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 identificar las técnicas eficientes en la
administración, recuperación y actualización de la información, mediante el estudio y
aplicación del lenguaje de consulta SQL en una base de datos relacional, para diseñar e
implementar bases de datos no relacionales y base de datos relacionales, que cumplan con las
formas normales.

Al finalizar la asignatura el alumno será capaz de dimensionar el rol y la importancia de las
bases de datos en una organización, aplicando los conceptos para la definición e
implementación de una base de datos, así como un lenguaje de consulta procedimental puro

como el álgebra relacional, para diseñar una base de datos aplicando el modelo Entidad-
Relación y el Modelo Relacional.

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.

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 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 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 resolver problemas de solidos bajo diferentes
aspecto de cargas, calculando esfuerzos y deformaciones unitarias en vigas; para diseñar
sistemas estructurales simples, considerando las propiedades mecánicas de los materiales.

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 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.