Fines de aprendizaje o formación
Al finalizar la asignatura, el estudiante habrá desarrollado una base sólida en alfabetización digital, comprendiendo los principios de la ciudadanía digital responsable, incluyendo el reconocimiento de derechos y responsabilidades en el ciberespacio y la sensibilización ante la brecha digital. Asimismo, adquirirá competencias en la gestión eficiente de sistemas operativos, aplicando estrategias de nomenclatura, clasificación y respaldo sistemático de archivos, así como en la navegación avanzada y el uso de operadores booleanos, garantizando la evaluación rigurosa de la fiabilidad y veracidad de las fuentes en línea para una productividad académica y profesional informada.
El alumno será capaz de gestionar su identidad digital y huella profesional, aplicando estrategias sólidas de ciberseguridad personal, tales como el uso de autenticación multifactorial, la aplicación de protocolos seguros de acceso mediante VPN y la prevención activa de amenazas como el phishing y la ingeniería social. De manera complementaria, dominará el uso de herramientas colaborativas en la nube, optimizando los flujos de trabajo mediante funciones avanzadas de hojas de cálculo —como tablas dinámicas—, la documentación concurrente y la aplicación de metodologías de gestión de proyectos, como Kanban, para fomentar la eficiencia en entornos colaborativos.
Finalmente, el estudiante desarrollará competencias para la curaduría estratégica de contenidos digitales, realizando procesos de selección, filtrado y contextualización de información relevante. Estas habilidades se complementarán con la capacidad de elaborar y publicar contenidos multimedia básicos de manera ética, aplicando principios de diseño y visualización de datos. Concluirá demostrando un manejo ético del contenido digital, comprendiendo la normativa básica de protección de datos personales y aplicando correctamente los derechos de autor y licencias de contenido, como Creative Commons, en la compartición responsable de recursos.
Fines de aprendizaje o formación
Al finalizar la asignatura, el estudiante habrá adquirido una comprensión rigurosa de los fundamentos de la lógica matemática, abarcando tanto el cálculo proposicional como el cálculo de predicados. Será capaz de modelar formalmente sistemas discretos y evaluar la coherencia de argumentos complejos, así como aplicar diversos métodos de demostración matemática —directa, por contraposición y reducción al absurdo—, con especial énfasis en el principio de inducción, habilidad clave para la validación de la corrección y eficiencia de algoritmos computacionales.
Asimismo, el alumno desarrollará competencias sólidas en el manejo de las estructuras fundamentales de la matemática discreta, incluyendo la teoría de conjuntos, las relaciones binarias y las funciones, caracterizando y aplicando relaciones de equivalencia y de orden parcial. De igual forma, adquirirá habilidades avanzadas en combinatoria, utilizando principios de conteo y el Principio del Palomar para la resolución de problemas, así como en la formulación y solución de relaciones de recurrencia para el análisis temporal de procesos.
Finalmente, el estudiante aplicará estas bases teóricas en modelos computacionales concretos, utilizando la teoría de grafos y árboles para el análisis de conectividad, la optimización de rutas y la implementación de algoritmos de árboles generadores mínimos, como Prim y Kruskal. Además, operará en estructuras algebraicas discretas, tales como la aritmética modular y el Álgebra de Boole, estableciendo un vínculo directo entre la teoría discreta y sus aplicaciones en el diseño lógico de sistemas, el diseño de circuitos combinacionales y los fundamentos de la seguridad de la información y la criptografía básica.
- Profesor: jose jose
- Profesor: María Merced Ortega
Fines de aprendizaje o formación
Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión rigurosa de los conceptos fundamentales del cálculo infinitesimal, estableciendo las bases analíticas del análisis de funciones, la noción de límite y la continuidad. Será capaz de definir formalmente la derivada y la integral definida a partir de sus formulaciones límite —razón de cambio instantánea y sumas de Riemann—, reconociendo la relación esencial entre ambas operaciones mediante el Teorema Fundamental del Cálculo.
El alumno adquirirá una sólida competencia operativa en el uso de las herramientas del cálculo, dominando las reglas fundamentales de derivación —producto, cociente, regla de la cadena y derivación implícita—, así como las principales técnicas de integración, incluyendo la integración por sustitución y por partes. Este dominio procedimental permitirá el tratamiento analítico de modelos funcionales complejos y sentará las bases para el análisis matemático avanzado.
Finalmente, el estudiante aplicará el conocimiento matemático en la resolución de problemas reales, utilizando la derivada para el análisis completo del comportamiento de funciones —optimización, monotonía y concavidad— y la integral para el cálculo de magnitudes acumuladas, como áreas entre curvas y volúmenes de sólidos de revolución. Estas competencias posibilitan el modelado eficiente de fenómenos vinculados con la maximización de recursos y el análisis de tasas de cambio instantáneas en contextos tecnológicos y de ingeniería.
Fines de aprendizaje o formación
Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión sólida de los fundamentos teóricos de la Inteligencia Artificial, distinguiendo entre sus diversas tipologías (IA débil, fuerte y general) y su evolución histórica, desde la prueba de Turing hasta la era de los datos masivos. Asimismo, será capaz de analizar la arquitectura conceptual de los modelos generativos avanzados, como los Modelos Grandes de Lenguaje (LLM) y los modelos de difusión, identificando el rol de los datos, los procesos de preentrenamiento y las metodologías de validación que determinan la funcionalidad de estos sistemas.
El alumno dominará la Ingeniería de Instrucciones (Prompt Engineering), aplicando estructuras metodológicas como el modelo C-R-T-F y técnicas avanzadas como la Cadena de Pensamiento (Chain of Thought, CoT), con el fin de optimizar la interacción con herramientas de IA Generativa. Esta competencia práctica le permitirá potenciar su productividad en diversos ámbitos, tales como la redacción de informes ejecutivos, la asistencia en tareas de programación —incluyendo la generación y depuración de código— y el preanálisis de grandes volúmenes de datos no estructurados en contextos interdisciplinarios.
Finalmente, el estudiante desarrollará una perspectiva crítica, ética y responsable frente al uso de la IA Generativa. Será capaz de evaluar sus implicaciones sociales y legales, identificar y mitigar sesgos algorítmicos, y comprender los desafíos asociados a los derechos de autor, la propiedad intelectual y la desinformación, incluyendo los deepfakes. Esta alfabetización ética garantizará un uso profesional de la Inteligencia Artificial y preparará al alumno para la reconversión de habilidades y la complementariedad humano-máquina en el futuro laboral.
Fines de aprendizaje o formación
Al finalizar el curso, el estudiante habrá desarrollado la capacidad de clasificar, organizar y analizar conjuntos de datos complejos. Esta competencia incluye la correcta identificación de tipos de variables y escalas de medición, la aplicación de técnicas básicas de muestreo, así como el cálculo e interpretación de las medidas descriptivas fundamentales de tendencia central, posición y dispersión. Asimismo, el alumno será capaz de elaborar representaciones gráficas efectivas, como histogramas y diagramas de caja, para la exploración inicial y el resumen claro de la información numérica.
La segunda competencia esencial se centra en la cuantificación de la incertidumbre. El estudiante comprenderá los fundamentos de la teoría elemental de la probabilidad, dominando los axiomas y las reglas de adición y multiplicación para el cálculo de probabilidades conjuntas y condicionales. Además, aplicará el Teorema de Bayes para la actualización de probabilidades, estableciendo las bases analíticas necesarias para la modelización de fenómenos aleatorios y la toma de decisiones bajo condiciones de riesgo.
Finalmente, el alumno estará preparado para modelar situaciones reales mediante el uso de las principales distribuciones de probabilidad. Esto incluye el dominio de modelos discretos como la Distribución Binomial y Poisson, así como la aplicación rigurosa de la Distribución Normal estándar (curva Z). El estudiante será capaz de estandarizar variables aleatorias, calcular probabilidades e interpretar los resultados obtenidos, permitiéndole seleccionar el modelo estadístico adecuado y formular conclusiones sólidas aplicables a contextos de negocios, economía y tecnología.
Fines de aprendizaje o formación
Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión sólida del paradigma de la Programación Orientada a Objetos (POO), transitando desde los enfoques de la programación procedural. Será capaz de aplicar los cuatro pilares fundamentales de la POO —abstracción, encapsulamiento, herencia y polimorfismo— para diseñar y modelar soluciones informáticas, mediante la definición e instanciación de clases, la gestión adecuada de atributos y métodos, y el uso correcto de modificadores de acceso que garanticen la integridad y ocultación de la información.
Asimismo, el alumno adquirirá la capacidad de aplicar principios avanzados de diseño orientado a objetos, incluyendo la construcción de jerarquías de clases, la sobrecarga y sobrescritura de métodos, así como el uso de interfaces y clases abstractas para establecer contratos robustos de programación. Además, analizará la complejidad algorítmica mediante la notación O grande, evaluando el rendimiento y la eficiencia de los programas, así como la gestión dinámica de memoria en las áreas stack y heap.
Finalmente, el estudiante desarrollará la competencia para la selección e implementación de Tipos Abstractos de Datos (TAD), utilizando estructuras de datos lineales como listas enlazadas, pilas y colas, así como estructuras asociativas mediante tablas hash, y una comprensión introductoria de árboles binarios. Integrará estos conocimientos en el manejo de la persistencia básica de datos, realizando operaciones de entrada y salida de archivos, aplicando el manejo adecuado de excepciones y utilizando técnicas de serialización de objetos que garanticen la robustez y estabilidad de las aplicaciones desarrolladas.