Al concluir la asignatura, el alumno será capaz de entender el contexto y aplicación del
Big Data y las técnicas de analítica en la toma de decisiones en la empresa, revisando su
naturaleza, características y aplicación en el contexto de algoritmos de análisis de regresión
lineal simple y múltiple, de regresión logística binaria, así como de los algoritmos de
pronóstico o forecasting de series de tiempo y modelos autorregresivos, para desarrollar las
competencias necesarias que permitan utilizar los algoritmos apropiados en la resolución de

Al concluir la asignatura el alumno será capaz de reconocer dónde y cómo aplicar los
principios, sistemas y conceptos de la metodología Lean para aumentar el valor y eliminar el
desperdicio en su trabajo diario. Asimismo, resolverá los desafíos empresariales utilizando

un método científico y resolución de problemas basada en el ciclo Planear-Hacer-Verificar-
Actuar (PDCA), la metodología Lean y la metodología Definir-Medir-Analizar-Mejorar-
Controlar (DMAIC). También, identificará las actividades de trabajo como valor agregado,

Al concluir la asignatura, el alumno será capaz de comprender los aspectos relevantes de la
administración del transporte e inventarios, detectando oportunidades de negocio en cadenas
de suministro globales, para diseñar, implementar, administrar y optimizar sistemas de
suministro, operación y distribución, así como diseñar sistemas logísticos aplicando
herramientas para determinar la estructura de la cadena de suministro con el costo mínimo y
nivel de servicio al consumidor requerido.

Al concluir la asignatura, el alumno será capaz de integrar los conocimientos de los cursos de
inteligencia artificial, visión computacional y robótica avanzada, para lograr el diseño,
construcción, instrumentación y control de un vehículo autónomo. Asimismo, implementará
algoritmos de procesamiento digital de imágenes, visión computacional e inteligencia
artificial utilizando tecnologías y librerías de programación como Python, TensorFlow, Keras,
Scikit-Learn, y OpenCV en Linux, identificando áreas de oportunidad en el campo de la

Al concluir la asignatura, el alumno será capaz de entender e identificar los fundamentos
matemáticos de algoritmos empleados en aprendizaje profundo (Deep Learning),
implementando dichos algoritmos utilizando tecnologías y librerías de programación como
Python, TensorFlow, Keras, Scikit-Learn, y OpenCV en múltiples plataformas como Linux,
Cloud, OS y Windows para identificar áreas de oportunidad en el campo de la ingeniería
donde se puedan desarrollar soluciones confiables, robustas e innovadoras basadas en
algoritmos de Deep Learning.

Al concluir la asignatura, el alumno será capaz de utilizar el método de elementos finitos,
basándose en códigos computacionales así como también en el uso de software comercial,
para la resolución de problemas de ingeniería de alto nivel y complejidad.

Al concluir la asignatura, el alumno será capaz de aplicar algoritmos y técnicas de estructuras
de datos, analizando el concepto y requisitos de recursividad, la importancia de la abstracción
de datos, las técnicas de Hashing, así como los diferentes tipos de estructuras, tales como
filas, listas, pilas, árboles, entre otros; para representar, organizar, clasificar y ordenar
eficientemente la información dentro de un sistema computacional.

Al concluir la asignatura, el alumno será capaz de identificar los métodos de diseño más
utilizados, aplicando sus principios fundamentales, para el análisis, diseño y selección de
elementos mecánicos.

Al concluir la asignatura, el alumno será capaz de realizar una perfectibilidad técnica del diseño
de un vehículo, identificando los distintos tipos que existen, analizando objetivamente su
comportamiento y prestaciones, así como de cada uno de los sistemas y subsistemas que lo
conforman, desde el punto de vista de diseño y/o verificación; esto a fin de elaborar un proyecto
de síntesis que permita integrar los conocimientos aprendidos en la carrera.