Formación práctica
Aprende con casos reales y metodologías aplicadas.
DOCTORADO
Coordinador del programa
Por confirmar
Ciencias de Datos
El Doctorado tiene como objetivo formar investigadores y científicos de alto nivel especializados en el análisis, modelado e interpretación de grandes volúmenes de datos, capaces de generar conocimiento original y soluciones innovadoras a problemas complejos en diversos sectores de la sociedad, la economía y la cien...
Coordinador del programa
Por confirmar
Inicio
09, 16 y 23 de junio de 2026
Modalidad
En línea
Duración
24 Meses (2 años)
Validez
RVOE 20253353
¿Por qué estudiar
esta licenciatura?
Flexibilidad total
Estudia y trabaja al mismo tiempo con una modalidad adaptable.
Visión tecnológica
Integra herramientas digitales para resolver retos actuales.
Lo que podrás lograr
Impacta en tu entorno.
Impacta en tu entorno.
Transforma el futuro.
- El Doctorado tiene como objetivo formar investigadores y científicos de alto nivel especializados en el análisis, modelado e interpretación de grandes volúmenes de datos, capaces de generar conocimiento original y soluciones innovadoras a problemas complejos en diversos sectores de la sociedad, la economía y la ciencia.
- Aplicar conocimientos de probabilidad medida y estadística moderna para ds (concentración, asintótica, cis robustos).
- Aplicar conocimientos de inferencia bayesiana (mcmc, hmc, vi; priors prácticos).
- Aplicar conocimientos de optimización convexa y no convexa (proximal, sgd, adamw; teoría de generalización).
Plan de estudios
3 áreas clave
3 áreas clave
de formación
Tecnología aplicada
Integra herramientas digitales, análisis y soluciones innovadoras.
Seguridad y protección
Aplica criterios de prevención, control y respuesta ante riesgos.
Investigación estratégica
Desarrolla proyectos, analiza datos y genera soluciones informadas.
Mapa curricular completo
23 módulos en total
Probabilidad medida y estadística moderna para DS (concentración, asintótica, CIs robustos).
Inferencia Bayesiana (MCMC, HMC, VI; priors prácticos).
Optimización convexa y no convexa (proximal, SGD, AdamW; teoría de generalización).
Aprendizaje supervisado (kernels, boosting, ensembles; calibración).
Aprendizaje no supervisado (mezclas, EM, PCA/no lineal, densidades).
Deep Learning I (redes, init/normalización, regularización, visión).
Deep Learning II: secuencias y atención (Transformers, preentrenamiento, fine-tuning eficiente).
Examen de calificación (fundamentos + ética).
Aprendizaje por refuerzo (MDPs, RL offline/seguro).
Probabilistic Graphical Models (PGM, causalidad básica).
Probabilidad medida y estadística moderna para DS (concentración, asintótica, CIs robustos).
Modelos fundacionales (LLMs, visión fundacional, RAG, alineación y evaluación).
Aprendizaje causal y contrafactual (DAGs, Do-Calculus, uplift).
Series de tiempo y forecasting de alta frecuencia (estado-espacio, DeepTS).
Procesamiento de lenguaje natural avanzado (instrucción, evaluación, seguridad).
Privacidad, seguridad y confianza (DP, FL, ataques/adversarial, watermarking).
Fairness, accountability y explicabilidad (métricas, auditorías algorítmicas).
Ingeniería de features y feature stores (online/offline, drift, data contracts).
Diseño de experimentos y causalidad aplicada (A/B, bandits, CUPED).
Sistemas de recomendación y búsqueda (recency, diversidad, RAG+retrieval).
Data governance y cumplimiento (LFPDPPP, GDPR, sector público).
Pre-defensa y seminario de resultados (paper run-through, réplica).
Defensa doctoral y transferencia (software/dataset licenciado, plan de impacto).
¿Listo para iniciar tu futuro profesional?
Nuestro equipo está listo para asesorarte
Becas disponibles
Colegiaturas accesibles
Inscripciones abiertas
