Maestría en Tecnologías de Información e Inteligencia Analítica
Creamos profesionistas capaces de proponer las soluciones, herramientas e innovaciones tecnológicas que requieren incorporar y aprovechar las organizaciones. Sé un experto en el manejo y explotación de la información que impacta directamente en la planeación estratégica y toma de decisiones a través de tecnologías de última generación, como la Inteligencia Artificial, Machine Learning, Big Data, Inteligencia de negocios y Cloud Computing.
Aperturas: Enero, Abril, Julio y Septiembre
Próximo inicio
Enero 2026
Modalidad Híbrida
Periodo
Trimestral
Duración 2.5 años
(cursando 2 materias)
Esta Maestría se imparte en Campus Norte de lunes a viernes de 7 p.m. a 10 p.m. y sábados de 8 a.m. a 11 a.m.
Objetivos
Formar profesionales altamente especializados con sólidos conocimientos teóricos y prácticos para el análisis, entendimiento y predicción de una gran cantidad de información (Big Data), mediante la generación de modelos analíticos para extraer datos y explotar modelos inteligentes de soporte, enfocads al mejoramiento continuo de los procesos y al logro y mantenimiento de un desempeñi altamente competitivo; así como, expertos en el diseño y desarrollo de aplicaciones, bajo entornos multiusuario, multitarea y globalizados, en empresas o instituciones del sector público o privado, o cualquier área de negocio que genere grandes cantidades de datos y sea necesario extraer de ellas información, conocimiento e inteligencia.
Perfil de Ingreso
Licenciados en el área de Ingeniería, Actuaría, Matemáticas, Física, Economía, Ciencias Exactas o áreas a fines.
Perfil de Egreso
Profesionales altamente calificados en el análisis e interpretación de grandes volúmenes de datos y en la generación de modelos analíticos, con el fin de abordar áreas estratégicas de cualquier naturaleza y tomar decisiones con una visión global en alguna institución u organización.
Competencias Profesionales
Prevenir y solucionar problemas que se pueden describir por medio de datos con la finalidad de predecir y tomar decisiones estratégicas acordes.
Analizar información y datos cuantitativos sobre fenómenos de cualquier naturaleza a fin de comprender y caracterizar el comportamiento que lo describe.
Diseñar modelos descriptores de datos para predecir comportamientos futuros.
Integrar conocimientos teórico-prácticos en la implementación de herramientas estadísticas, matemáticas y tecnológicas a efecto de aplicaras en la resolución de problemas.
Plan de Estudios
El programa posee una duración de un año y nueve meses a dos años, estructurado en 7 u 8 trimestres, cada uno de once semanas efectivas y con horario vespertino. El alumno debe aprobar 76 créditos de los cuales 48 son del bloque obligatorio y 28 del bloque electivo.
Materias Obligatorias
Inteligencia de Negocios y Tecnologías de Información
El alumno analiza y selecciona modelos de datos, diseña e implementa bases de datos y distingue sus funciones, desarrollando habilidades de análisis, abstracción y procesamiento de información.
- Bases de datos
- Modelo Entidad/Relación
- Modelo Relacional
- Teoría de la Normalización
- Lenguaje de consultas estructuradas SQL
- Interacción en Web de las Bases de Datos
El alumno desarrollará la capacidad de seleccionar e integrar productos de hardware y software adecuados a la organización, aplicando técnicas tecnológicas que faciliten el acceso a información precisa para la toma de decisiones, así como construir herramientas tecnológicas para resolver problemas específicos. Además, fortalecerá competencias genéricas como el aprendizaje continuo, la búsqueda y análisis de información, y la comunicación oral y escrita.
- El rol estratégico de las tecnologías de información y comunicaciones
- Modelos de gestión de tecnologías de la información (TI)
- Planeación estratégica de TI
- Entrega y soporte de servicios de TI
- Tecnologías de información y sociedad
El alumno desarrollará la capacidad de analizar problemas para plantear soluciones mediante algoritmos, construir herramientas informáticas que resuelvan problemáticas específicas y diseñar, codificar, depurar y mantener aplicaciones informáticas para satisfacer necesidades organizacionales. Además, fortalecerá competencias genéricas como la abstracción, análisis y síntesis, el aprendizaje continuo y el trabajo en equipo.
- Introducción al lenguaje de programación
- Estructuras de control
- Uso de funciones
- Arreglos: estructura de datos
- Variables tipo apuntadores
- Estructuras de datos
- Métodos de ordenación y búsqueda
El alumno desarrollará la capacidad de analizar problemas complejos y resolverlos mediante programación, construir programas de cómputo para problemáticas específicas, y diseñar, codificar, depurar y mantener código para aplicaciones de Machine Learning, Inteligencia Artificial y Ciencia de Datos. Además, fortalecerá competencias genéricas como la abstracción, análisis y síntesis, el aprendizaje continuo y el trabajo en equipo.
- Programación orientada a objetos
- Manejo de archivos
- Gráficos
- Conectividad con bases de datos
- Control de versiones
- Estructuras de datos
El alumno desarrollará la capacidad de predecir comportamientos y fenómenos a partir de modelos inteligentes, emplear sistemas de información basados en datos de la organización y tomar decisiones estratégicas según necesidades específicas. Además, fortalecerá competencias genéricas como el aprendizaje continuo, la comunicación efectiva y la habilidad para buscar, procesar y analizar información.
- Inteligencia de negocios y su metodología
- Proceso de extracción, transformación y carga (ETL)
- Modelado de almacenes de datos
- Características de RDBMS para un almacén de datos
- Explotación de la información
- Tendencias de la inteligencia de negocios
El alumno adquirirá la capacidad de desarrollar modelos descriptivos de datos, gestionar grandes volúmenes de información para recolectar, analizar y visualizar datos, aplicar reglas de negocio sobre los datos y ejecutar acciones necesarias para la carga de datos. Además, fortalecerá competencias genéricas como abstracción y análisis, aprendizaje continuo y trabajo en equipo.
- Introducción a los datos masivos (big data)
- Datos no estructurados
- Proceso de extracción de datos
- Proceso de transformación de datos
- Bases de datos no relacionales
Análisis de Decisiones
El alumno aprenderá a realizar simulaciones de procesos distinguiendo los fundamentos matemáticos, lógicos y estadísticos, utilizando software o lenguajes de cómputo para simular sistemas de servicios, logística y manufactura, y construyendo modelos avanzados para apoyar la toma de decisiones, desarrollando competencias de análisis, síntesis, adaptación y aplicación práctica del conocimiento.
- Modelado y simulación
- Perspectivas de los modelos de simulación
- Construcción de modelos de simulación con software de vanguardia
- Modelado detallado y análisis estadístico de los resultados de simulación
Inteligencia Analítica y Ciencia de Datos
El alumno desarrollará la capacidad de crear modelos estadísticos para analizar muestras, construir procesos de tratamiento estadístico, aplicar estadística descriptiva e inferencial y evaluar comparaciones entre muestras. Además, fortalecerá competencias de abstracción, análisis, síntesis y habilidades para buscar, procesar y analizar información.
- Identificación estadística de variables estocásticas
- Análisis del muestreo probabilístico
- Enlace estadístico de variables estocásticas
- Análisis de componentes principales
- Comparación de dos medias o rangos
- Regresión lineal
El alumno aplicará conocimientos, herramientas y habilidades para diseñar y presentar un protocolo de proyecto aplicativo, elaborando propuestas prácticas y presentándolas ante un jurado académico. Además, desarrollará competencias de análisis, síntesis, adaptación a nuevas situaciones, aplicación práctica del conocimiento y liderazgo.
- Características generales de los proyectos
- Gestión de la tecnología
- Plan detallado del proyecto
- Estructura del protocolo
- El proceso de presentación del protocolo
El alumno desarrollará un proyecto práctico o de investigación para resolver un problema específico de una empresa u organización social y fundamentará sus resultados ante un jurado académico, demostrando competencias de análisis, síntesis, adaptación, aplicación práctica del conocimiento y liderazgo.
- Desarrollo del proyecto
- El proceso de presentación de resultados
Dirección Estratégica
El alumno aplicará conceptos fundamentales de diseño de experimentos estadísticos para plantear soluciones en mercadotecnia, empleando metodologías de modelación y optimización de campañas, construyendo matrices experimentales y tomando decisiones basadas en el análisis de superficies de respuesta, desarrollando competencias de abstracción, análisis, síntesis y aplicación práctica del conocimiento.
- La investigación científica en mercadotecnia
- Metodología para la modelación y optimización de campañas de mercadeo
- Diseños de experimentos basados en análisis de varianza en la mercadotecnia analítica
- Diseños factoriales completos en la mercadotecnia
- Diseños de experimentos factoriales fraccionados en mercadotecnia
El alumno aplicará técnicas y habilidades directivas para generar equipos de trabajo de alto rendimiento, empleará habilidades de negociación en contextos globalizados y desarrollará comunicación efectiva para los negocios, fortaleciendo competencias de liderazgo, motivación y adaptación a nuevas situaciones.
- Desarrollo y análisis de habilidades para la formación de equipos de trabajo
- Técnicas y habilidades de negociación
- Estilos directivos de acuerdo con el entorno actual
- Habilidades de comunicación efectiva
- Manejo del tiempo y el estrés
Responsabilidad Social
Materias Electivas
4 Materias Electivas Profesionales
1 Materias Formación Anáhuac
2 Materia Formación Multidisciplinar
Diplomas
El programa ofrece hasta un máximo de tres diplomas con la carga de materias electivas. A continuación se muestran los diplomas ofrecidos:
Diploma en Machine Learning
El alumno desarrollará la capacidad de construir herramientas informáticas aplicando métodos científicos, crear programas que generalicen comportamientos a partir de datos de ejemplo y diseñar algoritmos para resolver problemas complejos. Además, fortalecerá competencias de análisis, síntesis y habilidades para buscar, procesar y analizar información.
- Introducción al aprendizaje automático (Machine Learning)
- Algoritmo de aprendizaje y su programación
- Modelo no paramétrico: k Vecinos Cercanos
- Modelo paramétrico: análisis discriminante
- Modelo semi-paramétrico: Modelos de mezclas de gaussianas
El alumno aplicará los conceptos de inteligencia artificial para construir métodos científicos de análisis de datos, diseñar algoritmos de búsqueda y desarrollar aplicaciones de procesamiento de imágenes y lenguaje natural, fortaleciendo competencias de análisis, síntesis y habilidades para aprender y actualizarse continuamente.
- Introducción a la Inteligencia Artificial
- Introducción a la Lógica
- Algoritmos de búsqueda
- Razonamiento con incertidumbre
- Aplicaciones de vanguardia
Diploma en Minería de Datos
El alumno desarrollará la capacidad de crear funciones predictivas mediante aprendizaje supervisado, deducir funciones a partir de datos de entrenamiento y seleccionar la técnica adecuada según fortalezas y debilidades, fortaleciendo competencias de análisis, síntesis y aprendizaje continuo.
- Principios generales para modelos supervisados
- Modelos estructurados o topológicos basados en aprendizaje supervisado
- Modelos de regresión logística
- Validación y selección del modelo óptimo
El alumno desarrollará la capacidad de construir modelos de aprendizaje automático no supervisado, aplicar inferencia bayesiana y generar códigos factoriales de los datos, fortaleciendo competencias de análisis, síntesis y aprendizaje continuo.
- Técnicas de clasificación no supervisada
- Preparación de los datos para la clasificación no supervisada
- Clasificación no supervisada
- Clasificación no supervisada con técnicas de optimización
- Mapas de auto organización
- Evaluación e implementación de los modelos no supervisados
Diploma en Ciencia de Datos
El alumno desarrollará la capacidad de aplicar técnicas y metodologías de aprendizaje estadístico, evaluando ventajas y desventajas según el contexto, y seleccionando métodos adecuados a partir del análisis de los datos, fortaleciendo competencias de análisis, síntesis, aprendizaje continuo y trabajo en equipo.
- Introducción al aprendizaje estadístico
- Modelos de regularización
- Evaluación y selección de modelos
- Datos de alta dimensión
- Aprendizaje probabilístico
- Ensambles estadísticos
El alumno desarrollará la capacidad de aplicar técnicas de aprendizaje automático para que las computadoras generalicen comportamientos a partir de ejemplos, diseñando programas y aproximaciones a problemas complejos, fortaleciendo competencias de análisis, síntesis, búsqueda de información y comunicación efectiva.
- Introducción al aprendizaje automático (Machine Learning)
- Técnicas de aprendizaje con Redes Neuronales
- Clasificación y regresión con Máquinas de Soporte Vectorial (SVM)
- Redes Neuronales Profundas (Deep Learning)
Diploma en Diseño y Gestión de Tecnología
Opción 1: Arquitectura Empresarial
El alumno desarrollará la capacidad de definir estrategias de negocio, documentar la infraestructura tecnológica y seleccionar estándares normativos para el óptimo funcionamiento de la organización, fortaleciendo competencias de análisis de información, trabajo en equipo y comunicación efectiva.
- Introducción a la arquitectura empresarial
- Marcos de referencia (frameworks)
- Fases de preparación y diseño en TOGAF
- Fases de implementación y gobierno en TOGAF
- Técnicas y entregables principales en una Arquitectura Empresarial
- Arquitectura empresarial y su relación con otras áreas de TI
El alumno desarrollará la capacidad de construir interfaces y sistemas Web completos, integrando front-end y back-end, así como presentar resultados de análisis de datos, fortaleciendo competencias de abstracción, análisis y aprendizaje continuo.
- Usabilidad de la interfaz
- Lenguaje de marcado HTML
- Lenguaje de estilo CSS
- Lenguaje de programación JavaScript
- Lenguaje de programación PHP
- Entorno de desarrollo Bootstrap
x
Para Conocer más sobre el Programa
Coordinador del CADIT y del Doctorado en Ingeniería Industrial
Coordinadora de la Maestría en Tecnologías de Información e Inteligencia Analítica
Profesor de Planta - Facultad de Ingeniería
Profesor de Planta - Facultad de Ingeniería
Profesor de Planta - Facultad de Ingeniería
Profesor de Asignatura - Facultad de Ingeniería
Profesor de Planta - Facultad de Ingeniería
Profesor de Planta - Facultad de Ingeniería
Coordinadora de la Maestría en Inteligencia Analítica
Profesor de Asignatura - Facultad de Ingeniería
Profesor de Asignatura - Facultad de Ingeniería
