Doctorado en Ciencias Computacionales (DCC)

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, 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.

A continuación listamos algunas de las colaboraciones internacionales en que los miembros del claustro DCC-MCC han estado involucrados a partir de 2013:

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:

• GIEE en Sistemas Inteligentes, dirigido por el Dr. Hugo Terashima, con otros 4 profesores; 
• GIEE en Modelos de Aprendizaje Computacional, dirigido por el Dr. Raúl Monroy, con otros 9 profesores;
• GIEE en Bioinformática y Dispositivos Médicos, cuyo profesor líder es el Dr. Víctor Treviño, e incluye otros tres; y 
• GIEE en Optimización y Ciencia de Datos, cuyo profesor líder es el Dr. Neale Smith, e incluye otros 8 profesores.

* Datos al mes de diciembre 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.