Plan de estudios
- Inicio
Plan de estudios
| PERIODO | ASIGNATURAS |
|---|---|
| Primer periodoSemestre 1 |
|
| Segundo periodoSemestre 2 |
|
| Tercer periodoSemestre 3 |
|
| Cuarto periodoSemestre 4 |
|
Las materias del plan de estudios están sujetas a una constante actualización y puede haber cambios respecto de su orden o su contenido.
Reconocimiento de Validez Oficial de Estudios (RVOE) según Acuerdo Secretarial SEP, núm. 15018, publicado en el Diario Oficial de la Federación el 29 de noviembre de 1976.
El posgrado está diseñado con una estructura flexible para que cada estudiante tenga la posibilidad de elegir las asignaturas que respondan a sus inquietudes y necesidades de formación dentro de un marco que permita el cumplimiento de los objetivos, el desarrollo del trabajo de obtención de grado y el perfil de egreso del programa.
La ruta sugerida considera una inmersión en el campo durante los primeros dos semestres. Posteriormente, en el tercer y cuarto semestres se consolida el trabajo de integración y se profundiza en las áreas de interés (electivas). Se imparten dos clases por semana, de tres horas cada una, entre lunes y viernes de 19:00 a 22:00 horas. Algunos cursos pudieran ofrecerse los sábados de 8:00 a 11:00 horas y/o de 11:00 a 14:00 horas. Adicionalmente, la asignatura Investigación, Desarrollo e Innovación (IDI) I usualmente comprende una sesión de una hora por semana de 18:00 a 19:00 horas, mientras que para las asignaturas IDI-II a IDI-IV se acuerda una sesión de una hora por semana con la o el tutor.
Área Electiva
Es necesario aprobar un mínimo de 48 créditos, para lo cual es posible elegir, con la orientación de la o el tutor, seis asignaturas de la oferta educativa de los posgrados del ITESO o de otras universidades con las que la Universidad tiene convenio. Algunas de ellas son:
- Bases de Datos Avanzadas (NoSQL Databases).
- Aprendizaje Automático (Machine Learning).
- Manejo y Análisis de Información Masiva (BigData & Analytics).
- Aprendizaje Profundo (Deep Learning).
- Aplicaciones y Servicios en la Nube (Cloud Computing).
- Minería de Texto (Text Mining).
- Programación para Análisis de Datos (Programming for Data Analysis).
- Programación de Aplicaciones Móviles (Mobile Applications Programming).
- Sistemas Distribuidos (Distributed Systems).
- Programación para Procesadores Gráficos (GPU Programming).