CONOCE TU PROGRAMA

Las tendencias tecnológicas en el mundo moderno apuntan hacia la necesidad de sistemas computacionales de mayor flexibilidad, capaces de adaptarse a condiciones no previstas y de incertidumbre, y con habilidades de interacción. El aprendizaje automático, el análisis y ciencia de datos, la bioinformática y biomédica, así como sistemas bio-inspirados están generando tecnología para dotar a los sistemas computacionales con las capacidades mencionadas, que transformarán la sociedad, la economía y el entorno en este siglo XXI. Este posgrado en Ciencias Computacionales prepara a sus estudiantes para ser líderes en esta nueva ola tecnológica.

La Maestría en Ciencias Computacionales está dirigida a profesionistas de áreas de informática, ingeniería y ciencias exactas principalmente, interesados en realizar investigación de alto impacto, para contribuir al conocimiento de alguna de las áreas de especialidad de Ciencias de la Computación.

El programa de posgrado es de cobertura nacional, impartido actualmente en los campus Monterrey y Estado de México.

Líneas de generación y aplicación de conocimiento

Las líneas de Generación y Aplicación de Conocimiento (LGAC) que se trabajan en los grupos de investigación del programa se describen enseguida:

1.Sistemas Bio-Inspirados (Bio-inspired Algorithms) .    Esta línea de investigación se enfoca en el desarrollo, la extensión y la modificación de algoritmos y métodos para resolver problemas complejos sistematizando las soluciones informales en modelos heurísticos y matemáticos.

2.  Modelos de aprendizaje automático (Machine Learning). Esta línea se enfoca en la investigación de modelos computacionales de aprendizaje con el objetivo de pronosticar o identificar comportamientos sobre un conjunto de datos o ejemplos de entrada y que conlleva a una mejor toma de decisiones.

3. Ciencia de Datos y Matemáticas Aplicadas (Data Science and Applied Mathematics) . La línea de investigación en ciencia de datos y matemáticas aplicadas estudia aspectos relacionados con el tratamiento de datos y el análisis estadístico, así como con conocimiento del dominio de discurso, con el propósito de extraer conocimiento de datos, generalmente de gran volumen (big data) y que pueden o no ser estructurados. Esta línea se complementa con las dos primeras para estructurar la solución a grandes problemas de la vida moderna, tales como el abasto de alimento, agua, energía, salud, seguridad, etc.

4. Bioinformática y Biomédica (Bioinformatics and Biomedical Engineering)En Bioinformática y Biomédica se estudian algoritmos y experimentos para el análisis, identificación y validación de biomarcadores, diagnósticos para enfermedades (incluyendo cáncer) y en los procesos de diferenciación de células madre. Para la parte de Biomédica, la línea investiga el control y procesamiento de señales biomédicas, en especial en electroencefalografía o en imágenes de resonancia magnética; además, se estudia cómo diseñar nuevos dispositivos médicos.

Apoyos financieros

El Tecnológico de Monterrey ofrece una beca total de colegiatura. Para ser candidato a la beca se requiere ser alumno  de tiempo completo y cumplir con los requisitos de admisión del programa.

*Pregunta por las opciones de beca de manutención.


Preparar a sus estudiantes para continuar con el Doctorado en Ciencias Computacionales, al que está integrado la MCC, o bien un doctorado equivalente en otra institución. La orientación claramente científica de esta maestría capacita al estudiante para llevar a cabo una investigación científica siguiendo los principios de replicabilidad, ausencia de tendencias en los experimentos, y en general la aplicación del rigor científico; asimismo, el egresado debe tener la capacidad de expresar sus resultados tanto en términos de comunicaciones científicas rigurosas, propias de las revistas de la disciplina, como en términos populares para propósitos de divulgación de la ciencia. Asimismo, se espera que al incorporarse a la sociedad como egresados, los alumnos del programa tengan las cualidades de comportamiento ético, conciencia ciudadana y ambiental, liderazgo y trabajo en equipo que nuestra institución promueve en los estudiantes.

ProfesoresPrograma impartido por profesores con grado de doctorado y experiencia profesional de la Escuela de Ingeniería y Ciencias del Tecnológico de Monterrey.

Acreditaciones
Este programa cuenta con acreditaciones y reconocimientos de instituciones nacionales e internacionales como:

  • Programa acreditado por el Padrón Nacional de Posgrado de Calidad (PNPC) de CONACyT.
  • Comisión de Universidades de la Asociación de Escuelas y Universidades del Sur de Estados Unidos (SACS). 
  • El Tecnológico de Monterrey está acreditado por la Comisión de Universidades de la Asociación de Escuelas y Universidades del Sur de Estados Unidos para otorgar títulos profesionales y grados académicos de maestría y doctorado. Contacta a la Comisión de Universidades en la dirección 1866 Southern Lane, Decatur, Georgia 30033-4097, o llama al (+1) 404-679-4500(+1) 404-679-4500, para preguntas sobre la acreditación del Tecnológico de Monterrey.
  • Programa Nacional de Posgrados de Calidad (PNPC) del Consejo Nacional de Ciencia y Tecnología (CONACyT).
  • Reconocimiento de validez oficial de la Secretaría de Educación Pública de México.

Modelo educativo

Se promueve la participación activa del alumno en su formación profesional y personal por medio del aprendizaje individual y colaborativo. Este modelo también permite que el alumno construya su conocimiento con la guía de profesores expertos en su campo profesional y en docencia.

El programa de maestría en Ciencias Computacionales está dirigido a profesionistas de áreas de informática, ingeniería y ciencias exactas principalmente, interesados en realizar investigación de alto impacto, para contribuir al conocimiento de alguna de las áreas de especialidad de Ciencias de la Computación. Los alumnos que ingresen a este programa deberán contar con excelentes antecedentes académicos, vocación en la generación de conocimiento, fluidez de comunicación, que trabajen profesionalmente bajo estrictos estándares éticos, que sean abiertos a las nuevas maneras de asimilación del conocimiento y la práctica profesional y que sean curiosos intelectualmente.

Cumplir con la evaluación integral requerida en el proceso admisión, a través de una entrevista realizada por el comité de admisiones del programa de posgrado. Además, es necesario lo siguiente:

  • Copia simple del Certificado de estudios de nivel profesional y/o maestría, en donde se indique la siguiente información:
          a. El promedio general.
          b. Fecha de terminación de todas las asignaturas del plan de estudios.
  •  Copia simple del título de profesional y/o maestría.
  • Carta motivo o ensayo en el que la candidata o candidato exponga las razones de su interés en el programa, su potencial aportación al mismo y el área en la que desea desarrollarse profesionalmente con su proyecto de investigación.
  • Currículum vitae.
  • Dos cartas de recomendación, en el formato institucional, de empleadores o profesores.
  • Obtener, al menos, 585 puntos en la Prueba de Admisión a Estudios de Posgrado (PAEP) versión adaptativa o su equivalente en otros exámenes autorizados por la Institución. 
  • Obtener, al menos, 550 puntos en el examen TOEFL o su equivalente en los otros exámenes autorizados por la Institución como instrumento de valoración de suficiencia del dominio del idioma inglés. 

* Este proceso de admisión está sujeto a cambios sin previo aviso por parte del Comité de Admisiones.

 ** La admisión es el primer paso: después podrás inscribirte en tu posgrado de interés.


MODALIDAD

Presencial


DURACIÓN

2 años *


IMPARTIDO EN

Campus Monterrey

Campus Estado de México


PERIODO

Semestral

PERFIL DEL EGRESADO

Al término del programa el alumno será capaz de:

  • Demostrar un alto nivel de conocimiento teórico y metodológico de las Ciencias Computacionales en cualquier situación profesional.
  • Realizar investigación en su área de especialidad que aporte conocimiento de relevancia para el avance de las Ciencias Computacionales.
  • Comunicar resultados de su trabajo profesional de manera clara, efectiva y eficiente.
  • Trabajar en la comunidad profesional de su área de especialidad con liderazgo de manera eficiente, colaborativa y ética.
CLAUSTRO DE PROFESORES

Sistemas Bioinspirados
Dr. Santiago E. Conant P
Dr. Hugo Terashima M.
Dr. José Carlos Ortiz B.
Dr. Iván M. Amaya C.
Dr. Édgar Covantes Osuna

Modelos de Aprendizaje Automático
Dr. Raúl Monroy B.
Dr. Miguel González M.
Dr. Ramón F. Brena P.  
Dr. Juan A. Nolazco F.
Dr. Jorge A. Ramírez U.
Dr. Salvador E. Venegas A.
Dr. Octavio Loyola G.
Dr. Luciano García Bañuelos
Dr. Gilberto Ochoa Ruiz
Dr. César Torres Huitzil
Dr. Jorge Rodríguez Ruiz
Dr. Jesús Arturo Pérez Díaz

Ciencia de Datos y Matemáticas Aplicadas
Dr. Luis A. Trejo R.
Dr. Viacheslav Kalashnikov
Dr. Francisco J. Cantú O.
Dr. Neil Hernández G.
Dr. J. Julieta Noguez M.
Dr. Héctor Gibrán Ceballos Cancino

Bioinformática y Biomedica
Dr. Víctor M. Treviño A.
Dr. José G. Tamez P.
Dr. Juan Emmanuel Martínez L.
Dr. Claudia Rangel Escareño
Dr. Mariel Alfaro Ponce
Dr. Mahdi Zareei
Dr. Luz Ma. Alonso Velardi


INVESTIGACIÓN

Líneas de investigación 

1. Sistemas Bio-Inspirados (Bio-inspired Algorithms)  Esta línea de investigación se enfoca en el desarrollo, la extensión y la modificación de algoritmos y métodos para resolver problemas complejos sistematizando las soluciones informales en modelos heurísticos y matemáticos. Muchos problemas reales cuando crecen en tamaño son difíciles de modelar usando herramientas matemáticas, pero la naturaleza nos muestra mediante muchos ejemplos cómo es posible sintetizar la complejidad a una función que pueda resolverse en forma práctica. Sin embargo, la emulación computacional de la problemática particular a resolver no es sencilla y requiere la investigación profunda de muchos aspectos. Las técnicas investigadas están basadas en inteligencia computacional que incluye computación evolutiva, redes neuronales y lógica difusa en primera instancia. Otras técnicas inspiradas en la naturaleza también consideradas son sistemas inmunes artificiales, inteligencia de enjambres y recocido simulado. Dentro de la investigación es importante estudiar familias de problemas relacionados con optimización, diseño, verificación y pronóstico que impactan áreas de aplicación como logística, manufactura, procesos industriales, bioinformática, genómica y finanzas computacionales.


2. Modelos de aprendizaje automático (Machine Learning)  Esta línea se enfoca en la investigación de modelos computacionales de aprendizaje con el objetivo de pronosticar o identificar comportamientos sobre un conjunto de datos o ejemplos de entrada y que conlleva a una mejor toma de decisiones. El estudio y desarrollo de diferentes algoritmos de aprendizaje es objetivo primordial de este grupo y en los que destacan una variedad de métodos de aprendizaje supervisado o no supervisado, algoritmos de clasificación de una clase o multi-clase, algoritmos de agrupamiento, aprendizaje por refuerzo, reconocimiento de patrones, entre otros. También se investiga cómo complementar el comportamiento de las técnicas mencionadas previamente mediante otras como inteligencia artificial simbólica, sistemas multi-agentes, semántica y ontologías, y conocimiento del contexto. Todo lo investigado en esta línea tiene una amplia gama de aplicaciones, tales como salud, energía, seguridad (informática), redes sociales, inteligencia ambiental, cómputo ubicuo, y es relevante en disciplinas multi-disciplinares tales como big-data, data analytics e inteligencia de negocios.

  

3. Ciencia de Datos y Matemáticas Aplicadas (Data Science and Applied Mathematics)  La línea de investigación en ciencia de datos y matemáticas aplicadas estudia aspectos relacionados con el tratamiento de datos y el análisis estadístico, así como con conocimiento del dominio de discurso, con el propósito de extraer conocimiento de datos, generalmente de gran volumen (big data) y que pueden o no ser estructurados. Esta línea se complementa con las dos primeras para estructurar la solución a grandes problemas de la vida moderna, tales como el abasto de alimento, agua, energía, salud, seguridad, etc. 


4. Bioinformática y Biomédica (Bioinformatics and Biomedical Engineering): En Bioinformática y Biomédica se estudian algoritmos y experimentos para el análisis, identificación y validación de biomarcadores, diagnósticos para enfermedades (incluyendo cáncer) y en los procesos de diferenciación de células madre. Adicionalmente, en relación con genómica el estudio se centra en el análisis, identificación y validación de las mutaciones, alteraciones genéticas y epigenéticas en diversas enfermedades y en el uso de tecnologías genómicas como secuenciación de nueva generación (NGS). Por otro lado, para la parte de Biomédica, la línea investiga el control y procesamiento de señales biomédicas, en especial en electroencefalografía o en imágenes de resonancia magnética; además, se estudia cómo diseñar nuevos dispositivos médicos.


Vinculación DCC-MCC

Dentro del mismo Tecnológico de Monterrey, el programa DCC-MCC es apoyado por grupos de investigación establecidos que cuentan con financiamiento, los cuales se denominan “Grupos de Investigación de Enfoque Estratégico” (GIEE). DCC-MCC es apoyado por los siguientes Grupos:

* Datos al mes de Julio de 2020

Adicionalmente, los miembros del cuerpo académico del DCC-MCC realizan actividades de vinculación con diferentes centros de investigación, universidades y empresas. Las actividades para la vinculación con otros sectores de la sociedad comprenden cursos y talleres, seminarios, consultoría y la investigación. Estos proyectos se derivan de los grupos de enfoque antes mencionados, de diversos proyectos de CONACyT y de la relación con empresas. Estas vinculaciones se traducirán en un aumento en la producción científica del programa y su impacto social, la impartición de los cursos de posgrado con las experiencias adquiridas en esas vinculaciones, la disponibilidad de fondos para diferentes propósitos de investigación como asistencia a congresos y pago por publicaciones, el desarrollo de las tesis con enfoque hacia problemáticas reales, y aumento de publicaciones del profesor con el alumno como coautor. Además, la participación del cuerpo académico en la divulgación de la ciencia a través de diferentes medios. Por otra parte, la vinculación permite un mecanismo para la movilidad e intercambio académico de profesores y alumnos, las estancias de investigación, la codirección de tesis.