Objetivo General
Formar expertos en sistemas inteligentes para la toma de decisiones y en modelación inteligente de sistemas capaces de aplicar innovaciones tecnológicas en áreas definidas por razones de mercado o bien reconocidas como nichos de oportunidad tecnológica.
Objetivos específicos
Formar profesionistas de alta calidad académica, capaces de generar innovaciones tecnológicas en áreas definidas por razones de mercado o bien reconocidas como núcleos de oportunidad tecnológica.
Atender la demanda de aspirantes de este nivel educativo en el campo de los sistemas computacionales, particularmente los profesionistas localizados en el área de influencia del Instituto Tecnológico de La Paz.
Formar profesionales en computación, con elevada calidad académica, capaces de dar solución innovadora a problemas computacionales.
Actualizar profesionales para mantener un alto nivel en los conocimientos de frontera de la especialidad seleccionada.
Investigar sobre temas de relevancia práctica o de oportunidades tecnológicas.
Analizar, diseñar e implementar nuevos sistemas a partir de la aplicación de tecnología computacional.
Realizar investigación básica y aplicada y desarrollar actividades de docencia e investigación en instituciones de educación superior.
El graduado podrá abordar problemas de investigación aplicada dentro del campo de los sistemas inteligentes, como:
Modelación inteligente de sistemas.
Resolución de problemas complejos de optimización.
Crear y administrar almacenes de datos.
Implementar minado de datos.
Sistemas expertos.
Sistemas neuronales.
Sistemas de computación emergentes.
Campo de acción
El egresado de la Maestría en Sistemas Computacionales podrá desempeñarse en las siguientes áreas: En empresas que se dediquen al desarrollo de software.
Instituciones que se dedique a la investigación y el desarrollo de nuevas tecnologías.
Instituciones de educación superior y posgrado.
Desarrollo e implementación de proyectos: Industriales, empresariales, sociales y de negocios.
Consultoría empresarial.
Modelación Inteligente de Sistemas
La identificación de sistemas o procesos complejos (no lineales, variantes con el tiempo) continúa siendo un aspecto de interés en los círculos académicos y en instituciones dedicadas a labores de investigación en el área del control automático. En los últimos tiempos, diversas técnicas provenientes de la inteligencia artificial, como son las redes neuronales, la lógica difusa y los algoritmos genéticos, entre otras, conocidas en su conjunto como soft-computing, se han venido aplicando para generar modelos que den cuenta de las relaciones de entrada salida de diferentes sistemas, sin la necesidad de contar a priori con información completa sobre la estructura explícita de ecuaciones dinámicas que describan las relaciones entre variables y parámetros en estos procesos complejos
Procesamiento digital de imágenes y visión
El procesamiento digital de imágenes es una disciplina que propone modelos teóricos y algoritmos para extraer automáticamente información del mundo real, a partir de una o varias imágenes. Por esta razón ha encontrado aplicación en diversos campos del conocimiento como son Fisiología, Biometría, Astronomía, Ciencias Ambientales, Robótica, Metalúrgica, Física, Electrónica, Biología y el Reconocimiento de Caracteres (OCR). En particular, el reconocimiento y clasificación de objetos es un área de estudio que ha cobrado cada vez más relevancia. Especialmente, el tema tiene gran importancia en varias aplicaciones industriales, médicas, militares, biológicas, visión artificial, etc. Este problema ha sido ampliamente estudiado en los últimos años. Sin embargo, dada su complejidad, no ha sido resuelto en su totalidad. Algunos de los principales factores que dificultan el reconocimiento son el ruido, la iluminación no homogénea de la escena, las distorsiones geométricas del objeto buscado y la presencia de otros objetos dentro de la imagen. Hasta ahora solamente se han encontrado soluciones parciales a los problemas antes mencionados. Los algoritmos existentes logran el reconocimiento sólo en determinadas circunstancias, generalmente en condiciones controladas de ruido. Sin embargo, las imágenes del mundo real pueden presentarse en condiciones diferentes a las previstas. Para estos casos es necesario considerar algoritmos robustos, que sean capaces de efectuar el reconocimiento en condiciones de diversos tipos de ruido e iluminación. Además, es necesario que dichos algoritmos sean capaces de distinguir entre los objetos pertenecientes a una clase y aquellos pertenecientes a otra. Es por ello que se requiere el estudio y planteamiento de soluciones robustas para los casos en que los algoritmos tradicionales fallan
