Al concluir la asignatura, el alumno será capaz de reconocer y entender el contexto y aplicación
del Big Data, así como las técnicas de analítica requeridas para la toma de decisiones en la
empresa. De igual manera, identificará y entenderá la naturaleza, características y aplicación
en el contexto del Big Data de algoritmos de clasificación, así como del algoritmo de análisis
multivariado de Mínimos Cuadrados Parciales (PLS, Partial Least Squares), reconociendo los
fundamentos del diseño de experimentos, para la estructuración de modelos de decisión en

Al concluir la asignatura, el alumno será capaz de identificar las herramientas, métodos y
técnicas para generar transformaciones en productos, servicios, procesos y sistemas, utilizando
la innovación como elemento clave de la competitividad, con el fin de aplicar dichos elementos
en el desarrollo de nuevas empresas.

Al finalizar la asignatura el alumno será capaz de identificar la ciberseguridad de los
entornos de control industrial, mediante el análisis de la legislación que le afecta, los
mecanismos y herramientas de protección, así como de las metodologías de análisis de
riesgos, esto se realizará con la finalidad de contrastar estándares de seguridad industrial
contra los de seguridad de información, así como de generar análisis y reportes de riesgo
los cuales ayuden a gestionar correctamente las líneas defensivas de la ciberseguridad en
la industria.

Al finalizar la asignatura el alumno será capaz de elaborar y defender argumentos para
resolver problemas utilizando estadística en ámbitos tecnológicos, utilizando herramientas de
búsqueda y administración de recursos bibliográficos sobre tecnologías modernas, para
transmitir información, ideas, problemas y sus soluciones de forma escrita y a un público
especializado. Asimismo, será capaz de reunir e interpretar datos relevantes para emitir
juicios donde reflexione sobre el uso de tecnologías modernas, evaluando la facilidad de su

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 finalizar la asignatura el alumno será capaz de entender e identificar los fundamentos
matemáticos de algoritmos de aprendizaje supervisado y no supervisado para aplicaciones de
regresión, clasificación, agrupación, y asociación de información empleados en machine
learning ML. Asimismo, implementará 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, con la finalidad de identificar áreas de

Al concluir la asignatura, el alumno será capaz de dominar los aprendizajes y las competencias
profesionales desarrollados en la etapa terminal de la carrera, con la meta de prepararse para
el desarrollo de proyectos interdisciplinarios que le permitan afrontar los retos del entorno
actual.

Al finalizar la asignatura el alumno será capaz de desarrollar un proyecto de tecnología
computacional, aplicando los conocimientos, habilidades y capacidades adquiridos durante el
programa académico para demostrar que algún aspecto de la empresa tiene una solución en
términos de sistemas computacionales.

Al finalizar la asignatura el alumno será capaz de aplicar los conocimientos y las
habilidades adquiridas en el área de tecnologías computacionales en un ambiente laboral,
a través de un proyecto con el fin de obtener experiencias reales en el campo de trabajo.