Al concluir la asignatura el alumno será capaz de aplicar los conceptos básicos de las
interacciones eléctricas entre los cuerpos cargados a fin de analizar, explicar y predecir el
comportamiento eléctrico de un sistema a través los fenómenos magnéticos asociados.

Al concluir la asignatura, el alumno será capaz de describir el comportamiento y estructura de
dispositivos semiconductores como diodos, transistores bipolares y transistores de efecto de
campo, analizando la operación y aplicación de los mismos; para diseñar, modelar, y simular
circuitos de señal pequeña, compuertas lógicas, y fuentes de alimentación básicas de corriente
directa.

Al concluir la asignatura el alumno será capaz de describir el comportamiento y estructura de
los amplificadores de potencia y del amplificador operacional, para analizar la operación y
aplicación de los mismos. Además, podrá analizar la respuesta a la frecuencia que tienen dichos
componentes, para diseñar, modelar, y simular filtros activos.

Al concluir la asignatura, el alumno será capaz de reconocer los diferentes métodos de control
utilizados en los procesos, identificando cuando utilizar cada uno de los métodos dependiendo
el problema a regular, con el fin de diseñar programas de control para los diferentes sistemas
físicos y la automatización de celdas de manufactura.

Al concluir la asignatura, el alumno será capaz de aplicar las herramientas computacionales
para el análisis de sistemas invariantes en el tiempo, identificando los distintos tipos de
señales y sistemas, así como analizando la información que contienen a través de distintos
métodos, con la finalidad de manipular señales por medio de métodos de análisis tales como
la transformada de Fourier, la transformada de La Place y la transformada Z en sistemas
lineales continuos y discretos.

Al concluir la asignatura, el alumno será capaz de identificar la problemática ambiental actual,
revisando la legislación ambiental nacional e internacional, así como los procesos para
determinar la presencia de contaminantes, para diseñar en nivel de ingeniería básica sistemas
de remoción de contaminantes y elaborar manuales de manejo de la contaminación.

Al concluir la asignatura el alumno será capaz de aplicar los conceptos básicos de
automatización en los sistemas modernos de manufactura de las áreas de neumática,
electroneumática y controladores lógicos programables (PLC). De tal manera que tendrá la
habilidad de resolver e implementar soluciones automatizadas en las empresas. Además podrá
usar los conocimientos adquiridos en neumática y electroneumática para resolver situaciones
que requieren automatización, simulando procesos de producción reales en software
especializado y equipo de laboratorio.

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 identificar los principios de operación y
aplicaciones de dispositivos semiconductores como diodos, transistores bipolares y
transistores de efecto de campo; para aplicarlos a la modelación y simulación por computadora
de circuitos analógicos.

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.