refuerzo para la inferencia de nuevas unidades de conocimiento: http://arroyo-ai.utm.mx/neural-reasoning

 

 

Christian Eduardo Millán Herández
cmillanh@mixteco.utm.mx

El Dr. Christian Eduardo Millán Hernández es Profesor Investigador del Instituto de Computación de la Universidad Tecnológica de la Mixteca. Sus áreas de interés son el Procesamiento de Lenguaje Natural, Lingüística Computacional, Reconocimiento de Patrones, Metaheurísticas, Aprendizaje Automático y Redes Neuronales. Especialmente busca desarrollar soluciones a problemas del sector salud, agropecuario y educativo. Es Ingeniero en Sistemas Computacionales por el Instituto Tecnológico de Toluca, estudió la maestría y el doctorado en Ciencias de la Computación, ambos en la Universidad Autónoma del Estado de México. Es miembro del Sistema Nacional de Investigadores (SNI) del CONACYT con nivel Candidato a Investigador Nacional.

 

 

 

Verónica Borja Macías
vero0304@gs.utm.mx

Es Doctora en Ciencias Matemáticas por la Benemérita Universidad Autónoma de Puebla, 2017. Profesor-Investigador de tiempo completo en la Universidad Tecnológica de la Mixteca desde 2006. Miembro del cuerpo académico de Matemáticas Discretas de la UTM. Fue jefe de carrera de la Licenciatura en Matemáticas Aplicadas de 2008 a 2010. En 2019 recibió la distinción de profesor con perfil deseable PRODEP por parte de la Secretaría de Educación Pública. Desde 2019 es miembro del Sistema Nacional de Investigadores y actualmente es nivel 1. Sus líneas de investigación incluyen Representación del conocimiento, Lógicas no clásicas y Programación Lógica.

 

 

 

Jesús Alejandro Hernández Tello
alheran@gs.utm.mx

Es Doctor en Ciencias Matemáticas por la Benemérita Universidad Autónoma de Puebla, 2018. Desde 2007 es Profesor-Investigador de tiempo completo en la Universidad Tecnológica de la Mixteca. Es miembro del cuerpo académico de Matemáticas Discretas de la UTM. En 2020 recibió la distinción de profesor con perfil deseable PRODEP por parte de la Secretaría de Educación Pública. Desde 2021 es candidato a investigador del Sistema Nacional de Investigadores. Sus líneas de investigación incluyen Representación del conocimiento, Lógicas no clásicas y Programación Lógica.

 

 

 

Tomás Pérez Becerra
tomas@mixteco.utm.mx

Es PostDoctor en la Universidad Tecnológica de la Mixteca en Huajuapan de León, Oaxaca. Doctor y Maestro en Ciencias Matemáticas por la Benemérita Universidad Autónoma de Puebla, de la cual es egresado con honores. Licenciado en Matemáticas Aplicadas por la Universidad Autónoma de Tlaxcala y Maestro en Ciencia de Datos Aplicada por el Technological Institute of Executive Education. Es Profesor-investigador de tiempo completo adscrito al Instituto de Física y Matemáticas de la Universidad Tecnológica de la Mixteca. Realizó dos estancias de investigación en el National Institute of Education de la Nanyang Technological University en Singapur bajo la dirección del Doctor Lee Peng Yee. Ha impartido conferencias a nivel nacional e internacional. Cuenta con publicaciones de artículos científicos indexados en revistas internacionales en colaboración con investigadores nacionales y extranjeros y un capítulo de libro. Es miembro del Sistema Nacional de Investigadores con la distinción de candidato a investigador. Ha dirigido cinco tesis de licenciatura, una de maestría y una de doctorado. Actualmente, es responsable del proyecto “Implementación de la dimensión fractal en el reconocimiento biométrico del iris del ojo”. Sus líneas de investigación incluyen Teoría de integración generalizada, Análisis funcional y matemático, Ecuaciones diferenciales ordinarias, Biología matemática, Teoría de dimensión y Ciencia de datos.

CentroGEO Conacyt


Alberto García Robledo
agarcia@centrogeo.edu.mx

Es Doctor en Ciencias de la Computación por el Centro de Investigación y de Estudios Avanzados del IPN. De 2013 a 2014 fungió como líder técnico en el Geospatial Data Center del Massachusetts Institute of Technology en Cambridge, EUA. De 2017 a 2018 fungió como profesor-investigador de tiempo completo en la Universidad Politécnica de Victoria, donde también fue secretario de la Academia de Ingeniería en Tecnologías de la Información. En 2018 recibió la distinción de profesor con perfil deseable PRODEP por parte de la Secretaría de Educación Pública. Desde 2018 es investigador Cátedra CONACyT y desde 2020 está adscrito a CentroGeo sede Querétaro. El Dr. García Robledo es actualmente miembro del Sistema Nacional de Investigadores nivel 1. Sus líneas de investigación incluyen High Performance Computing (HPC), Graph Computing, Network Science, Big Data y Data Visualization.

 

 

 

Rodrígo López Farías
rlopez@centrogeo.edu.mx

Dr. en Ciencias de la computación e Ingeniería por la escuela de Estudios Avanzados Lucca en Italia. (School of advanced Studies Lucca). Sus líneas de investigación de interés son el estudio de modelos de aprendizaje automático aplicados a la predicción y clasificación de series de tiempo univariables, multivariables y espacio-temporales, y optimización numérica de problemas no convexos. Es Investigador SNI 1. Comenzó a trabajar en CentroGeo desde el 1 de noviembre del 2017.

 

 

 

 

Jorge Paredes Tavares
jparedes@centrogeo.edu.mx

SNI 1, Doctor, Licenciado en Geografía y Ordenación del Territorio, Maestro en Ciencias del Agua con énfasis en Hidrología Subterránea, Doctor en Ciencias del Agua con énfasis en Gestión de Recursos Hídricos, egresado de la UAEMex. Ha impartido cursos de Ciencias del Agua, Ciencias de la Tierra, entre otros. Sus líneas de investigación son el Estudio de la Disponibilidad, Prospectiva y Gestión de Recursos Hídricos; Hidrología Subterránea y Análisis Espacial. Actualmente es Investigador por México de CONACyT asignado a CentroGeo.

 

 

 

Hector Antonio Solano Lamphar
hsolano@centrogeo.edu.mx

SNI 1, Doctor y Maestro en Ingeniería Ambiental, y Maestro en Ciencias de la Manufactura. Sus tópicos de investigación se enfocan en el estudio de contaminantes atmosféricos, análisis de la transferencia radiativa, legislación de impacto ambiental lumínico, desarrollo de tecnologías de medición de la contaminación lumínica, estudio teórico y experimental de la contaminación lumínica.

 

 

 

 

S. Ivvan Valdez Peña
svaldez@centrogeo.edu.mx

Maestro y Doctor en Ciencias de la Computación, por el Centro de Investigación en Matemáticas A.C. (CIMAT). Su investigación se desarrolla en las áreas de algoritmos de optimización, métodos numéricos y cómputo paralelo con aplicaciones a problemas de ingeniería, tales como el diseño óptimo, y métodos de optimización para inteligencia computacional. En publicaciones Scopus me reconoce 61, Scholar y researchgate más de 80, de las cuales 24 son artículos en revistas, 22 están en el Journal Citation Report, 2 en el Emergent Sources Citation Index, 28 (no excluyen las anteriores) son Q1 y Q2 en SCIMAGO. Entre mis tesistas titulados se cuentan 1 de doctorado, 9 de maestría y 6 de licenciatura. En cuanto a proyectos, he sido responsable en 2, colaborador en 7 y evaluador de CONACyT-México. Soy revisor de varias revistas y congresos internacionales. He ganado 3 best paper awards en congresos, y pertenezco al sistema nacional de investigadores en nivel 2. He impartido cursos a nivel licenciatura, y de maestría y doctorado dentro del Programa Nacional de Posgrados de Calidad (PNPC).

Líneas de Generación y Aplicación del Conocimiento (LGAC)

El conjunto de profesores investigadores de la UTM así como los profesores invitados dentro del programa constituirán cuatro grupos de investigación.

PROCESAMEINTO INTELIGENTE DE SEÑALES E IMÁGENES INTEGRANTES

La inteligencia artificial actual tiene su base en el manejo de la información y ésta se encuentra básicamente en las señales provenientes de los fenómenos de interés. El procesamiento de señales e imágenes esencialmente se encarga de extraer la información de la mejor manera posible como un fin último o como primera parte de algún otro proceso.

Dr. José Anibal Arias Aguilar
Dr. Arturo Téllez Velázquez
Dr. Eduardo Sánchez Soto
Dr. Sergio Ivvan Valdez Peña
Dra. Gabriela Álvarez Olguín
Dr. Rosebet Miranda Luna
M.T.C.A. Erik Germán Ramos Pérez

PROCESAMIENTO DE LENGUAJE NATURAL INTEGRANTES

El procesamiento del lenguaje natural es un campo de la Inteligencia Artificial cuyo principal objetivo es ayudar a los ordenadores a entender, interpretar y manipular el lenguaje humano. Este objetivo busca, a su vez, mejorar tanto la interacción entre el ser humano y las computadoras como la interpretación de volúmenes cada vez mayores de datos no estructurados presentes en repositorios de documentos (textos) de dominios especializados y no especializados, así como los escritos en múltiples lenguas.

Dr. Christian Eduardo Millán Hernández
Dr. Ignacio Arroyo Fernández
Dr. José Anibal Arias Aguilar
Dr. Eduardo Sánchez Soto

GEOCOMPUTACIÓN CIENTÍFICA Y GEOINTELIGENCIA INTEGRANTES

Geocomputación científica y Geointeligencia. Comprende el uso, diseño y propuesta de algoritmos, modelos matemáticos y computacionales para la solución de problemas con componentes geoespaciales, en particular se utilizarán aquellos métodos de geointeligencia computacional, es decir, redes neuronales, algoritmos evolutivos, lógica difusa, aprendizaje automático y aprendizaje profundo, por mencionar algunos, que consideran específicamente el componente espacial.

Dr. Sergio Ivvan Valdez Peña
Dr. Jorge Paredes Tavares
Dr. Rodrigo López Farías
Dr. Alberto García Robledo
Dr. Héctor Solano

RAZONAMIENTO AUTOMÁTICO INTEGRANTES

El razonamiento automático es un área de la Inteligencia Artificial que se dedica a estudiar cómo usar las computadoras para ayudar en la resolución de problemas que requieren razonamiento. Se encarga de estudiar la representación del conocimiento, las reglas para derivar nuevo conocimiento del que se tiene, y las estrategias para controlar de manera automática dichas reglas. El razonamiento automático es el proceso general que proporciona a los algoritmos de aprendizaje automático un marco organizado para definir, abordar y resolver problemas y sustenta muchas prácticas de aprendizaje automático.

Dr. Jesús Alejandro Hernández Tello
Dr. Tomás Pérez Becerra
Dra. Verónica Borja Macías
Dr. Eduardo Sánchez Soto

Produción Académica Relevante

La Productividad Académica del Núcleo Académico Básico de la Maestría en Inteligencia Artificial incluye principalmente: … .

La producción académica más relevante de los últimos seis años se describe a continuación, comenzando con los artículos en revistas, capítulos de libros y memorias en extenso:

Año Tipo de publicación Descripción
2022 Artículo de investigación

Á. Hernández-Castañeda, R. A. García-Hernández, Y. Ledeneva, and C. E. Millán-Hernández, “Language-independent extractive automatic text summarization based on automatic keyword extraction,” Comput. Speech Lang., vol. 71, p. 101267, Jan. 2022, doi: 10.1016/j.csl.2021.101267

2021 Artículo de investigación

Argelia Berenice Urbina-Nájera, Arturo Téllez-Velázquez y Raúl Cruz Barbosa. “Patrones que identifican a estudiantes universitarios desertores aplicando minería de datos educativa”. Revista Electrónica de Investigación Educativa, vol. 23 (2021). https://doi.org/10.24320/redie.2021.23.e29.3918.

Artículo de investigación

Arturo Téllez-Velázquez y Raúl Cruz Barbosa. “On the Feasibility of Fast Fourier Transform Separability Property for Distributed Image Processing”. Scientific Programming, Hindawi. Vol. 2021, https://doi.org/10.1155/2021/1780931

Artículo de investigación Rodríguez-Santiago, A.L., Arias-Aguilar, J.A., Takemura, H. And Petrilli-Barceló, A.E. “A Deep Learning Architecture for 3D Mapping Urban Landscapes”. Applied Sciences, December 2021, Vol 11, No. 23, https://doi.org/10.3390/app112311551
Artículo de investigación

M. Luz Palacios, Ana Lilia Laureano, J. Anibal Arias, Roberto Bretado. “Interaction between children of the autism spectrum and a humanoid robot modulated by levels of consciousness”. IJISET – International Journal of Innovative Science, Engineering & Technology. Vol. 7 Issue 11, November 2020. ISSN (online) 2348-7968

Artículo de investigación

Sánchez-Rojas, J. A., Arias-Aguilar, J. A., Takemura, H. and Petrilli-Barceló, A. E. “Staircase Detection, Characterization and Approach Pipeline for Search and Rescue Robots”. Applied Sciences, November 2021, Vol. 11, No. 22, https://doi.org/10.3390/app112210736

Artículo de investigación

Arias-Montiel, M., Martínez-Miguel, A., Lugo-González, E., Miranda-Luna, R., Tapia-Herrera, R. (2021). “Prototipo de mano robótica controlado mediante señales electromiográficas con un dispositivo comercial”. Computación y Sistemas, vol. 25, no. 2, pp. 307-315. ISSN: 2007-9737. DOI: 10.13053/CyS-25-2-3464

Memorias en extenso

Alfredo Estevez-Acosta, Rosebet Miranda Luna, “Implementación y comparación de los métodos KNN y CNN para el reconocimiento de signos estáticos de la lengua de señas mexicana”, Congreso de instrumentación y 1er simposio nacional de biosensores (SOMI XXXV), 27-29 de octubre de 2021, Año 07, No. 01, Octubre 2021, ISSN 2395-8499.

2020 Capítulo de libro

Armando Levid Rodríguez-Santiago, José Anibal Arias-Aguilar, Alberto Elías Petrilli-Barceló, and Rosebet Miranda-Luna, “A Simple Methodology for 2D Reconstruction Using a CNN Model”, Pattern Recognition, Ed. Springer, Junio 2020, pp. 98-107, ISBN 978-3-030-49075-1, ISBN 978-3-030-49076-8 (eBook), DOI https://doi.org/10.1007/978-3-030-49076-8.

Memorias en extenso

Alma Alheli Pedro Perez, Marisol Contreras, Jasiel Hassan Toscano Martinez, Eduardo Sánchez Soto y Salvador E. Lobato. “Análisis de la Deserción Escolar mediante Técnicas de Minería de Datos”. II Congreso Internacional y X Congreso Nacional de Ciencias de la Computaci ´on CONACIC2020.

Memorias en extenso

Alma Alheli Pedro Perez, Matilde Martínez S´anchez, Jasiel Hassan Toscano Martinez, Eduardo Sánchez Soto y Salvador E. Lobato. “Aplicación móvil para la conservación de la Lengua Materna en San Juan Tepanzacolco”, Oaxaca. Congreso Internacional de computación, CICOM 2020.

Artículo de investigación

Gabriela Álvarez-Olguín, Saul Martínez-Ramírez y Brenda I. G. Licona Moran. (2020). Predicción de lluvias máximas para la república mexicana mediante modelos probabilísticos no estacionarios. Tecnología y Ciencias del Agua, 11(4), 179-214.

Artículo de investigación

Á. Hernández Castañeda, R. A. García Hernández, Y. Ledeneva, and C. E. Millán Hernández, “The Impact of Key Ideas on Automatic Deception Detection in Text,” Comput. y Sist., vol. 24, no. 3, Sep. 2020, doi: 10.13053/cys-24-3-3483.

Artículo de investigación

Á. Hernández Castañeda, R. A. García Hernández, Y. Ledeneva, and C. E. Millán Hernández, “The Impact of Key Ideas on Automatic Deception Detection in Text,” Comput. y Sist., vol. 24, no. 3, Sep. 2020, doi: 10.13053/cys-24-3-3483.

Artículo de investigación

Á. Hernández Castañeda, R. A. García Hernández, Y. Ledeneva, and C. E. Millán Hernández, “The Impact of Key Ideas on Automatic Deception Detection in Text,” Comput. y Sist., vol. 24, no. 3, Sep. 2020, doi: 10.13053/cys-24-3-3483.

Artículo de investigación C

C. E. Millán-Hernández, R. A. García-Hernández, Y. Ledeneva, and Á. Hernández-Castañeda, “An orthographic and phonetic knowledge-based measure for confused drug names,” J. Intell. Fuzzy Syst., vol. 39, no. 2, pp. 2003–2013, Jan. 2020, doi: 10.3233/JIFS-179867.

Artículo de investigación

C. E. Millán-Hernández, R. A. García-Hernández, and Y. Ledeneva, “Improving the identification of confused drug names in Spanish,” J. Intell. Fuzzy Syst., vol. 39, no. 2, pp. 2027–2036, Aug. 2020, doi: 10.3233/JIFS-179869

2019 Artículo de investigación

Arturo Téllez-Velázquez y Raúl Cruz Barbosa. “A Spark image processing toolbox”. Concurrency and Computation, ractice and Experience (2019). https://doi.org/10.1002/cpe.5283

Memorias en extenso

Carlos Hernández Montellano, Mariela Itzel Miguel Sánchez, Saiveth Hernández Hernández, Rosebet Miranda Luna, Raúl Cruz Barbosa. “Segmentación de disco óptico de imágenes del fondo de la retina”, XXXII Congreso Nacional y XVIII Congreso Internacional de Informática y Computación ANIEI 2019 (CNCIIC-ANIEI 2019), 16-18 de octubre de 2019.

Artículo de investigación

Ramos-Pérez, E. G., Ramírez-López, M., Ramírez, M. E., Cruz, O. R. (2019). Vuelo autónomo usando segmentación por color. Komputer Sapiens, 11(1), 15-18.

Artículo de investigación

Martínez-García, S. E., Fernández-y-Fernández, C. A., Ramos-Pérez, E. G., Aguilar, J., Aguilar, J. (2019). Aplicando OCL para la verificación de la especificación de un prototipo de vehículo autónomo. Abstraction and Application, 25(2019), 79-89.

Memorias en extenso

Ramos-Pérez, E. G., Ramírez, M. E., Sánchez, M., Fernández-y-Fernández, C. A., Martínez, C. A. (2019). Una aplicación interactiva de simulación 3D para fomentar la cultura Mixteca en el museo regional de Huajuapan (MUREH). Cuadernos del Sur, 1(47), 73-89.

Artículo de investigación

C. E. Millán-Hernández, R. A. García-Hernández, Y. Ledeneva, and Á. Hernández-Castañeda, “Soft Bigram Similarity to Identify Confusable Drug Names,” Springer, Cham, 2019, pp. 433–442.

Artículo de investigación

C. E. Millán-Hernández, R. A. García-Hernández, and Y. Ledeneva, “An evolutionary logistic regression method to identify confused drug names,” J. Intell. Fuzzy Syst., vol. 36, no. 5, pp. 4609–4619, May 2019, doi: 10.3233/JIFS-179012.

2018 Artículo de investigación

Antonio Orantes Molina, Irwin Jovany Salinas Vargas, Raúl Cruz Barbosa, Rosebet Miranda Luna, Verónica Rodríguez López, “Segmentación de imágenes aplicando la herramienta computacional P3S”, Pistas Educativas, México, Instituto Tecnológico de Celaya, Vol 39, No. 128, Pp. 1191-1205, 2018, ISSN 1405-1249. http://itcelaya.edu.mx/ojs/index.php/pistas/article/view/1157

Artículo de investigación

Carlos Ceballos-Castillo, Hiram Netzahualcóyotl Garcia-Lozano, Eduardo Sánchez-Soto. “Planeación de trayectorias de un Robot Móvil basado en Redes Bayesianas”. Programación Matemática y Software. Vol. 10, No. 3, octubre 2018. ISSN 2007-3283.

Artículo de investigación

Cruz-Barbosa, R., Ramos-Pérez, E. G., Giraldo, J. (2018). Representation Learning for Class C G Protein-Coupled Receptors Classification. Molecules, 23(3), 1-20.

 

Participación en congresos, seminarios y talleres:

Evento/Lugar Ponente Título de la Ponencia

3a Jornada Académica de la Licenciatura en Informática NovaUniversitas Diciembre 2021

Josá Anibal Arias

Programación de videojuegos en la plataforma Unity

Feria de Ciencia y Tecnología TESVG 2021

Christian Eduardo Millán Hernández

Una perspectiva de la Industria 4.0 desde el punto de vista de la Inteligencia Artificial

5ª Semana Académica de Ingeniería en Sistemas Computacionales. Tecnológico de Estudios Superiores de Tianguistenco 2021

Christian Eduardo Millán Hernández

Procesamiento de Lenguaje Natural para la mejora de calidad los sistemas de salud y de la seguridad del paciente

Congreso Internacional de Inteligencia Artificial e Industria 4.0 Noviembre 2021

Magdiel García Juárez/ José Anibal Arias/ Alberto Petrilli

Reconocimiento de movimientos motores estereotipados en niños con TEA utilizando una red ConvLSTM

Taller a profesores de la Universidad de Tulancingo Agosto 2021

José Anibal Arias

Introducción a las redes neuronales y al aprendizaje profundo

3er Congreso Estudiantil de Inteligencia Artificial Aplicada a la Ingeniería y Tecnología (CEIAAIT), 2020

Eduardo Sánchez Soto

Tendencias en el procesamiento del habla desde el punto de vista de la inteligencia artificial

Seminario del Instituto Tecnológico y de Estudios Superiores de Guanajuato (ITESG), octubre 2018

Eduardo Sánchez Soto

Modelado de Navegación Autónoma para un Robot Móvil

Vinculación con los sectores de la sociedad

La maestría en Inteligencia Artificial tiene vínculos de colaboración académica y … . A continuación se resumen los principales vínculos que tiene el Programa con los distintos sectores de la sociedad:

  1. Vinculación Académica:
    • CentroGeo Conacyt. Esta es la más importante de las colaboraciones con las que cuenta el posgrado en Inteligencia Artificial. Miembros de esta institución son profesores invitados, imparten cursos dentro de la currícula oficial del programa y dirigen tesis en codirección con un titular de la Universidad. Este trabajo cuenta con proyectos de investigación dentro del procesamiento de señales e imágenes con aplicaciones generalmente a la geografía e hidrología.
    • Proyecto del Laboratorio Nacional de Supercómputo. “Aplicación de métodos de machine learning al procesamiento de señales de ondas gravitacionales”. Participantes: Dr. José Anibal Arias (UTM), Dr. Oscar Ramírez (UTM), Dr. Guillermo Valdés (Texas A&M).

Procesos Administrativos

REQUISITOS DE INGRESO

Los requisitos para participar en el Proceso de Selección y Admisión al Programa de la Maestría en Inteligencia Artificial son los siguientes:

  • Dos copias del acta de nacimiento actualizada.
  • Dos copias del certificado de licenciatura.
  • Dos copias del título profesional.
  • Dos copias de la cédula profesional.
  • Carta de exposición de motivos, mínimo 3 y máximo 5 cuartillas.
  • Currículum Vitae actualizado
  • Constancia de inglés con una equivalencia de 450 TOEFL.
  • Seis fotografías tamaño infantil blanco y negro.
  • Dos cartas de recomendación avaladas por profesores o investigadores ya sea nacionales o extranjeros.

Nota: Toda la documentación debe entregarse en tamaño carta junto con el pago del examen de selección en original y copia. En caso de ser extranjero todos los documentos deben venir apostillados.


PROCESO DE SELECCIÓN

El Proceso de Selección es realizado por un Comité de Selección de la Maestría en Inteligencia Artificial y consiste básicamente en:

  • Examen de admisión.
  • Evaluación curricular.
  • Entrevista.
  • Curso Propedéutico.

El Comité de Selección realizará un dictamen respecto a la admisión, donde establecerá claramente si el aspirante es aceptado o rechazado.


FECHAS

Solicitud y entrega de documentos 18 de Febrero al 28 de Junio de 2022
Examen de selección 04 de julio de 2022
Entrevista 05 de julio de 2022
Inscripciones al curso propedéutico 18 al 28 de julio de 2022
Curso propedéutico 01 de agosto al 23 de septiembre de 2022

FORMA DE PAGO DE SERVICIOS

INFORMES:

Dr. Eduardo Sánchez Soto
Coordinador Académico
Instituto de Computación
E-mail: esanchez@mixteco.utm.mx
Teléfono: 953 532 03 99/202 14 Ext. 200
Dr. José Aníbal Arias Aguilar
Jefe de la División de Estudios de Posgrado
E-mail: jdivisionposgrado@mixteco.utm.mx
Teléfonos: 953 532 03 99/202 14 Ext. 768

 

Carretera Huajuapan - Acatlima Km. 2.5, Huajuapan de León, Oax., México, C.P.69000 División de Estudios de Posgrado y Departamento de Servicios Escolares. Tel. y Fax. (953) 53 2 03 99 ext. 300, 110 y 768, e-mail.- jdivisionposgrado@mixteco.utm.mx, Servicios Escolares; escolar@mixteco.utm.mx

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 
   
 
 
   
 

SISTEMA DE UNIVERSIDADES ESTATALES DE OAXACA