Electivos Profesionales Primer Semestre 2026

Tiempo de lectura: 13 minutes, 38 seconds.

Tabla de Electivos

Detalle de los electivos

📄Evaluación de Proyectos TI

Descripción: .Al finalizar la asignatura las y los estudiantes serán capaces de evaluar proyectos de Tecnologías de Información de manera de generar valor a los clientes.

• Áreas Temáticas: Fundamentos para la evaluación de proyectos ti, Realización de valor, Casos de negocio.
• Académico: Mg. Hugo Rocha Cáceres.
• Resultado de Aprendizaje:
  1. Analizar el ciclo de vida de inversiones habilitadas por TI.
  2. Analizar los procesos de realización de valor
  3. Desarrollar los aspectos fundamentales de un caso de negocio.
  4. Organizar información mediante herramientas TIC para mejorar el almacenamiento, la comunicación, la transmisión e intercambio de ésta de manera efectiva.
• Pre-requisitos: IenCI: Ingeniería Económica / ICCI: Gestión de Proyectos TI + Sistemas de Información II.
• Horario: Ma B (V2-Univ), Mi A (V2-Univ).

📄Fundamentos de Aprendizaje por Refuerzo

Descripción: Al finalizar la asignatura el y la estudiante estará capacitado(a) en distinguir los fundamentos de aprendizaje de máquina bajo sus diferentes paradigmas, profundizando en enfoques de aprendizaje basados en refuerzo. Al profundizar en el aprendizaje por refuerzo, el estudiante ampliará las habilidades hacia la resolución de desafíos de toma de decisiones secuenciales para sistemas de control, respaldados por la implementación de técnicas estándar como aquellas basadas en política o no, basadas en modelo y sin modelo, basadas en funciones de valor, entre otras. Además, el estudiante estará familiarizado con los términos clave relacionados al aprendizaje por refuerzo, así como la clasificación de las técnicas de este enfoque. Este enfoque equilibrado no solo les brinda una comprensión teórica, sino también habilidades prácticas esenciales para la implementación efectiva de soluciones basadas en aprendizaje por refuerzo.

• Áreas Temáticas: Aprendizaje máquina, aprendizaje supervisado, aprendizaje por refuerzo, técnicas de aprendizaje por refuerzo.
• Académico: Ing. Christian Camacho Morales.
• Resultado de Aprendizaje:
  1. Describir los fundamentos y conceptos básicos pertenecientes al aprendizaje de máquinas, modelando un problema que requiere una solución basada en datos secuenciales y no secuenciales.
  2. Aplicar métodos y técnicas para manejo de datos secuenciales y no secuenciales para resolver problemas de ingeniería en base a aprendizaje por refuerzo.
  3. Diseñar la solución a un problema de toma de decisiones automatizada por un agente sobre un ambiente, aplicando métodos de aprendizaje automático por refuerzo.
  4. Aplicar un esquema de múltiples agentes en la solución de un problema de ingeniería que involucra el uso técnicas de aprendizaje automático por refuerzo.
  5. Evaluar las soluciones y modelos de aprendizaje, aplicando un conjunto de métricas estándares de desempeño.
• Pre-requisitos: Electrotecnia.
• Horario: Lu C (V3-Rob), Mi B (V3-Rob).

📄Fundamentos de la Computación Cuántica

Descripción: Al finalizar la asignatura, los y las estudiantes son capaces de aplicar los principios de la computación cuántica en el análisis, la programación y la evaluación de circuitos cuánticos, lo que le permite a los y las estudiantes establecer las bases para el entendimiento de algoritmos cuánticos de optimización y machine learning.

• Áreas Temáticas: Contexto matemático, Qubits y compuertas cuánticas, Circuitos Cuánticos.
• Académico: Dr. Aldo Quelopana Retamal.
• Resultado de Aprendizaje:
  1. Aplicar conceptos fundamentales de las matemáticas relacionados con los cálculos de computación cuántica.
  2. Explicar el concepto de qubit y sus rotaciones en la esfera de Bloch, incluyendo su correspondiente interpretación y visualización.
  3. Calcular la rotación de uno o más qubits utilizando distintas compuertas cuánticas.
  4. Analizar circuitos cuánticos en su aplicación a diversos contextos.
• Pre-requisitos: IV semestre.
• Horario: Ma E (V2-Rob), Ju D (V2-Rob).

📄Gestión de Proyectos TI

Descripción: Al finalizar la asignatura las y los estudiantes serán capaces de gestionar proyectos TI, utilizando prácticas en el uso de herramientas y estándares para la gestión de cartera, programas y proyectos habilitados por TIC, métodos y práctica en el desarrollo de casos de negocios, y métodos para gestionar el cambio organizacional.

• Áreas Temáticas: Gestión de proyectos TI en organizaciones, liderazgo en gestión de proyectos TI.
• Académico: Mg. Alejandro Peña Salazar.
• Resultado de Aprendizaje:
  1. Analizar la relación entre portafolios, programas y proyectos TI
  2. Analizar fases de gestión de cambio organizacional en el contexto de proyectos TI
  3. Evaluar las estrategias de implementación de proyectos TI.
• Pre-requisitos: Base de Datos, Ingeniería de Software.
• Horario: Ma A (Y1-004), Ju A (Y1-004).

📄Introducción al Modelado 3D y Fabricación Digital

Descripción: En las últimas décadas la computación se ha convertido en un pilar de la ingeniería y el desarrollo científico-tecnológico. En la mayoría de las áreas, el trabajo computacional es un complemento fundamental de la experimentación tradicional y de la teoría, ya que cada vez más se involucra simulaciones constructivas de prototipos digitales o físicos. Frecuentemente, la tarea de los profesionales involucra el uso de aplicaciones específicas que requieren un gran trabajo de implementación de operaciones paramétricas utilizando lenguajes de programación que las describen, estas operaciones, por cantidad y complejidad que sólo se pueden obtener utilizando estas herramientas. Esta asignatura brinda una introducción a los tipos de prototipos y sus propósitos, paradigmas de diseño y modelado tridimensional de objetos, el uso de herramientas CAD/CAM aplicado a la impresión 3D, y cómo la programación se puede aplicar en entornos de diseño paramétrico aplicado a modelado de objetos tridimensionales.

• Áreas Temáticas: Prototipos, Herramientas digitales, Modelado 3D, Técnicas de fabricación, Trabajo práctico.
• Académico: Ing. Alejandro Vidal Dominguez.
• Resultado de Aprendizaje:
  1. Identificar la necesidad de uso pertinente de las tecnologías de fabricación en un proceso de prototipado.
  2. Conocer los paradigmas de diseño y modelado 3D.
  3. Crear objetos digitales en 3D.
  4. Aplicar patrones de diseño en entornos de diseño paramétricos de objetos 3D.
  5. Discriminar el tipo de tecnología en función de las necesidades del prototipo.
  6. Planificar un proceso de prototipado con el uso de tecnologías CAD/CAM.
  7. Diseñar archivos específicos para cada proceso de fabricación digital.
• Pre-requisitos: III semestre.
• Horario: Vi DE. Laboratorio Y2-105.

📄Internet de las Cosas

Descripción: El curso tiene como propósito principal el dotar al futuro profesional, de las capacidades necesarias que le permitan diseñar e implementar una solución para un problema de automatización, robótica o de tipo doméstico y/o industrial que involucre la utilización de un sistema embebido. Al final del curso el alumno será capaz de diseñar una solución a un problema tecnológico utilizando Sistemas embebidos, desde su definición, programación e implantación..

• Áreas Temáticas: Introducción y Definiciones, Estructura de un Sistema Embebido, Protocolos de Comunicación, Dispositivos de Percepción y Actuación para Sistemas Embebidos, Programación de Sistemas Embebidos, Desarrollo de Aplicaciones Embebidas.
• Académico: Dr. Alvaro Prado Romo.
• Resultado de Aprendizaje:
  1. Identificar los diferentes tipos de sistemas embebidos actualmente disponibles en el mercado.
  2. Clasificar en función de su arquitectura y organización, los diferentes tipos de sistemas embebidos.
  3. Identificar los diferentes tipos de dispositivos de percepción y actuación.
  4. Desarrollar un algoritmo en un Sistema Embebido.
  5. Diseñar, Implementar y validar la solución previamente definida..
• Pre-requisitos: Electrotecnia.
• Horario: Ma DE (V3-Rob-2).

📄Introducción a Data Science

Descripción: Al final del curso el alumno podrá aplicar técnicas de data science y de sus disciplinas asociadas (estadística y aprendizaje automático) para modelar y resolver problemas aplicados en diversos contextos.

• Áreas Temáticas: Introduccion, Obtención de Datos, Modelado Estadístico y Aprendizaje Automático, Técnicas de Modelado Avanzado, Tópicos Adicionales.
• Académico: Dr. Brian Keith.
• Resultado de Aprendizaje:
  1. Comprender los conceptos fundamentales de Data Science y su relación con otras disciplinas como estadística y aprendizaje automático.
  2. Implementar métodos de obtención de datos en distintos dominios de aplicación.
  3. Diseñar modelos para el análisis de datos en diversos contextos de aplicación.
  4. Aplicar modelos de análisis de datos teniendo en consideración el dominio que está siendo analizado.
  5. Interpretar los resultados obtenidos mediante modelos de análisis de datos.
  6. Comunicar dlos análisis realizados en un trabajo de análisis de datos en distintos dominios de aplicación.
• Pre-requisitos: III semestre.
• Horario: Ma B (Y1-003), Mi B (Y1-003), Vi B (Y1-003).

📄Investigación Científica

Descripción: Al final del curso el alumno estará capacitado(a) para identificar los principios de investigación científica, utilizar recursos bibliográficos, conocer políticas científicas, ejecutar proyectos de investigación y generar bocetos de artículos científicos en el contexto de las Ciencias de la Computación y Tecnologías de la Información..

• Áreas Temáticas: Procesos de investigación científica, Recursos bibliográficos y bibliométricos, Proceso de construcción de artículos científicos, Política científica.
• Académico: Dr. Ranjit Das.
• Resultado de Aprendizaje:
  1. Identificar los principios básicos de los Procesos de Investigación Científica y del Método Científico en el contexto de las Ciencias de la Computación, Tecnologías de la Información, y subdisciplinas asociadas.
  2. Utilizar adecuadamente recursos bibliográficos y elementos de bibliometría básicos en el contexto disciplinar.
  3. Identificar las políticas científicas del país, relacionadas a la formación de investigadores y desarrollo de proyectos de investigación.
  4. Ejecutar un proyecto de investigación supervisado siguiendo las metodologías según la subdisciplina.
  5. Elaborar un boceto de un artículo científico siguiendo los formatos y directrices propias de la subdisciplina asociada a su investigación.
• Pre-requisitos: VI semestre (IenCI), V semestre (ICCI).
• Horario: Ma F (Y2-107), Ju F (Y2-107).
• Nota: asignatura impartida en inglés.

📄Procesamiento Analítico de Datos

Descripción: Este curso tiene como objetivo que los estudiantes adquieran las habilidades necesarias para construir un sistema de soporte a la toma de decisiones de una organización, mediante la implementación de una base de datos multidimensional y el uso de herramientas que permitan el procesamiento analítico en línea (OLAP). Se abarcará todo el proceso de construcción y explotación de una base de datos multidimensional, desde la identificación de los requerimientos, la extracción, transformación y carga de datos, hasta la utilización de la información, incluyendo la creación de modelos de datos multidimensionales típicos de OLAP.

• Áreas Temáticas: Conceptos de procesamiento analítico de datos, Modelamiento conceptual de una base de datos multidimensional, Diseño físico de una base de datos multidimensional, Desarrollo de cubos OLAP, Lenguajes de consulta, Reportabilidad.
• Académico: Dr. Víctor Flores.
• Resultado de Aprendizaje:
  1. Analizar la información de una organización para establecer indicadores de gestión que puedan ser obtenidos a través de la implementación de una base de datos multidimensional.
  2. Diseñar el esquema conceptual de la base de datos multidimensional.
  3. Diseñar el esquema físico de la base de datos multidimensional.
  4. Implementar la base de datos multidimensional usando una herramienta que permita la construcción de cubos OLAP.
  5. Utilizar el lenguaje de consulta para base de datos multidimensionales.
  6. Generar reportes asociados a los indicadores de gestión establecidos.
• Pre-requisitos: Base de Datos.
• Horario: Ma E (Y1-003), Ju E (Y1-003).

📄Programación Científica

Descripción: Al finalizar la asignatura, las y los estudiantes son entenderán el uso de aplicaciones específicas que requieren un gran trabajo de procesamiento de los datos de entrada y pos-procesamiento. Las aplicaciones serán desarrolladas en el lenguaje de programación Python y las herramientas fundamentales del ecosistema científico (Jupyter, Numpy, Scipy, entre otras) que conforman un entorno de programación interactivo de vanguardia, simple, libre, gratuito y multiplataforma.

• Áreas Temáticas: Fundamentos de Python para la Programación Científica, Entorno de Desarrollo Interactivo: IPython y Jupyter Notebook, Ecosistema de Librerías para la Computación Científica en Python, Programación Paralela y Optimización en Python.
• Académico: Mg. Diego Urrutia-Astorga.
• Resultado de Aprendizaje:
  1. Identificar las características del lenguaje Python que lo hacen especialmente adecuado para la programación científica y el análisis de datos.
  2. Realizar la gestión de entornos de Python utilizando Anaconda u otro administrador de paquetes, para facilitar el desarrollo y la reproducibilidad de proyectos científicos.
  3. Desarrollar programas en Python empleando Jupyter Notebook, integrando código, visualizaciones y documentación en un entorno interactivo y amigable.
  4. Utilizar de manera efectiva las funciones, objetos, módulos y paquetes más utilizados en las librerías de Python para la computación científica, como NumPy, SciPy, Pandas y Matplotlib.
• Pre-requisitos: VI semestre (IenCI), V semestre (ICCI).
• Horario: Ma C (V2-Rob), Mi C (V2-Rob).

📄Seguridad TI

Descripción: Al finalizar el curso el estudiante estará en condiciones de desarrollar una infraestructura de seguridad para redes empresariales, reconociendo ataques y vulnerabilidades a redes informáticas y desarrollar formas de mitigar ataques de seguridad. Se enfatiza el uso de tecnologías de seguridad usando firewalls PIX, ASA, tanto en la instalación, configuración, diagnóstico y monitoreo de dispositivos de redes para mantener la integridad, confidencialidad y disponibilidad de los activos y datos usados en la estructura de seguridad de una red empresarial.

• Áreas Temáticas: Agresiones y Ataques, Seguridad en Redes, Construcción de Infraestructura Segura, Criptografía y VPN..
• Académico: Dr. Rafael Martínez.
• Resultado de Aprendizaje:
  1. Describir e identificar los distintos tipos de ataques contra un sistema particular y como pueden ser mitigados.
  2. Describir la arquitectura de criptografía de clave pública y privada y cómo el PKI soporta la seguridad de la red.
  3. Describir las virtudes y limitaciones de las tecnologías de seguridad en cada capa de la pila de red.
  4. Configurar una red de seguridad para una red empresarial.
  5. Describir las fortalezas y debilidades operacionales de diferentes tecnologías de firewall.
  6. Explicar tecnologías IPS, respuestas de ataques y opciones de monitoreo.
  7. Explorar los servicios criptográficos y examinar algoritmos simétricos y asimétricos..
• Pre-requisitos: Redes de Computadores.
• Horario: Lu B (Y1-003), Ma C (Y1-003).

📄Sistemas Inteligentes

Descripción: Este curso prepara al estudiante para determinar cuando un enfoque de Inteligencia Artificial es apropiado para solucionar un problema dado, identificando la representación más conveniente, el mecanismo de razonamiento, e implementando y evaluando la solución. Al finalizar el curso el estudiante estará en capacidad de diseñar e implementar una solución a un problema basado en un sistema inteligente, es decir, un sistema que incorpora esquemas de representación del conocimiento, mecanismos de solución de problemas, y técnicas de aprendizaje.

• Áreas Temáticas: Fundamentos de sistemas inteligentes, solución de problemas mediante búsquedas, representación del conocimiento y razonamiento, fundamentos de aprendizaje automático, introducción a data mining.
• Académico: Dr. Ranjit Das.
• Resultado de Aprendizaje:
  1. Diferenciar entre los conceptos de razonamiento/comportamiento óptimo versus humano.
  2. Describir el Test de Turing y los distintos tipos de ambientes con el cual un agente puede interactuar.
  3. Describir los tipos de agentes inteligentes, según su naturaleza.
  4. Aplicar distintas tipos de estrategias de búsqueda para resolver un problema que requiera explorar un espacio de estados.
  5. Construir una representación formal de conocimiento de un problema en un dominio dado, a través de mecanismos de lógica y de redes semánticas.
  6. Aplicar mecanismos de razonamiento basados en inferencia.
  7. Aplicar técnicas de aprendizaje automático para resolver problemas de predicción, clasificación, y agrupamiento.
  8. Aplicar técnicas de modelamiento predictivo y descriptivo para resolver un problema simple de data mining.
• Pre-requisitos: Programación Avanzada / Programación Orientada al Objeto.
• Horario: Lu F (Y2-107), Mi F (Y2-107).
• Nota: asignatura impartida en inglés.

📄TIC en Procesos Mineros

Descripción: Este curso está diseñado para proporcionar a los estudiantes una comprensión de la cadena de valor de los minerales y el papel crítico que desempeñan las tecnologías de la información en la industria minera. Se busca dotar a los participantes de los conocimientos esenciales requeridos para emprender tareas y realizar mejoras significativas dentro de este sector desde la perspectiva computacional.

• Áreas Temáticas: Modelos y estándares para sistemas productivos, tecnologías de la información en procesos mineros.
• Académico: Ing. José Pérez.
• Resultado de Aprendizaje:
  1. Clasificar las distintas tecnologías de la información utilizadas en la minería de acuerdo a los modelos y estándares para sistemas productivos.
  2. Construir la arquitectura de soluciones TIC para una faena minera estándar.
  3. Resumir el estado del arte en tecnologías de la información para proceso de extracción.
  4. Resumir el estado del arte en tecnologías de la información para proceso de procesamiento.
• Pre-requisitos: N/A.
• Horario: Lu G, Mi G. Salón Y1-104.