Programa Curricular

2027

Escuela Profesional de

Ciencia de la Computación

Universidad Nacional Mayor de San Marcos

Facultad de Ingeniería de Sistemas e Informática

Curriculum update proposal

Lima, Perú · 03/11/2026

Contents

• 1Fundamentos
• 1.1Presentación
• 1.2Misión institucional (UNMSM)
• 1.3Visión institucional (UNMSM)
• 1.4Principios orientadores
• 1.5Valores institucionales
• 1.6Misión de la Escuela Profesional
• 1.7Visión de la Escuela Profesional
• 1.8Fundamentos contextuales: contexto global
• 1.9Fundamentos contextuales: contexto nacional
• 1.10Fundamentos educacionales
• 2Bases normativas
• 2.1Bases normativas
• 3Situación de la carrera
• 3.1La carrera y su campo de acción
• 3.2Contribución a la sociedad
• 3.3Campo ocupacional
• 3.4Especialidades y menciones
• 3.5Demanda social y empleabilidad
• 3.6Resultados de la consulta a grupos de interés, empleadores y egresados
• 3.7Competitividad de la carrera
• 3.8Análisis FODA
• 3.9Innovaciones tecnológicas de la disciplina
• 3.10Análisis prospectivo
• 4Diagnóstico de la Escuela
• 4.1Historia de la Escuela Profesional
• 4.2Infraestructura y recursos
• 4.3Perfil de la plana docente
• 4.4Indicadores de gestión académica
• 4.5Evaluación del plan curricular vigente
• 5Alineamiento con el Modelo Educativo
• 5.1Matriz de alineamiento institucional
• 5.2Matriz de alineamiento con los doce pilares del Modelo Educativo UNMSM 2024
• 5.3Matriz de alineamiento con los siete ejes transversales del Modelo Educativo
• 6Objetivos educacionales
• 6.1Objetivos educacionales de la Escuela
• 6.2Matriz de consistencia: misión institucional y objetivos educacionales
• 7Perfiles
• 7.1Perfil de ingreso
• 7.2Perfil de egreso (declaración)
• 7.3Perfil de egreso por competencias
• 7.4Articulación de competencias y asignaturas
• 7.5Perfil profesional
• 7.6Perfil del docente
• 7.7Grado académico y título profesional
• 8Estructura curricular
• 8.1Estructura curricular
• 8.2Componentes innovadores del plan
• 8.3Actividades formativas complementarias
• 8.4Catálogo de actividades formativas complementarias
• 8.5Modalidad de estudios
• 8.6Plan de estudios
• 8.7Compatibilidad con los estándares internacionales
• 9Curriculum map
• 9.1Malla curricular integrada
• 10Course summaries
• 10.1EG101 Redacción y Técnicas de Comunicación
• 10.2EG102 Métodos de Estudio Universitario
• 10.3EG103 Desarrollo Personal y Liderazgo
• 10.4EG104 Cálculo I
• 10.5EG105 Álgebra y Geometría Analítica
• 10.6EG106 Medio Ambiente y Desarrollo Sostenible
• 10.7EG107 Introducción a la Computación
• 10.8CS112 Programación I
• 10.9CS1D1 Matemática Discreta
• 10.10EG201 Investigación Formativa
• 10.11EG202 Realidad Nacional y Mundial
• 10.12EG203 Cálculo II
• 10.13EG204 Física
• 10.14AI161 IA Aplicada
• 10.15CS113 Programación II
• 10.16CS221 Arquitectura de Computadores
• 10.17ID101 Inglés I
• 10.18MA101 Álgebra Lineal
• 10.19MA102 Estadística y Probabilidades
• 10.20CS210 Algoritmos y Estructuras de Datos
• 10.21CS211 Teoría de la Computación
• 10.22CS271 Bases de Datos I
• 10.23CS2B1 Desarrollo Basado en Plataformas
• 10.24ID102 Inglés II
• 10.25MA202 Métodos Numéricos
• 10.26CS212 Análisis y Diseño de Algoritmos
• 10.27CS261 Inteligencia Artificial
• 10.28CS291 Ingeniería de Software I
• 10.29CS2S1 Sistemas Operativos
• 10.30CS311 Programación Competitiva
• 10.31FI201 Física Computacional
• 10.32AI263 Aprendizaje de Máquina
• 10.33CS231 Redes y Comunicación
• 10.34CS272 Bases de Datos II
• 10.35CS312 Estructuras de Datos Avanzadas
• 10.36CS342 Compiladores
• 10.37AI264 Aprendizaje Profundo
• 10.38CS292 Ingeniería de Software II
• 10.39CS2E1 Ética Profesional
• 10.40CS2H1 Experiencia de Usuario (UX)
• 10.41CS3P1 Computación Paralela y Distribuida
• 10.42CS251 Computación Gráfica
• 10.43CS3I1 Seguridad en Computación
• 10.44CS3P2 Computación en la Nube y Big Data
• 10.45CS401 Metodología de la Investigación en Computación
• 10.46AI268 Visión Computacional
• 10.47AI368 Computación Evolutiva
• 10.48CB309 Bioinformática
• 10.49CS391 Ingeniería de Software III
• 10.50CS393 Sistemas de Información
• 10.51CS394 Arquitectura de Software y DevOps para Software en la Nube
• 10.52AF401 Actividades Formativas Complementarias
• 10.53AI365 Modelos Generativos Avanzados en IA
• 10.54CS281 Computación y Responsabilidad Social
• 10.55CS2G1 Innovación y Emprendimiento Tecnológico
• 10.56CS402 Proyecto de Fin de Carrera I
• 10.57AI369 Robótica
• 10.58CS351 Tópicos en Computación Gráfica
• 10.59CS353 Computación Cuántica
• 10.60CS392 Tópicos en Ingeniería de Software
• 10.61CS395 Calidad de Software
• 10.62CS3P3 Internet de las Cosas
• 10.63CS400 Prácticas Preprofesionales en Empresa
• 10.64CS403 Proyecto de Fin de Carrera II
• 10.65AI367 Tópicos en Inteligencia Artificial
• 10.66CS405 Publicación de Artículo Científico
• 11Equivalence table
• 12Gestión curricular
• 12.1Estrategias metodológicas
• 12.2Guía de implementación de metodologías activas
• 12.3Evaluación de los aprendizajes
• 12.4Instrumentos de evaluación por competencias
• 12.5Investigación formativa
• 12.6Proyecto de fin de carrera
• 12.7Prácticas preprofesionales
• 12.8Tutoría y acompañamiento
• 12.9Responsabilidad social universitaria
• 12.10Internacionalización del currículo
• 12.11Marco de internacionalización del currículo
• 13Evaluación curricular
• 13.1Evaluación curricular
• 13.2Sistema de seguimiento y evaluación curricular
• 13.3Seguimiento de egresados
• 13.4Grupos de interés y mejora continua
• 14Implementación y sostenibilidad
• 14.1Plan de implementación
• 14.2Cronograma de implementación
• 14.3Recursos y sostenibilidad
• ASupporting documents
• A.1Sustento documental: informes, diagnósticos y documentos de aprobación
• Bibliography
• About this document

Chapter 1Fundamentos

1.1Presentación

El presente documento contiene la propuesta de actualización del plan curricular de la Escuela Profesional de Ciencia de la Computación de la Facultad de Ingeniería de Sistemas e Informática de la Universidad Nacional Mayor de San Marcos, que entrará en vigencia como Plan Curricular 2027.

La propuesta sigue los catorce componentes de la Guía para el Diseño y Actualización Curricular del Vicerrectorado Académico de Pregrado [S03] y se alinea con el Modelo Educativo UNMSM 2024 [S02]. Parte de un análisis de brechas del plan vigente realizado por la comisión curricular: cada cambio responde a un hallazgo documentado y a una decisión curricular. Los documentos que lo sustentan se listan en el anexo A.

Los ciclos I y II corresponden a la relación de asignaturas de Estudios Generales 2027 de la Facultad [S04]. El referente disciplinar es la propuesta ACM/IEEE-CS/AAAI Computer Science Curricula 2023 [115]a través del Plan Curricular 2026 de Ciencia de la Computación de la Universidad Nacional de Ingeniería [S11]. La consulta a grupos de interés [S05] y las encuestas a empleadores [S06] y egresados [S07] sustentan las decisiones sobre la estructura del plan.

El contenido constituye una propuesta de trabajo: cada sección, competencia, asignatura y sílabo debe ser revisado y aprobado por la comisión curricular. Los insumos que faltan se listan en el sustento documental con el estado «por solicitar».

1.2Misión institucional (UNMSM)

Formar profesionales con visión humanista para comprender, generar y difundir conocimiento científico y tecnológico, que contribuyan al desarrollo sostenible para el bienestar común e inclusivo, gestionando su desempeño con ética en el desarrollo de la investigación constante, la innovación, el uso eficiente y responsable de la tecnología, con identidad multicultural, preparando ciudadanos competentes al servicio de la sociedad.

1.3Visión institucional (UNMSM)

Ser reconocida como una universidad líder, con excelencia académica e investigación de vanguardia para la formación de profesionales íntegros, competentes y comprometidos con la sociedad, estableciendo relaciones armoniosas entre las personas y su entorno.

1.4Principios orientadores

1.5Valores institucionales

1.6Misión de la Escuela Profesional

Formar profesionales en Ciencia de la Computación con visión humanista y sólida base científica, capaces de crear nueva ciencia y tecnología computacional mediante la investigación y la innovación, que impulsen la industria del software y la transformación digital del país con ética, responsabilidad social y compromiso con el desarrollo sostenible.

1.7Visión de la Escuela Profesional

Ser una escuela profesional acreditada con estándares internacionales, reconocida por la calidad y la competitividad de sus docentes y egresados, por la relevancia de su investigación básica y aplicada, y por su contribución a la industria del software y a la solución de los problemas estratégicos de la sociedad.

1.8Fundamentos contextuales: contexto global

1.9Fundamentos contextuales: contexto nacional

1.10Fundamentos educacionales

Chapter 2Bases normativas

2.1Bases normativas

Chapter 3Situación de la carrera

3.1La carrera y su campo de acción

La computación ha tenido un desarrollo acelerado en las últimas décadas y se ha convertido en motor del desarrollo científico, tecnológico, industrial, social, económico y cultural. Los referentes internacionales (ACM/IEEE-CS Computing Curricula 2020) distinguen varias disciplinas dentro de la computación: Ciencia de la Computación, Ingeniería de Computadores, Ingeniería de Software, Sistemas de Información, Tecnología de la Información, Ciberseguridad y Ciencia de Datos [34]

La Ciencia de la Computación abarca desde los fundamentos teóricos y algorítmicos hasta los desarrollos más recientes en inteligencia artificial, visión por computadora, robótica y bioinformática. El trabajo del científico de la computación se agrupa en tres categorías: el diseño y la implementación de software; la creación de nuevas formas de usar los computadores; y el desarrollo de formas efectivas de resolver problemas de computación.

Mientras otras disciplinas preparan para puestos específicos, la Ciencia de la Computación ofrece un fundamento amplio que permite a sus egresados adaptarse a nuevas tecnologías y nuevas ideas: el profesional crea las capacidades tecnológicas que otras áreas utilizan.

3.2Contribución a la sociedad

3.3Campo ocupacional

3.4Especialidades y menciones

El plan no otorga menciones. Ofrece cuatro rutas formativas mediante las asignaturas electivas de los ciclos V, VIII, IX y X:

• Inteligencia artificial y ciencia de datos: Visión Computacional, Computación Evolutiva, Bioinformática, Robótica y Tópicos en Inteligencia Artificial.
• Ingeniería de software y sistemas: Ingeniería de Software III, Arquitectura de Software y DevOps para Software en la Nube, Sistemas de Información, Calidad de Software y Tópicos en Ingeniería de Software.
• Computación visual, sistemas y teoría: Física Computacional, Tópicos en Computación Gráfica, Computación Cuántica e Internet de las Cosas.
• Algoritmia e investigación: Programación Competitiva y Publicación de Artículo Científico.

[Por completar por la comisión curricular]: definir si cada ruta otorgará una certificación modular y sus requisitos.

3.5Demanda social y empleabilidad

La evidencia disponible proviene de tres consultas realizadas por la Facultad; sus resultados se resumen en la tabla que sigue.

En la consulta a grupos de interés de septiembre de 2026 [S05] respondieron cinco referentes: una entidad nacional de ciencia y tecnología, dos académicos vinculados a ACM, IEEE y la Sociedad Peruana de Computación, una entidad bancaria y el gremio de la industria del software. Coinciden en que la demanda se desplaza hacia la inteligencia artificial, los datos, la nube, la ciberseguridad y DevOps, y en que a la Ciencia de la Computación le corresponde la profundidad en algoritmos, estructuras de datos, sistemas distribuidos, optimización e investigación aplicada. Valoran las competencias técnicas del egresado de Ciencia de la Computación con 3,75 sobre 5, su capacidad de adoptar tecnologías emergentes con 3,5, sus competencias blandas con 3,0 y su nivel de inglés con 2,5.

Los tres empleadores consultados [S06] consideran necesario el vínculo con la universidad, ofrecen prácticas preprofesionales y piden fortalecer las habilidades blandas, el conocimiento de herramientas actuales y el inglés técnico.

La encuesta a egresados de abril de 2026 [S07] reunió treinta respuestas de Ingeniería de Sistemas e Ingeniería de Software y ninguna de la Escuela, por lo que solo tiene valor referencial: 22 de 30 ya trabajaban antes de terminar la carrera, y los grupos de asignaturas que consideran más determinantes son los de algoritmos y estructuras de datos, y los de datos e inteligencia artificial.

[Insumo por solicitar]: estudio de demanda social y mercado ocupacional de la carrera [S12] e informe de seguimiento del egresado de la Escuela [S13], con sus documentos de aprobación. Las cifras de mercado mencionadas por el gremio consultado requieren fuente primaria antes de incorporarse.

3.6Resultados de la consulta a grupos de interés, empleadores y egresados

3.7Competitividad de la carrera

Los referentes académicos consultados [S05] recomiendan sostener la identidad de la carrera en los estándares internacionales (CS2023) [115] y no en tendencias locales, y señalan como áreas irrenunciables los fundamentos algorítmicos, los lenguajes de programación, los sistemas operativos, la computación paralela y distribuida, la seguridad, la inteligencia artificial, y sociedad, ética y profesión [115]El plan cubre todas ellas con asignaturas obligatorias.

[Insumo por solicitar]: estudio comparativo con programas de Ciencia de la Computación del país y del extranjero [S17].

3.8Análisis FODA

FODA preliminar elaborado a partir de los insumos disponibles; cada enunciado indica su sustento. El acta de la reunión del 1 de octubre de 2026 [S09] registra el análisis y la aprobación de la matriz FODA de la Facultad, pero no la transcribe. [Por completar por la comisión curricular]: reemplazar este FODA preliminar por el texto aprobado y consignar el documento que lo contiene.

3.9Innovaciones tecnológicas de la disciplina

3.10Análisis prospectivo

Chapter 4Diagnóstico de la Escuela

4.1Historia de la Escuela Profesional

[Insumo por solicitar]: reseña con hitos verificables (resolución de creación del programa, planes de estudio anteriores, licenciamiento y procesos de acreditación) y sus resoluciones [S15].

4.2Infraestructura y recursos

4.3Perfil de la plana docente

4.4Indicadores de gestión académica

4.5Evaluación del plan curricular vigente

La evaluación del plan vigente se resume en la matriz de análisis de brechas del anexo A. Del cuadro de asignaturas [S01] se desprende lo siguiente:

• El plan tiene 221 créditos: 48 de Estudios Generales y 173 de estudios específicos y de especialidad, en diez ciclos.
• Los ciclos III y VI tienen siete asignaturas, y los ciclos IV, V, VII y VIII, seis; varias asignaturas tienen dos o tres créditos.
• La inteligencia artificial aparece en el ciclo VIII y tiene como prerrequisito Heurísticas y Metaheurísticas, que a su vez exige Procesos Estocásticos.
• Algunos prerrequisitos no guardan relación temática: Interacción Humano Computador exige Tópicos de Sistemas Operativos Avanzados; Tópicos en Computación Gráfica exige Arte y Tecnología.
• No hay electivos de especialidad; los únicos electivos pertenecen a los Estudios Generales.
• Las prácticas preprofesionales suman 20 créditos en dos asignaturas, y el proyecto final de carrera, 12 créditos en tres.

[Insumo por solicitar]: informe de evaluación del plan vigente con el logro del perfil de egreso, las tasas de aprobación y deserción por asignatura, y la opinión de estudiantes y docentes [S14].

Chapter 5Alineamiento con el Modelo Educativo

5.1Matriz de alineamiento institucional

5.2Matriz de alineamiento con los doce pilares del Modelo Educativo UNMSM 2024

5.3Matriz de alineamiento con los siete ejes transversales del Modelo Educativo

Chapter 6Objetivos educacionales

6.1Objetivos educacionales de la Escuela

Los objetivos educacionales describen lo que se espera que el egresado logre entre tres y cinco años después del egreso. Se redactan con la fórmula verbo de logro, campo profesional, condición y finalidad, y cada uno responde a una brecha del análisis y a un componente de la misión institucional.

La tabla siguiente muestra la relación entre cada objetivo educacional, el componente de la misión o de la visión al que responde y las competencias del perfil de egreso que lo hacen posible.

6.2Matriz de consistencia: misión institucional y objetivos educacionales

Chapter 7Perfiles

7.1Perfil de ingreso

7.2Perfil de egreso (declaración)

El egresado de la Escuela Profesional de Ciencia de la Computación de la UNMSM diseña, desarrolla y evalúa soluciones de software y sistemas computacionales para problemas complejos, sustentado en los fundamentos teóricos de la disciplina y en la investigación. Trabaja en equipos multidisciplinarios, se comunica de forma efectiva, gestiona proyectos, aprende de manera autónoma y actúa con ética y responsabilidad social, contribuyendo al desarrollo sostenible del país [34]

7.3Perfil de egreso por competencias

Las competencias del perfil de egreso se presentan con el formato del Anexo 2 de la Guía: la competencia, la evidencia observable, el contexto de aplicación y el nivel de logro esperado al egreso. El nivel se expresa con la escala de cuatro niveles de dominio que se describe a continuación.

7.4Articulación de competencias y asignaturas

Por cada competencia se indican las asignaturas que la desarrollan en cada nivel de dominio y, entre paréntesis, su ciclo. La progresión es ascendente: las asignaturas de los primeros ciclos aportan en el nivel «sabe» y las de los últimos, en el nivel «aplica». Las asignaturas electivas se señalan con asterisco.

7.5Perfil profesional

• Desarrolla tecnología computacional buscando el bien común de las personas, la sociedad y las organizaciones.
• Transforma y amplía los límites de otras áreas del conocimiento mediante soluciones innovadoras basadas en tecnología computacional.
• Se adapta con rapidez a los cambios tecnológicos gracias a su formación basada en la investigación.
• Trabaja en equipos multidisciplinarios que ejecutan proyectos de innovación tecnológica, y los lidera.
• Crea empresas de base tecnológica.
• Sigue estudios de posgrado con exigencia internacional.

7.6Perfil del docente

• Promueve la formación integral del estudiante mediante la enseñanza, la investigación y la extensión.
• Posee formación académica avanzada en el área y se mantiene actualizado.
• Publica en revistas indexadas y eventos internacionales.
• Aplica metodologías activas y evalúa por competencias.
• Usa de forma pedagógica y responsable las tecnologías digitales, incluida la inteligencia artificial.
• Establece redes de cooperación con instituciones nacionales e internacionales.

7.7Grado académico y título profesional

Grado académico: Bachiller en Ciencia de la Computación.

Título profesional: Licenciado en Ciencia de la Computación.

Para obtener el grado de bachiller se requiere aprobar los estudios de pregrado, un trabajo de investigación y el conocimiento de un idioma extranjero, de preferencia inglés, o de una lengua nativa (Ley 30220, art. 45). El informe final de Proyecto de Fin de Carrera II constituye el trabajo de investigación. Para el título profesional se requiere el grado de bachiller y la aprobación de una tesis o de un trabajo de suficiencia profesional; el proyecto de fin de carrera puede continuarse como tesis. [Por completar por la comisión curricular]: verificar la denominación del grado y del título con la resolución de creación del programa [S15].

Chapter 8Estructura curricular

8.1Estructura curricular

El plan se organiza en diez ciclos semestrales de dieciséis semanas, con 209 créditos: 43 de Estudios Generales y 166 de Estudios Específicos y de Especialidad. Un crédito académico equivale a dieciséis horas lectivas de teoría o al doble de horas de práctica por semestre.

Los ciclos I y II siguen la relación de asignaturas de Estudios Generales 2027 de la Facultad [S04], que incluye dos asignaturas específicas comunes: Programación I y Matemática Discreta. Desde el ciclo III, cada ciclo tiene como máximo cinco asignaturas de estudios específicos y de especialidad, de al menos cuatro horas semanales y cuatro créditos como norma; Algoritmos y Estructuras de Datos y Análisis y Diseño de Algoritmos tienen cinco. Inglés I y II y las Actividades Formativas Complementarias pertenecen a los Estudios Generales y no se cuentan en ese máximo.

El estudiante elige una asignatura electiva de tres créditos en los ciclos V, VIII, IX y X (doce créditos, 5,7 % del plan). Las Prácticas Preprofesionales en Empresa se realizan en el ciclo X y el Proyecto de Fin de Carrera, en los ciclos IX y X.

8.2Componentes innovadores del plan

8.3Actividades formativas complementarias

La asignatura Actividades Formativas Complementarias (4 créditos, ciclo IX) reconoce las actividades académicas, de innovación, de responsabilidad social, y de arte, cultura y deporte que el estudiante realiza desde el primer ciclo. Reglas propuestas:

• Equivalencia: 32 horas validadas equivalen a un crédito, que es la equivalencia legal del crédito de práctica; los cuatro créditos exigen 128 horas.
• Solo se reconocen las actividades del catálogo, con la evidencia que allí se indica. Una actividad no se reconoce si ya fue calificada dentro de una asignatura.
• Cada categoría tiene un tope de horas, para que el estudiante combine al menos dos categorías.
• El estudiante registra sus evidencias en un portafolio; la Dirección de la Escuela, con el Comité de Gestión Curricular, las valida y emite el acta de reconocimiento.
• La asignatura se califica con la escala vigesimal al completar las 128 horas y sustentar el portafolio.

Ni la Guía ni el Modelo Educativo establecen un mecanismo de créditos por reconocimiento; por eso las actividades se vinculan a una asignatura del plan, con sílabo y rúbrica. [Por completar por la comisión curricular]: aprobar el catálogo y su reglamento mediante resolución decanal [S21] y confirmar el mecanismo con el Vicerrectorado Académico de Pregrado.

8.4Catálogo de actividades formativas complementarias

8.5Modalidad de estudios

El programa se desarrolla en modalidad presencial. Hasta el veinte por ciento de los créditos puede impartirse mediante entornos virtuales de aprendizaje, conforme a la normativa vigente.

8.6Plan de estudios

T: horas semanales de teoría; P: horas semanales de práctica y laboratorio; Cr: créditos. Las asignaturas electivas se identifican con (E); en los ciclos con electivos, el estudiante elige el número de electivos que indica el plan.

8.7Compatibilidad con los estándares internacionales

Se compara la distribución del creditaje del plan entre los catorce ejes de las disciplinas de computación con los rangos de referencia de ACM/IEEE-CS Computing Curricula. Cuando una asignatura aborda más de un eje, su creditaje se reparte entre ellos. Perfil de referencia: Ciencia de la Computación (CS). Los ejes de Formación General, Humanidades y Ciencias Básicas reflejan además los Estudios Generales que exige la Ley Universitaria 30220, por lo que pueden superar el rango de referencia.

Chapter 9Curriculum map

La malla curricular presenta la secuencia de las asignaturas por ciclo. El color de cada recuadro indica su categoría: Estudios Generales, Estudios Específicos, Estudios de Especialidad, investigación formativa, asignaturas electivas e idiomas. Las líneas unen cada asignatura con sus prerrequisitos; las que parten de una misma asignatura tienen el mismo color. Cada recuadro enlaza con la sumilla de la asignatura, y los prerrequisitos se detallan en el plan de estudios

9.1Malla curricular integrada

Chapter 10Course summaries

Cada sumilla sigue la estructura del Anexo 4 de la Guía: área, naturaleza, propósito, aporte al perfil de egreso, contenidos, ejes transversales y metodologías activas. A continuación de la sumilla se indican las competencias que desarrolla con su nivel de dominio, las unidades de aprendizaje con sus capacidades, el eje transversal con su actividad, evidencia y criterio, y las referencias.

10.1EG101 Redacción y Técnicas de Comunicación

Ubicación: term I · Estudios Generales · obligatorio · teórico-práctica. Créditos: 2 (1 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Formación Integral.

Sumilla. Redacción y Técnicas de Comunicación es una asignatura del área de Estudios Generales, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para redactar textos académicos con corrección y coherencia, argumentar con fuentes citadas y exponer ideas ante una audiencia. Contribuye al perfil de egreso mediante las competencias CE2 (ética) y CE4 (comunicación). Comprende: I) El texto académico y la norma; II) Lectura crítica y síntesis; III) La argumentación escrita; IV) La comunicación oral. Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CE4 Comunicación (sabe); CE2 Ética (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): El texto académico y la norma. Capacidad: Redacta párrafos coherentes y correctos según la norma vigente del español.
2. Unidad II (semanas 5–8): Lectura crítica y síntesis. Capacidad: Sintetiza textos académicos y cita sus fuentes con el estilo APA.
3. Unidad III (semanas 9–12): La argumentación escrita. Capacidad: Elabora un ensayo argumentativo sustentado en fuentes académicas.
4. Unidad IV (semanas 13–16): La comunicación oral. Capacidad: Expone y defiende oralmente sus ideas con apoyo visual pertinente.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Redacción y Técnicas de Comunicación. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [172] [33] [6]

10.2EG102 Métodos de Estudio Universitario

Ubicación: term I · Estudios Generales · obligatorio · teórico-práctica. Créditos: 2 (1 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Formación Integral.

Sumilla. Métodos de Estudio Universitario es una asignatura del área de Estudios Generales, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para organizar su estudio de manera autónoma, aplicar técnicas de aprendizaje efectivas y usar herramientas digitales con integridad académica. Contribuye al perfil de egreso mediante las competencias CE6 (aprendizaje a lo largo de la vida) y CG5 (manejo de TIC). Comprende: I) La vida universitaria y la autorregulación; II) Técnicas de aprendizaje efectivo; III) Gestión de la información; IV) Trabajo en equipo y evaluación. Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CE6 Aprendizaje a lo largo de la vida (sabe); CG5 Manejo de TIC (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): La vida universitaria y la autorregulación. Capacidad: Planifica su estudio semanal con metas verificables.
2. Unidad II (semanas 5–8): Técnicas de aprendizaje efectivo. Capacidad: Aplica técnicas de estudio basadas en evidencia a sus asignaturas del ciclo.
3. Unidad III (semanas 9–12): Gestión de la información. Capacidad: Selecciona y registra fuentes académicas confiables con integridad.
4. Unidad IV (semanas 13–16): Trabajo en equipo y evaluación. Capacidad: Evalúa su propio proceso de aprendizaje mediante un portafolio.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Métodos de Estudio Universitario. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [32] [27] [151]

10.3EG103 Desarrollo Personal y Liderazgo

Ubicación: term I · Estudios Generales · obligatorio · teórico-práctica. Créditos: 2 (1 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Formación Integral.

Sumilla. Desarrollo Personal y Liderazgo es una asignatura del área de Estudios Generales, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para reconocer sus fortalezas y áreas de mejora, comunicarse con asertividad y asumir roles de liderazgo en equipos. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo) y CG2 (liderazgo). Comprende: I) Autoconocimiento; II) Comunicación y relaciones interpersonales; III) Liderazgo; IV) Trabajo en equipo. Integra el eje transversal de liderazgo mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CG2 Liderazgo (sabe); CE3 Trabajo individual y en equipo (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Autoconocimiento. Capacidad: Formula su proyecto de vida a partir del análisis de sus fortalezas y valores.
2. Unidad II (semanas 5–8): Comunicación y relaciones interpersonales. Capacidad: Se comunica con asertividad en situaciones de trabajo en grupo.
3. Unidad III (semanas 9–12): Liderazgo. Capacidad: Analiza estilos de liderazgo y su pertinencia en casos reales.
4. Unidad IV (semanas 13–16): Trabajo en equipo. Capacidad: Conduce o integra un equipo que cumple un proyecto breve con resultados verificables.

Eje transversal en la asignatura. Actividad: Trabajo en equipo con roles rotativos y coordinación de un entregable de Desarrollo Personal y Liderazgo. Evidencia: Plan de trabajo con resultados medibles y coevaluación del equipo. Criterio: Cumplimiento de compromisos, coordinación efectiva y valoración de los pares.

Referencias: [74] [49] [149]

10.4EG104 Cálculo I

Ubicación: term I · Estudios Generales · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Formación Integral.

Sumilla. Cálculo I es una asignatura del área de Estudios Generales, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para demostrar continuidad o discontinuidad de una función y aplicar el Teorema del Valor Intermedio, resolver problemas de optimización y trazar curvas usando el Teorema del Valor Medio y las pruebas de derivadas y evaluar límites usando leyes de límites, la regla de L’Hôpital y análisis asintótico. Contribuye al perfil de egreso mediante la competencia CT1 (conocimientos de computación). Comprende: I) Límites y Continuidad; II) Límites y Continuidad: regla de L’Hôpital y formas indeterminadas; III) Cálculo Diferencial; IV) Cálculo Diferencial (aplicaciones). Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT1 Conocimientos de computación (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Límites y Continuidad. Capacidades: Evalúa límites usando leyes de límites, la regla de L’Hôpital y análisis asintótico. Enuncia la definición épsilon-delta de un límite y explica su significado geométrico.
2. Unidad II (semanas 5–8): Límites y Continuidad: regla de L’Hôpital y formas indeterminadas. Capacidad: Demuestra continuidad o discontinuidad de una función y aplica el Teorema del Valor Intermedio.
3. Unidad III (semanas 9–12): Cálculo Diferencial. Capacidades: Aplica las reglas de diferenciación y la diferenciación implícita para calcular derivadas de funciones compuestas e implícitas. Interpreta la derivada como tasa de cambio y como pendiente de la recta tangente.
4. Unidad IV (semanas 13–16): Cálculo Diferencial (aplicaciones). Capacidad: Resuelve problemas de optimización y traza curvas usando el Teorema del Valor Medio y las pruebas de derivadas.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Cálculo I. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [118] [208] [207] [221]

10.5EG105 Álgebra y Geometría Analítica

Ubicación: term I · Estudios Generales · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Formación Integral.

Sumilla. Álgebra y Geometría Analítica es una asignatura del área de Estudios Generales, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para resolver ecuaciones e inecuaciones, operar con vectores, matrices y números complejos y modelar lugares geométricos en el plano. Contribuye al perfil de egreso mediante la competencia CT1 (conocimientos de computación). Comprende: I) Fundamentos de álgebra; II) Polinomios, matrices y sistemas; III) Vectores y rectas; IV) Cónicas. Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT1 Conocimientos de computación (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos de álgebra. Capacidad: Resuelve ecuaciones e inecuaciones justificando cada paso con propiedades de los números reales.
2. Unidad II (semanas 5–8): Polinomios, matrices y sistemas. Capacidad: Resuelve sistemas de ecuaciones lineales mediante métodos matriciales.
3. Unidad III (semanas 9–12): Vectores y rectas. Capacidad: Modela rectas y planos con vectores para resolver problemas geométricos.
4. Unidad IV (semanas 13–16): Cónicas. Capacidad: Identifica y grafica cónicas a partir de su ecuación general.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Álgebra y Geometría Analítica. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [123] [214]

10.6EG106 Medio Ambiente y Desarrollo Sostenible

Ubicación: term I · Estudios Generales · obligatorio · teórica. Créditos: 3 (3 h de teoría, 0 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Sustentabilidad Ambiental.

Sumilla. Medio Ambiente y Desarrollo Sostenible es una asignatura del área de Estudios Generales, de naturaleza teórica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para explicar los problemas ambientales con evidencia científica, analizar riesgos de desastres en su entorno y proponer acciones alineadas con los Objetivos de Desarrollo Sostenible. Contribuye al perfil de egreso mediante las competencias CE1 (el profesional y el mundo), CG3 (responsabilidad social) y CG4 (gestión del riesgo y cambio climático). Comprende: I) Ambiente y sociedad; II) Cambio climático; III) Gestión del riesgo de desastres; IV) Sostenibilidad y tecnología. Integra los ejes transversales de gestión del riesgo de desastres y cambio climático y responsabilidad social mediante clase magistral activa, estudio de casos y aprendizaje basado en proyectos.

Competencias que desarrolla: CG4 Gestión del riesgo y cambio climático (sabe); CG3 Responsabilidad social (sabe); CE1 El profesional y el mundo (sabe).

Metodología principal: Clase magistral; Estudio de casos; Aprendizaje basado en proyectos (ABPy); Debate.

1. Unidad I (semanas 1–4): Ambiente y sociedad. Capacidad: Explica los principales problemas ambientales del país con datos de fuentes oficiales.
2. Unidad II (semanas 5–8): Cambio climático. Capacidad: Analiza los impactos del cambio climático en un territorio a partir de datos abiertos.
3. Unidad III (semanas 9–12): Gestión del riesgo de desastres. Capacidad: Elabora un mapa de riesgos con medidas de prevención para un espacio concreto.
4. Unidad IV (semanas 13–16): Sostenibilidad y tecnología. Capacidad: Propone una acción sostenible viable vinculada a un Objetivo de Desarrollo Sostenible.

Eje transversal en la asignatura. Actividad: Análisis de un problema ambiental local con datos abiertos y elaboración del mapa de riesgos de un espacio de la universidad o de la comunidad. Evidencia: Mapa de riesgos con medidas de prevención. Criterio: Sustento en datos oficiales, identificación de peligros y viabilidad de las medidas.

Referencias: [98] [12] [42]

10.7EG107 Introducción a la Computación

Ubicación: term I · Estudios Generales · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Formación Integral.

Sumilla. Introducción a la Computación es una asignatura del área de Estudios Generales, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para diseñar funciones con alcance y documentación apropiados, evaluar si un enfoque voraz conduce a una solución óptima e implementar soluciones recursivas a problemas simples. Contribuye al perfil de egreso mediante las competencias CG5 (manejo de TIC), CT2 (análisis de problemas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Introducción a la Programación y su Historia, Fundamentos de Sistemas de Tipos, Fundamentos de…; II) Funciones y paso de parámetros; III) Estructuras de datos básicas, Fundamentos de Programación Orientada a Objetos: subclases…; IV) Estrategias Algorítmicas, Métodos Modernos de Desarrollo y Uso de Herramientas. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (sabe); CT6 Teoría de la computación y desarrollo de software (sabe); CG5 Manejo de TIC (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Introducción a la Programación y su Historia; Fundamentos de Sistemas de Tipos; Fundamentos de Programación Orientada a Objetos. Capacidades: Compara la vida diaria antes y después de las computadoras personales e Internet. Implementa programas usando estructuras condicionales e iterativas.
2. Unidad II (semanas 5–8): Funciones y paso de parámetros. Capacidades: Diseña funciones con alcance y documentación apropiados. Implementa soluciones recursivas a problemas simples.
3. Unidad III (semanas 9–12): Estructuras de datos básicas; Fundamentos de Programación Orientada a Objetos: subclases, herencia. Capacidades: Construye una jerarquía de clases simple utilizando subclases que permita reutilizar código para subclases distintas. Implementa operaciones básicas de búsqueda y ordenamiento en listas.
4. Unidad IV (semanas 13–16): Estrategias Algorítmicas; Métodos Modernos de Desarrollo y Uso de Herramientas. Capacidades: Evalúa si un enfoque voraz conduce a una solución óptima. Aplica técnicas sistemáticas de depuración para localizar y corregir errores.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Introducción a la Computación. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [26] [46] [81] [94] [250]

10.8CS112 Programación I

Ubicación: term II · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: EG107 Introducción a la Computación. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Programación I es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para evaluar las compensaciones en el diseño de lenguajes para aplicaciones específicas, implementar RAII para la gestión de recursos y diseñar clases en C++ con encapsulamiento adecuado. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Pragmática del Lenguaje, Traducción y Ejecución de Lenguajes, Fundamentos de Sistemas de Tipos; II) Fundamentos de Programación Orientada a Objetos; III) Modelo de Ejecución y Memoria de Sistemas, Programación Funcional; IV) Programación Orientada a Objetos: Encapsulación, Subtipado y Reflexión, Construcciones de…. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (sabe); CT6 Teoría de la computación y desarrollo de software (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Pragmática del Lenguaje; Traducción y Ejecución de Lenguajes; Fundamentos de Sistemas de Tipos. Capacidades: Evalúa las compensaciones en el diseño de lenguajes para aplicaciones específicas. Explica múltiples beneficios y limitaciones del tipado estático al escribir, mantener y depurar software.
2. Unidad II (semanas 5–8): Fundamentos de Programación Orientada a Objetos. Capacidades: Construye una jerarquía de clases simple utilizando subclases que permita reutilizar código para subclases distintas. Implementa jerarquías de herencia para reutilización de código.
3. Unidad III (semanas 9–12): Modelo de Ejecución y Memoria de Sistemas; Programación Funcional. Capacidades: Interpreta correctamente las variables y el ámbito léxico en un programa que usa clausuras de funciones. Implementa funciones genéricas usando plantillas.
4. Unidad IV (semanas 13–16): Programación Orientada a Objetos: Encapsulación, Subtipado y Reflexión; Construcciones de Programación Avanzadas; Scripting de Shell. Capacidades: Implementa semántica de movimiento para optimización de rendimiento. Compara y contrasta los mecanismos para definir y proteger elementos de datos dentro de los enfoques procedural, funcional y orientado a objetos.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Programación I. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [104] [176] [210]

10.9CS1D1 Matemática Discreta

Ubicación: term II · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: EG105 Álgebra y Geometría Analítica. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Matemática Discreta es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar técnicas básicas de conteo y relaciones de recurrencia a problemas, analizar propiedades avanzadas de grafos y desarrollar funciones generadoras para problemas de conteo. Contribuye al perfil de egreso mediante las competencias CT1 (conocimientos de computación) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Lógica y Fundamentos; II) Técnicas de Demostración y Estructuras Avanzadas; III) Relaciones, Funciones y Grafos; IV) Conteo y Recurrencia. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT1 Conocimientos de computación (sabe); CT6 Teoría de la computación y desarrollo de software (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Lógica y Fundamentos. Capacidades: Construye demostraciones lógicas simples. Explica lógica proposicional y de predicados.
2. Unidad II (semanas 5–8): Técnicas de Demostración y Estructuras Avanzadas. Capacidades: Construye demostraciones lógicas simples. Aplica operaciones de clausura a relaciones.
3. Unidad III (semanas 9–12): Relaciones, Funciones y Grafos. Capacidades: Analiza propiedades avanzadas de grafos. Resuelve problemas básicos de grafos.
4. Unidad IV (semanas 13–16): Conteo y Recurrencia. Capacidades: Desarrolla funciones generadoras para problemas de conteo. Aplica técnicas de conteo para resolver problemas.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Matemática Discreta. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [80] [122] [178] [184] [237]

10.10EG201 Investigación Formativa

Ubicación: term II · Estudios Generales · obligatorio · teórica. Créditos: 3 (3 h de teoría, 0 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Investigación Formativa.

Sumilla. Investigación Formativa es una asignatura del área de Estudios Generales, de naturaleza teórica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para formular preguntas de investigación, buscar y analizar literatura científica y comunicar hallazgos en un informe y un póster. Contribuye al perfil de egreso mediante las competencias CE4 (comunicación), CG1 (investigación) y CT4 (indagación). Comprende: I) Ciencia e investigación; II) El problema de investigación; III) Revisión de literatura; IV) Comunicación de resultados. Integra el eje transversal de formación integral mediante clase magistral activa, estudio de casos y aprendizaje basado en proyectos.

Competencias que desarrolla: CG1 Investigación (sabe); CE4 Comunicación (sabe); CT4 Indagación (sabe).

Metodología principal: Clase magistral; Estudio de casos; Aprendizaje basado en proyectos (ABPy); Debate.

1. Unidad I (semanas 1–4): Ciencia e investigación. Capacidad: Distingue los enfoques de investigación y sus exigencias éticas.
2. Unidad II (semanas 5–8): El problema de investigación. Capacidad: Formula un problema de investigación delimitado y justificado.
3. Unidad III (semanas 9–12): Revisión de literatura. Capacidad: Elabora una revisión breve de literatura con fuentes indexadas.
4. Unidad IV (semanas 13–16): Comunicación de resultados. Capacidad: Comunica los resultados de una indagación mediante un póster científico.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Investigación Formativa. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [92] [24]

10.11EG202 Realidad Nacional y Mundial

Ubicación: term II · Estudios Generales · obligatorio · teórica. Créditos: 3 (3 h de teoría, 0 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Responsabilidad Social.

Sumilla. Realidad Nacional y Mundial es una asignatura del área de Estudios Generales, de naturaleza teórica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para analizar los procesos sociales, económicos y políticos del Perú, relacionarlos con las tendencias mundiales y argumentar una posición informada sobre un problema nacional. Contribuye al perfil de egreso mediante las competencias CE1 (el profesional y el mundo) y CG3 (responsabilidad social). Comprende: I) El Perú: territorio y sociedad; II) Estado y economía; III) El mundo contemporáneo; IV) Problemas nacionales. Integra el eje transversal de responsabilidad social mediante clase magistral activa, estudio de casos y aprendizaje basado en proyectos.

Competencias que desarrolla: CG3 Responsabilidad social (sabe); CE1 El profesional y el mundo (sabe).

Metodología principal: Clase magistral; Estudio de casos; Aprendizaje basado en proyectos (ABPy); Debate.

1. Unidad I (semanas 1–4): El Perú: territorio y sociedad. Capacidad: Describe las brechas sociales y territoriales del país con indicadores oficiales.
2. Unidad II (semanas 5–8): Estado y economía. Capacidad: Analiza la relación entre la estructura productiva y el desarrollo tecnológico del país.
3. Unidad III (semanas 9–12): El mundo contemporáneo. Capacidad: Relaciona las tendencias mundiales con sus efectos en el Perú.
4. Unidad IV (semanas 13–16): Problemas nacionales. Capacidad: Argumenta una posición sustentada sobre un problema nacional.

Eje transversal en la asignatura. Actividad: Caso o proyecto de Realidad Nacional y Mundial sobre un problema social real de una comunidad u organización. Evidencia: Informe de diagnóstico o de intervención validado por el beneficiario. Criterio: Pertinencia del problema, coherencia de la solución e impacto social esperado.

Referencias: [48] [129] [35]

10.12EG203 Cálculo II

Ubicación: term II · Estudios Generales · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Formación Integral.

Sumilla. Cálculo II es una asignatura del área de Estudios Generales, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar diversas técnicas de integración para resolver problemas y utilizar el cálculo integral para modelar y resolver problemas en contextos científicos y de ingeniería. Contribuye al perfil de egreso mediante la competencia CT1 (conocimientos de computación). Comprende: I) Cálculo Integral y Series; II) Cálculo Integral y Series: integrales impropias; III) Cálculo Integral y Series: sucesiones y series; IV) Cálculo Integral y Series: sucesiones y series (aplicaciones). Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT1 Conocimientos de computación (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Cálculo Integral y Series. Capacidad: Enuncia el Teorema Fundamental del Cálculo y explica la relación entre la diferenciación y la integración.
2. Unidad II (semanas 5–8): Cálculo Integral y Series: integrales impropias. Capacidad: Calcula integrales definidas e indefinidas usando técnicas estándar, incluyendo sustitución e integración por partes.
3. Unidad III (semanas 9–12): Cálculo Integral y Series: sucesiones y series. Capacidad: Determina la convergencia de integrales impropias y series de potencias, y construye series de Taylor para funciones estándar.
4. Unidad IV (semanas 13–16): Cálculo Integral y Series: sucesiones y series (aplicaciones). Capacidad: Determina la convergencia de integrales impropias y series de potencias, y construye series de Taylor para funciones estándar.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Cálculo II. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [118] [208]

10.13EG204 Física

Ubicación: term II · Estudios Generales · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Formación Integral.

Sumilla. Física es una asignatura del área de Estudios Generales, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para analizar el movimiento rotacional y la dinámica del momento angular en sistemas de partículas y cuerpos extendidos, aplicar los módulos elásticos y la ley de Hooke para relacionar el esfuerzo y la deformación en sólidos y aplicar las leyes de Fourier y Fick para describir procesos básicos de conducción de calor y difusión de masa. Contribuye al perfil de egreso mediante la competencia CT1 (conocimientos de computación). Comprende: I) Cinemática y Dinámica de Partículas; II) Trabajo, Energía y Leyes de Conservación, Sistemas de Partículas y Momento Lineal; III) Movimiento Rotacional y Momento Angular, Elasticidad, Fluidos: Hidrostática, Hidrodinámica y…; IV) Vibraciones y Ondas, Fenómeno de Transporte. Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT1 Conocimientos de computación (sabe).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Cinemática y Dinámica de Partículas. Capacidades: Construye e interpreta diagramas del espacio de fases para caracterizar la estabilidad y periodicidad de un sistema mecánico simulado. Implementa un algoritmo de integración numérica como el método de Runge-Kutta para calcular la trayectoria de una partícula bajo fuerzas variables.
2. Unidad II (semanas 5–8): Trabajo, Energía y Leyes de Conservación; Sistemas de Partículas y Momento Lineal. Capacidades: Analiza cómo las fuerzas internas afectan a las partículas individuales pero no al momento total de un sistema. Resuelve la ecuación del cohete para determinar la velocidad en función de la masa expulsada.
3. Unidad III (semanas 9–12): Movimiento Rotacional y Momento Angular; Elasticidad; Fluidos: Hidrostática, Hidrodinámica y Viscosidad. Capacidades: Analiza el movimiento de objetos que ruedan sin deslizar por un plano inclinado. Aplica la conservación del momento angular para analizar cambios en la velocidad de rotación cuando cambia el momento de inercia.
4. Unidad IV (semanas 13–16): Vibraciones y Ondas; Fenómeno de Transporte. Capacidades: Analiza la respuesta en amplitud de un oscilador forzado cerca de la frecuencia de resonancia. Aplica la ley de Fourier para calcular el flujo de calor a través de una pared plana o compuesta.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Física. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [111] [187] [223] [247]

10.14AI161 IA Aplicada

Ubicación: term III · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: EG107 Introducción a la Computación. Eje integrador: Tecnología para la Innovación Social.

Sumilla. IA Aplicada es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para diseñar soluciones de prompts efectivas para diversos sistemas de IA, evaluar críticamente los resultados de IA en diferentes contextos culturales e implementar flujos de trabajo que aprovechen fortalezas específicas de cada plataforma. Contribuye al perfil de egreso mediante las competencias CE1 (el profesional y el mundo), CG5 (manejo de TIC) y CT5 (uso de herramientas modernas). Comprende: I) Fundamentos de IA y Panorama Global; II) Interacción Efectiva con IA e Ingeniería de Prompts Multiplataforma; III) Aplicaciones de IA entre Disciplinas y Plataformas; IV) Ética Global en IA y Uso Responsable. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT5 Uso de herramientas modernas (sabe cómo); CE1 El profesional y el mundo (sabe cómo); CG5 Manejo de TIC (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos de IA y Panorama Global. Capacidades: Evalúa críticamente los resultados de IA en diferentes contextos culturales. Analiza sistemas inteligentes globales y sus características distintivas.
2. Unidad II (semanas 5–8): Interacción Efectiva con IA e Ingeniería de Prompts Multiplataforma. Capacidades: Diseña soluciones de prompts efectivas para diversos sistemas de IA. Implementa estrategias de refinamiento iterativo para optimizar resultados de IA.
3. Unidad III (semanas 9–12): Aplicaciones de IA entre Disciplinas y Plataformas. Capacidades: Implementa flujos de trabajo que aprovechen fortalezas específicas de cada plataforma. Diseña soluciones que integren múltiples sistemas inteligentes para tareas complejas.
4. Unidad IV (semanas 13–16): Ética Global en IA y Uso Responsable. Capacidades: Demuestra responsabilidad profesional en el uso de tecnologías de IA. Desarrolla pautas éticas para mitigar sesgos en sistemas de IA.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en IA Aplicada. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [19] [78] [62] [133] [137] [144] [153] [52] [227] [240]

10.15CS113 Programación II

Ubicación: term III · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS112 Programación I. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Programación II es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para evaluar compensaciones arquitectónicas en sistemas C++, analizar la seguridad en hilos de algoritmos concurrentes e implementar CRTP para polimorfismo estático. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Programación Orientada a Objetos: Encapsulación, Subtipado y Reflexión, Sistemas de Tipos…; II) Gestión de Memoria, Computación Paralela y Distribuida; III) Construcciones de Programación Avanzadas, Modelo de Ejecución y Memoria de Sistemas; IV) Construcciones de Programación Avanzadas: abstracciones orientadas a objetos, Construcciones…. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (sabe cómo); CT6 Teoría de la computación y desarrollo de software (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Programación Orientada a Objetos: Encapsulación, Subtipado y Reflexión; Sistemas de Tipos: Polimorfismo y Tipado Complementario. Capacidades: Implementa reenvío perfecto para paso eficiente de argumentos. Distingue cuándo usar Concepts, if constexpr o SFINAE heredado al mantener código C++ existente.
2. Unidad II (semanas 5–8): Gestión de Memoria; Computación Paralela y Distribuida. Capacidades: Analiza la seguridad en hilos de algoritmos concurrentes. Usa un modelo de paso de mensajes para analizar un protocolo de comunicación.
3. Unidad III (semanas 9–12): Construcciones de Programación Avanzadas; Modelo de Ejecución y Memoria de Sistemas. Capacidades: Diseña interfaces de biblioteca extensibles usando diseño basado en políticas. Implementa CRTP para polimorfismo estático.
4. Unidad IV (semanas 13–16): Construcciones de Programación Avanzadas: abstracciones orientadas a objetos; Construcciones de Programación Avanzadas: abstracciones de control; Control de Versiones y CI/CD. Capacidades: Evalúa compensaciones arquitectónicas en sistemas C++. Compara CMake con al menos una alternativa moderna (xmake, Meson o Bazel) en velocidad de compilación y reproducibilidad.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Programación II. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [70] [104] [132] [210] [211] [235] [244]

10.16CS221 Arquitectura de Computadores

Ubicación: term III · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS1D1 Matemática Discreta. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Arquitectura de Computadores es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para analizar la jerarquía de memoria, incluyendo memoria caché y memoria virtual y evaluar mejoras de rendimiento mediante segmentación y paralelismo. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Organización de Máquina a Nivel de Ensamblador; II) Jerarquía de Memoria; III) Interconexión y Comunicación, Organización Funcional; IV) Arquitecturas Heterogéneas, Arquitecturas de Procesador Seguras. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (sabe cómo); CE3 Trabajo individual y en equipo (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Organización de Máquina a Nivel de Ensamblador. Capacidades: Analiza un diagrama de subrutina para comentar cómo se manejan las llamadas de subrutina a nivel de ensamblador. Evalúa un diagrama de ejemplo con paralelismo a nivel de instrucción y riesgos para describir cómo se manejan en las canalizaciones de procesadores típicos.
2. Unidad II (semanas 5–8): Jerarquía de Memoria. Capacidades: Mide el efecto de la latencia de memoria en el tiempo de ejecución. Calcula el tiempo promedio de acceso a memoria bajo varias configuraciones de caché y memoria y mezclas de referencias de instrucciones y datos.
3. Unidad III (semanas 9–12): Interconexión y Comunicación; Organización Funcional. Capacidades: Diseña un procesador completo, incluyendo ruta de datos y control. Analiza un diagrama de control de interrupciones para comentar cómo se usan las interrupciones para implementar control de E/S y transferencias de datos.
4. Unidad IV (semanas 13–16): Arquitecturas Heterogéneas; Arquitecturas de Procesador Seguras. Capacidades: Analiza un diagrama de sistema con arquitecturas paralelas alternativas, por ejemplo, SIMD y MIMD, e identifica las diferencias clave. Discute cómo determinarías cuándo usar un acelerador específico de dominio en lugar de una CPU de propósito general.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Arquitectura de Computadores. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [7] [84] [159] [202] [216]

10.17ID101 Inglés I

Ubicación: term III · Estudios Generales · obligatorio · práctica. Créditos: 2 (0 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: none. Eje integrador: Internacionalización.

Sumilla. Inglés I es una asignatura del área de Estudios Generales, de naturaleza práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para adquirir estructuras gramaticales básicas del inglés aplicadas a contextos de computación e ingeniería e identificar y utilizar vocabulario técnico relacionado con hardware, software y conceptos científicos. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo) y CE4 (comunicación). Comprende: I) Bienvenido a la Computación, Partes y Sistemas; II) Cómo Funciona, Lo que Hacen los Ingenieros; III) Dentro de una Computadora, ¿Pueden Pensar las Computadoras?; IV) Historia de la Computación, Mis Metas Profesionales en Computación. Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CE4 Comunicación (sabe cómo); CE3 Trabajo individual y en equipo (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Bienvenido a la Computación; Partes y Sistemas. Capacidad: Se presenta y describe los componentes de un sistema de cómputo en inglés con estructuras básicas.
2. Unidad II (semanas 5–8): Cómo Funciona; Lo que Hacen los Ingenieros. Capacidad: Describe procesos y rutinas profesionales en presente simple, de forma oral y escrita.
3. Unidad III (semanas 9–12): Dentro de una Computadora; ¿Pueden Pensar las Computadoras?. Capacidad: Describe la arquitectura de un computador y sus capacidades con vocabulario técnico.
4. Unidad IV (semanas 13–16): Historia de la Computación; Mis Metas Profesionales en Computación. Capacidad: Narra hitos de la historia de la computación y expone sus metas profesionales en inglés.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Inglés I. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [199]

10.18MA101 Álgebra Lineal

Ubicación: term III · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: EG105 Álgebra y Geometría Analítica. Eje integrador: Formación Integral.

Sumilla. Álgebra Lineal es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar transformaciones lineales para modelar y resolver problemas de cambio de base y composición de aplicaciones, resolver sistemas de ecuaciones lineales mediante eliminación gaussiana o Gauss-Jordan, determinando el rango y la consistencia del sistema y determinar el núcleo, la imagen y la representación matricial de una aplicación lineal, verificando el teorema de rango-nulidad. Contribuye al perfil de egreso mediante la competencia CT1 (conocimientos de computación). Comprende: I) Matrices y Sistemas de Ecuaciones Lineales; II) Matrices y Sistemas de Ecuaciones Lineales: determinantes; III) Espacios Vectoriales y Transformaciones Lineales; IV) Valores Propios, Producto Interno y Formas Cuadráticas. Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT1 Conocimientos de computación (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Matrices y Sistemas de Ecuaciones Lineales. Capacidades: Resuelve sistemas de ecuaciones lineales mediante eliminación gaussiana o Gauss-Jordan, determinando el rango y la consistencia del sistema. Identifica tipos de matrices y realiza operaciones básicas de álgebra matricial, incluyendo el cálculo de la inversa de una matriz.
2. Unidad II (semanas 5–8): Matrices y Sistemas de Ecuaciones Lineales: determinantes. Capacidad: Aplica la regla de Cramer y las descomposiciones LU, QR y SVD para resolver sistemas lineales y factorizar matrices.
3. Unidad III (semanas 9–12): Espacios Vectoriales y Transformaciones Lineales. Capacidades: Aplica transformaciones lineales para modelar y resolver problemas de cambio de base y composición de aplicaciones. Determina el núcleo, la imagen y la representación matricial de una aplicación lineal, verificando el teorema de rango-nulidad.
4. Unidad IV (semanas 13–16): Valores Propios, Producto Interno y Formas Cuadráticas. Capacidades: Aplica los métodos de mínimos cuadrados y la clasificación de formas cuadráticas mediante valores propios para resolver problemas de aproximación y optimización. Calcula la diagonalización de matrices mediante el teorema espectral y aplica el proceso de Gram-Schmidt para obtener bases ortogonales.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Álgebra Lineal. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [121] [209]

10.19MA102 Estadística y Probabilidades

Ubicación: term III · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: EG104 Cálculo I. Eje integrador: Formación Integral.

Sumilla. Estadística y Probabilidades es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar distribuciones de probabilidad y métodos de inferencia estadística para analizar datos y cuantificar la incertidumbre, evaluar la eficiencia de un estimador usando la cota inferior de Cramér-Rao y construir sigma-álgebras apropiadas para espacios medibles que surgen en problemas estadísticos. Contribuye al perfil de egreso mediante las competencias CT1 (conocimientos de computación) y CT4 (indagación). Comprende: I) Resúmenes Numéricos: Posición, Dispersión y Forma, Espacios Muestrales y Eventos, Axiomas y…; II) Probabilidad Condicional e Independencia, Variables Aleatorias Discretas y Distribuciones…; III) Distribuciones Conjuntas, Marginales y Condicionales, Teoremas Límite: LGN y TCL, Estimación…; IV) Fundamentos de las Pruebas de Hipótesis, Inferencia Bayesiana, Regresión Lineal Simple. Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT1 Conocimientos de computación (sabe cómo); CT4 Indagación (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Resúmenes Numéricos: Posición, Dispersión y Forma; Espacios Muestrales y Eventos; Axiomas y Propiedades de la Probabilidad. Capacidades: Construye sigma-álgebras apropiadas para espacios medibles que surgen en problemas estadísticos. Compara estadísticas de resumen clásicas y robustas y justifica la elección para un conjunto de datos dado.
2. Unidad II (semanas 5–8): Probabilidad Condicional e Independencia; Variables Aleatorias Discretas y Distribuciones; Variables Aleatorias Continuas y Distribuciones. Capacidades: Analiza si los eventos son independientes o condicionalmente independientes en un modelo de probabilidad dado. Selecciona una distribución discreta apropiada para modelar un fenómeno aleatorio dado y justificar la elección.
3. Unidad III (semanas 9–12): Distribuciones Conjuntas, Marginales y Condicionales; Teoremas Límite: LGN y TCL; Estimación Puntual y otros temas. Capacidades: Evalúa la eficiencia de un estimador usando la cota inferior de Cramér-Rao. Aplica el método delta para derivar distribuciones asintóticas de estimadores no lineales.
4. Unidad IV (semanas 13–16): Fundamentos de las Pruebas de Hipótesis; Inferencia Bayesiana; Regresión Lineal Simple. Capacidades: Aplica factores de Bayes para comparar modelos estadísticos e interpretar la evidencia. Deriva la prueba más poderosa para una hipótesis simple usando el lema de Neyman-Pearson.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Estadística y Probabilidades. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [56] [179]

10.20CS210 Algoritmos y Estructuras de Datos

Ubicación: term IV · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 5 (3 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS113 Programación II. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Algoritmos y Estructuras de Datos es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para implementar estructuras de datos genéricas usando plantillas y rasgos, aplicar plantillas variádicas para operaciones genéricas en contenedores y analizar la complejidad algorítmica de todas las estructuras implementadas. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Fundamentos avanzados para estructuras de datos, Estructuras de Datos Fundamentales; II) Estructuras de Datos Fundamentales: árboles, Árboles balanceados y multicamino; III) Estructuras de Datos Fundamentales: árboles, Estructuras de Datos Fundamentales: tablas/mapas…; IV) Estructuras de datos concurrentes, Estructuras especializadas y aplicaciones. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (sabe cómo); CT3 Diseño y desarrollo de soluciones (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos avanzados para estructuras de datos; Estructuras de Datos Fundamentales. Capacidades: Aplica diseño basado en políticas para crear estructuras de datos configurables. Diseña rasgos de tipos para personalizar el comportamiento de estructuras de datos.
2. Unidad II (semanas 5–8): Estructuras de Datos Fundamentales: árboles; Árboles balanceados y multicamino. Capacidades: Evalúa compensaciones entre diferentes estructuras de árbol balanceado. Analiza complejidades de operaciones de árbol para diferentes estrategias de balanceo.
3. Unidad III (semanas 9–12): Estructuras de Datos Fundamentales: árboles; Estructuras de Datos Fundamentales: tablas/mapas hash. Capacidades: Evalúa rendimiento de diferentes esquemas de hashing. Analiza complejidad de operaciones de montículo para diferentes tipos de montículo.
4. Unidad IV (semanas 13–16): Estructuras de datos concurrentes; Estructuras especializadas y aplicaciones. Capacidades: Evalúa compensaciones espacio-tiempo en estructuras de datos probabilísticas. Aplica estructuras especializadas para resolver problemas específicos de dominio.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Algoritmos y Estructuras de Datos. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [46] [90] [112] [152] [186] [210] [235] [244]

10.21CS211 Teoría de la Computación

Ubicación: term IV · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS1D1 Matemática Discreta. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Teoría de la Computación es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para analizar gramáticas libres de contexto y autómatas de pila, construir GLCs para descripciones de lenguajes formales y evaluar informalmente la clase de complejidad fundamental de algoritmos simples. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Autómatas Finitos y Lenguajes Regulares; II) Lenguajes Libres de Contexto y PDA; III) Máquinas de Turing y Computabilidad, Jerarquía de Chomsky y Modelos Equivalentes; IV) Marco de Análisis de Complejidad, Notación Asintótica y Clases de Complejidad, Análisis de…. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (sabe cómo); CT6 Teoría de la computación y desarrollo de software (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Autómatas Finitos y Lenguajes Regulares. Capacidades: Desarrolla una expresión regular para un lenguaje regular dado expresado en lenguaje natural. Aplica lemas de bombeo, o medios alternativos, para demostrar las limitaciones de los autómatas de Estado Finito y Pila.
2. Unidad II (semanas 5–8): Lenguajes Libres de Contexto y PDA. Capacidades: Construye GLCs para descripciones de lenguajes formales. Aplica lemas de bombeo, o medios alternativos, para demostrar las limitaciones de los autómatas de Estado Finito y Pila.
3. Unidad III (semanas 9–12): Máquinas de Turing y Computabilidad; Jerarquía de Chomsky y Modelos Equivalentes. Capacidades: Aplica aritmetización y diagonalización para demostrar que el Problema de la Parada para Máquinas de Turing es Indecidible. Explica la Tesis de Church-Turing y su importancia para la computación algorítmica.
4. Unidad IV (semanas 13–16): Marco de Análisis de Complejidad; Notación Asintótica y Clases de Complejidad; Análisis de Complejidad: Recursión, Amortización y Cotas Ajustadas y otros temas. Capacidades: Evalúa informalmente la clase de complejidad fundamental de algoritmos simples. Demuestra que un problema es NP-Completo reduciendo un problema NP-C clásico conocido a él (por ejemplo, 3SAT y Clique).

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Teoría de la Computación. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [47] [93] [113] [195]

10.22CS271 Bases de Datos I

Ubicación: term IV · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS112 Programación I; CS1D1 Matemática Discreta. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Bases de Datos I es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para diseñar e implementar bases de datos relacionales normalizadas, formular consultas complejas usando SQL para recuperación y manipulación de datos y aplicar técnicas de modelado de datos usando diagramas entidad-relación. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Conceptos Fundamentales de Sistemas de Bases de Datos, Modelado de Datos; II) Bases de Datos Relacionales, Construcción de Consultas; III) Construcción de Consultas: consultas SQL complejas, Bases de Datos Relacionales: introducción…; IV) Internos de DBMS, Seguridad y Privacidad de Datos. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (sabe cómo); CT6 Teoría de la computación y desarrollo de software (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Conceptos Fundamentales de Sistemas de Bases de Datos; Modelado de Datos. Capacidades: Aplica características E-R extendidas para modelado complejo. Diseña diagramas E-R para escenarios del mundo real.
2. Unidad II (semanas 5–8): Bases de Datos Relacionales; Construcción de Consultas. Capacidades: Diseña y crea índices apropiados para rendimiento. Implementa restricciones de integridad a nivel de esquema.
3. Unidad III (semanas 9–12): Construcción de Consultas: consultas SQL complejas; Bases de Datos Relacionales: introducción a la teoría de dependencias funcionales. Capacidades: Evalúa descomposiciones para sin pérdida de join y preservación de dependencias. Implementa operaciones de modificación de datos con control de transacciones.
4. Unidad IV (semanas 13–16): Internos de DBMS; Seguridad y Privacidad de Datos. Capacidades: Analiza programaciones de transacciones para serializabilidad. Implementa medidas básicas de seguridad de bases de datos.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Bases de Datos I. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [17] [20] [61] [171] [194]

10.23CS2B1 Desarrollo Basado en Plataformas

Ubicación: term IV · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS113 Programación II. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Desarrollo Basado en Plataformas es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para desarrollar aplicaciones profesionales para entornos Web y Móviles, aplicar principios de computación interactiva para mejorar la experiencia del usuario y diseñar arquitecturas de software que aprovechen los servicios específicos de la plataforma. Contribuye al perfil de egreso mediante las competencias CE4 (comunicación), CG5 (manejo de TIC) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Aspectos Comunes: Plataformas, APIs y Restricciones, Aspectos Comunes: Lenguajes de Plataforma…; II) Plataformas Móviles: Fundamentos del Desarrollo, Plataformas Móviles: Arquitectura y…; III) Plataformas Móviles: Capacidades y Computación Asíncrona, SPD-SEP/Interactiva; IV) Plataformas Interactivas de Datos y Análisis. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (sabe cómo); CE4 Comunicación (sabe cómo); CG5 Manejo de TIC (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Aspectos Comunes: Plataformas, APIs y Restricciones; Aspectos Comunes: Lenguajes de Plataforma y Patrones Web; Frontend, Frameworks y Estándares Web. Capacidades: Evalúa una aplicación web existente contra los estándares web actuales. Compara y contrasta la programación web con la programación de propósito general.
2. Unidad II (semanas 5–8): Plataformas Móviles: Fundamentos del Desarrollo; Plataformas Móviles: Arquitectura y Restricciones. Capacidades: Evalúa los pros y los contras del desarrollo de aplicaciones móviles nativas y multiplataforma. Construye una aplicación móvil impulsada por sensores capaz de registrar datos en un servidor remoto.
3. Unidad III (semanas 9–12): Plataformas Móviles: Capacidades y Computación Asíncrona; SPD-SEP/Interactiva. Capacidades: Construye una aplicación móvil impulsada por sensores capaz de registrar datos en un servidor remoto. Desarrolla una aplicación móvil consciente de la ubicación con integración de API de datos.
4. Unidad IV (semanas 13–16): Plataformas Interactivas de Datos y Análisis. Capacidades: Crea una pista de acompañamiento para una interpretación musical, como la codificación en vivo (live coding). Analiza grandes conjuntos de datos de forma interactiva.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Desarrollo Basado en Plataformas. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [55] [57] [64] [65] [130] [89]

10.24ID102 Inglés II

Ubicación: term IV · Estudios Generales · obligatorio · práctica. Créditos: 2 (0 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: ID101 Inglés I. Eje integrador: Internacionalización.

Sumilla. Inglés II es una asignatura del área de Estudios Generales, de naturaleza práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para desarrollar fluidez en inglés aplicado a la comunicación técnica y científica. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo) y CE4 (comunicación). Comprende: I) Avances y Descubrimientos, Datos y Variables; II) El Futuro de la Tecnología, Comparando Tecnologías; III) Procesos en Ejecución, Hitos del Software; IV) Desafíos Técnicos, Inglés para Tecnología II. Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CE4 Comunicación (sabe cómo); CE3 Trabajo individual y en equipo (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Avances y Descubrimientos; Datos y Variables. Capacidad: Narra avances científicos y explica relaciones entre datos y variables con conectores.
2. Unidad II (semanas 5–8): El Futuro de la Tecnología; Comparando Tecnologías. Capacidad: Compara tecnologías y formula predicciones sobre su evolución, de forma oral y escrita.
3. Unidad III (semanas 9–12): Procesos en Ejecución; Hitos del Software. Capacidad: Redacta informes breves de avance de un proyecto técnico en inglés.
4. Unidad IV (semanas 13–16): Desafíos Técnicos; Inglés para Tecnología II. Capacidad: Plantea por escrito un problema técnico, sus requisitos y restricciones en inglés.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Inglés II. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [198]

10.25MA202 Métodos Numéricos

Ubicación: term IV · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: MA101 Álgebra Lineal; EG203 Cálculo II. Eje integrador: Formación Integral.

Sumilla. Métodos Numéricos es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar diferentes métodos numéricos para aproximar soluciones a problemas matemáticos y analizar la precisión y eficiencia de los métodos numéricos utilizados. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas), CT3 (diseño y desarrollo de soluciones) y CT5 (uso de herramientas modernas). Comprende: I) Análisis de Errores y Aritmética de Punto Flotante, Búsqueda de Raíces de Ecuaciones No…; II) Integración Numérica y Cuadratura, Métodos Numéricos para Ecuaciones Diferenciales; III) Álgebra Lineal Numérica, Método de Elementos Finitos; IV) Algoritmos de Optimización, Computación Paralela y de Alto Rendimiento, Teoría de Grafos y…. Integra el eje transversal de formación integral mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (sabe cómo); CT5 Uso de herramientas modernas (sabe cómo); CT3 Diseño y desarrollo de soluciones (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Análisis de Errores y Aritmética de Punto Flotante; Búsqueda de Raíces de Ecuaciones No Lineales; Teoría de Aproximación e Interpolación. Capacidades: Aplica la FFT para calcular eficientemente aproximaciones trigonométricas de una función muestreada. Analiza un algoritmo para determinar su estabilidad numérica usando cotas de error directo e inverso.
2. Unidad II (semanas 5–8): Integración Numérica y Cuadratura; Métodos Numéricos para Ecuaciones Diferenciales. Capacidades: Analiza la estabilidad y convergencia de un esquema de diferencias finitas para una EDP parabólica. Aplica integración de Monte Carlo para estimar integrales de alta dimensión y cuantificar el error estadístico.
3. Unidad III (semanas 9–12): Álgebra Lineal Numérica; Método de Elementos Finitos. Capacidades: Analiza la estabilidad numérica y el costo computacional de los algoritmos de valores propios. Estima el error en H 1 de una solución por elementos finitos usando el lema de Céa y la teoría de interpolación.
4. Unidad IV (semanas 13–16): Algoritmos de Optimización; Computación Paralela y de Alto Rendimiento; Teoría de Grafos y otros temas. Capacidades: Analiza el espectro de un grafo para acotar su número cromático y sus propiedades de conectividad. Aplica el filtro de Kalman para estimar estados ocultos en un modelo lineal gaussiano de espacio de estados.

Eje transversal en la asignatura. Actividad: Actividad de reflexión, decisión ética y trabajo colaborativo sobre los temas de Métodos Numéricos. Evidencia: Autoevaluación, coevaluación o bitácora de aprendizaje. Criterio: Profundidad de la reflexión, respeto de la integridad académica y participación.

Referencias: [28] [37] [147] [157] [173] [190] [225] [239]

10.26CS212 Análisis y Diseño de Algoritmos

Ubicación: term V · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 5 (3 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS210 Algoritmos y Estructuras de Datos; CS211 Teoría de la Computación. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Análisis y Diseño de Algoritmos es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar estructuras de datos fundamentales para resolver problemas computacionales, usar estrategias algorítmicas como Voraz, Divide y Vencerás y Programación Dinámica y analizar la complejidad de algoritmos en el mejor, promedio y peor de los casos. Contribuye al perfil de egreso mediante las competencias CT1 (conocimientos de computación), CT2 (análisis de problemas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Estructuras de Datos Fundamentales, Algoritmos Fundamentales, Algoritmos Avanzados; II) Estrategias Algorítmicas; III) Marco de Análisis de Complejidad, Notación Asintótica y Clases de Complejidad; IV) Análisis de Complejidad: Recursión, Amortización y Cotas Ajustadas, Teoría de la Complejidad…. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (sabe cómo); CT6 Teoría de la computación y desarrollo de software (sabe cómo); CT1 Conocimientos de computación (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Estructuras de Datos Fundamentales; Algoritmos Fundamentales; Algoritmos Avanzados. Capacidad: Explica cómo se maneja la evitación de colisiones y la resolución de colisiones en tablas hash.
2. Unidad II (semanas 5–8): Estrategias Algorítmicas. Capacidades: Evalúa si un enfoque voraz conduce a una solución óptima. Explica varios enfoques para abordar problemas computacionales cuyas soluciones algorítmicas son exponenciales.
3. Unidad III (semanas 9–12): Marco de Análisis de Complejidad; Notación Asintótica y Clases de Complejidad. Capacidades: Aplica la notación Big-O para dar cotas superiores en la complejidad tiempo/espacio de algoritmos. Explica cómo el balance del árbol afecta la eficiencia de las operaciones de árbol de búsqueda binaria.
4. Unidad IV (semanas 13–16): Análisis de Complejidad: Recursión, Amortización y Cotas Ajustadas; Teoría de la Complejidad Computacional. Capacidades: Aplica relaciones de recurrencia elementales usando una forma del Teorema Maestro. Usa relaciones de recurrencia para evaluar la complejidad de tiempo de algoritmos definidos recursivamente.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Análisis y Diseño de Algoritmos. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [47] [53] [109] [195]

10.27CS261 Inteligencia Artificial

Ubicación: term V · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: MA102 Estadística y Probabilidades. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Inteligencia Artificial es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para implementar y evaluar algoritmos de búsqueda para la resolución de problemas, aplicar razonamiento probabilístico para manejar la incertidumbre en sistemas inteligentes y analizar los desafíos éticos y el impacto social de la IA. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Introducción a la IA: Conceptos y Comportamiento Inteligente, Características del Problema y…; II) Búsqueda Adversarial y Optimización Estocástica, Fundamentos de Aprendizaje Automático…; III) Redes Neuronales y Ética, Formulación del Aprendizaje Automático y Evaluación, Aprendizaje…; IV) Independencia, Modelos de Markov y Toma de Decisiones, Aplicaciones e Impacto Social de la IA…. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (sabe cómo); CT3 Diseño y desarrollo de soluciones (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Introducción a la IA: Conceptos y Comportamiento Inteligente; Características del Problema y Naturaleza de los Agentes; Estado y Búsqueda No Informada y otros temas. Capacidades: Evalúa si una heurística para un problema dado es admisible/puede garantizar una solución óptima. Compara y contrasta varias búsquedas heurísticas con respecto a la aplicabilidad a un problema dado.
2. Unidad II (semanas 5–8): Búsqueda Adversarial y Optimización Estocástica; Fundamentos de Aprendizaje Automático; Aprendizaje Automático: Datos, Representaciones y Evaluación. Capacidades: Diseña e implementa un programa de recocido simulado para evitar mínimos locales en un problema. Implementa un algoritmo de aprendizaje estadístico y el proceso de optimización correspondiente para entrenar el clasificador y obtener una predicción en nuevos datos.
3. Unidad III (semanas 9–12): Redes Neuronales y Ética; Formulación del Aprendizaje Automático y Evaluación; Aprendizaje Profundo, RL y Ética y otros temas. Capacidades: Evalúa el rendimiento de un sistema de aprendizaje simple en un conjunto de datos del mundo real. Aplica la regla de Bayes para determinar la probabilidad de una hipótesis dada la evidencia.
4. Unidad IV (semanas 13–16): Independencia, Modelos de Markov y Toma de Decisiones; Aplicaciones e Impacto Social de la IA; Aplicaciones Adicionales e Impacto Social de la IA. Capacidades: Analiza el impacto social de una o más aplicaciones específicas de IA del mundo real, identificando problemas respecto a ética, equidad, sesgo, confianza y explicabilidad. Describe algunos de los modos de falla de los modelos generativos profundos actuales para lenguaje o imágenes, y cómo esto podría afectar su uso en una aplicación.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Inteligencia Artificial. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [4] [77] [125] [180]

10.28CS291 Ingeniería de Software I

Ubicación: term V · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS113 Programación II; CS271 Bases de Datos I. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Ingeniería de Software I es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para diseñar interfaces de usuario intuitivas basadas en principios de evaluación y diseño de HCI e implementar estrategias sistemáticas de prueba y comprender la calidad del software. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo), CE5 (gestión de proyectos), CG2 (liderazgo) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Control de Versiones y CI/CD, Ingeniería de Requisitos; II) Colaboración y Dinámica de Equipo; III) Principios y Arquitectura de Software, Conceptos de verificación y validación; IV) Herramientas y Análisis de Pruebas, Pruebas de Rendimiento y Evaluación Comparativa. Integra el eje transversal de liderazgo mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (sabe cómo); CE3 Trabajo individual y en equipo (sabe cómo); CG2 Liderazgo (sabe cómo); CE5 Gestión de proyectos (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Control de Versiones y CI/CD; Ingeniería de Requisitos. Capacidades: Identifica los requisitos funcionales y no funcionales en un conjunto de requisitos. Recopila un conjunto de requisitos para un sistema de software simple.
2. Unidad II (semanas 5–8): Colaboración y Dinámica de Equipo. Capacidades: Propone y delega los roles y responsabilidades necesarios en un equipo de desarrollo de software. Facilita una estrategia de resolución de conflictos y resolución de problemas en un entorno de equipo.
3. Unidad III (semanas 9–12): Principios y Arquitectura de Software; Conceptos de verificación y validación. Capacidades: Selecciona y usa un paradigma de diseño apropiado para diseñar un sistema de software simple y explicar cómo se han aplicado los principios de diseño de sistemas en este diseño. Identifica las dependencias entre un conjunto de componentes de software en un diseño arquitectónico.
4. Unidad IV (semanas 13–16): Herramientas y Análisis de Pruebas; Pruebas de Rendimiento y Evaluación Comparativa. Capacidades: Analiza el puntaje de mutación de una suite de pruebas y refactoriza las pruebas para eliminar los mutantes sobrevivientes. Crea un plan de pruebas para un segmento de código de tamaño mediano que contenga código asíncrono, concurrente y/o paralelo, incluyendo una matriz de pruebas y generación de datos y entradas de prueba.

Eje transversal en la asignatura. Actividad: Trabajo en equipo con roles rotativos y coordinación de un entregable de Ingeniería de Software I. Evidencia: Plan de trabajo con resultados medibles y coevaluación del equipo. Criterio: Cumplimiento de compromisos, coordinación efectiva y valoración de los pares.

Referencias: [23] [70] [79] [101] [167] [200] [242] [243]

10.29CS2S1 Sistemas Operativos

Ubicación: term V · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS221 Arquitectura de Computadores. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Sistemas Operativos es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para analizar la gestión de memoria, incluyendo la virtualización de memoria física y virtual y evaluar sistemas de almacenamiento y técnicas de gestión de archivos. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Rol y Propósito de los Sistemas Operativos, Scripting de Shell; II) Planificación; III) Gestión de Memoria, API de Sistemas de Archivos e Implementación; IV) Protección y Seguridad. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (sabe cómo); CE3 Trabajo individual y en equipo (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Rol y Propósito de los Sistemas Operativos; Scripting de Shell. Capacidades: Evalúa los problemas de diseño en diferentes escenarios de uso (por ejemplo, sistema operativo en tiempo real, móvil, servidor). Crea y ejecuta scripts automatizados para gestionar varias tareas del sistema.
2. Unidad II (semanas 5–8): Planificación. Capacidades: Evalúa un problema o solución para determinar la idoneidad para multiprocesamiento asimétrico y/o simétrico. Compara y contrasta los algoritmos comunes utilizados para planificación con y sin expropiación de tareas en sistemas operativos, como prioridad, comparación de rendimiento y esquemas de participación justa.
3. Unidad III (semanas 9–12): Gestión de Memoria; API de Sistemas de Archivos e Implementación. Capacidades: Evalúa diferentes enfoques para organización de archivos, reconociendo las fortalezas y debilidades de cada uno. Aplica constructores de software apropiadamente dado el conocimiento de la implementación del sistema de archivos.
4. Unidad IV (semanas 13–16): Protección y Seguridad. Capacidades: Resume las características y limitaciones de un sistema operativo que impactan la protección y seguridad. Lista y describe los vectores de ataque que aprovechan vulnerabilidades del SO.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Sistemas Operativos. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [10] [176] [193] [203] [217]

10.30CS311 Programación Competitiva

Ubicación: term V · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS210 Algoritmos y Estructuras de Datos. Eje integrador: Innovación y Emprendimiento.

Sumilla. Programación Competitiva es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para implementar estructuras de datos eficientes para consultas de rango y actualizaciones dinámicas, aplicar algoritmos matemáticos y geométricos especializados para resolver problemas de concursos y optimizar código para velocidad de ejecución y uso de memoria en un entorno competitivo. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Paradigmas de resolución de problemas; II) Búsquedas por rango avanzadas; III) Algoritmos avanzados de grafos; IV) Matemática y Geometría. Integra el eje transversal de innovación mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (sabe cómo); CT6 Teoría de la computación y desarrollo de software (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Paradigmas de resolución de problemas. Capacidades: Aplica técnicas de poda de búsqueda para resolver problemas NP-difíciles con restricciones pequeñas. Identifica el paradigma más eficiente para un enunciado de problema dado.
2. Unidad II (semanas 5–8): Búsquedas por rango avanzadas. Capacidades: Implementa estructuras de consulta de rango para actualizaciones de datos en tiempo real. Analiza las compensaciones entre diferentes estructuras de datos de consulta de rango.
3. Unidad III (semanas 9–12): Algoritmos avanzados de grafos. Capacidad: Explica factores más allá de la eficiencia computacional que influyen en la elección de algoritmos, como el tiempo de programación, la mantenibilidad y el uso de patrones específicos de la aplicación en los datos de entrada.
4. Unidad IV (semanas 13–16): Matemática y Geometría. Capacidades: Implementa primitivas geométricas para análisis de relaciones espaciales. Resuelve problemas combinatorios usando aritmética modular.

Eje transversal en la asignatura. Actividad: Participación en concursos de programación internos o externos (ICPC) con análisis posterior de las soluciones. Evidencia: Registro de envíos aceptados y análisis de soluciones. Criterio: Corrección y eficiencia de las soluciones; trabajo coordinado del equipo.

Referencias: [82] [117] [197]

10.31FI201 Física Computacional

Ubicación: term V · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: EG204 Física. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Física Computacional es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para aplicar estos principios para resolver problemas computacionales específicos e implementar algoritmos basados en la física para simulaciones y gráficos por computadora. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas) y CT5 (uso de herramientas modernas). Comprende: I) Óptica y Propagación de la Luz, Colisiones y Transferencia de Energía; II) Mecánica de Sólidos Rígidos; III) Dinámica de Fluidos, Termodinámica; IV) Simulación Física. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (sabe cómo); CT5 Uso de herramientas modernas (sabe cómo).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Óptica y Propagación de la Luz; Colisiones y Transferencia de Energía. Capacidades: Implementa simulaciones de colisiones en un entorno computacional. Modela la deformación de mallas elásticas producto de un impacto.
2. Unidad II (semanas 5–8): Mecánica de Sólidos Rígidos. Capacidades: Aplica las ecuaciones de la dinámica rotacional. Calcula el momento de inercia.
3. Unidad III (semanas 9–12): Dinámica de Fluidos; Termodinámica. Capacidades: Resuelve problemas sencillos de dinámica de fluidos. Explica los conceptos de viscosidad y flujo laminar/turbulento.
4. Unidad IV (semanas 13–16): Simulación Física. Capacidades: Implementa algoritmos de detección de colisiones. Utiliza la integración de Verlet para simular el movimiento.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Física Computacional. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [88] [220] [248]

10.32AI263 Aprendizaje de Máquina

Ubicación: term VI · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS261 Inteligencia Artificial. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Aprendizaje de Máquina es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para implementar pipelines completos de ML con Python y evaluar y optimizar modelos usando métricas estándar. Contribuye al perfil de egreso mediante las competencias CT1 (conocimientos de computación), CT2 (análisis de problemas), CT3 (diseño y desarrollo de soluciones) y CT4 (indagación). Comprende: I) Fundamentos de ML; II) Modelos Lineales; III) Ensambles y Árboles; IV) Redes Neuronales Básicas. Integra el eje transversal de innovación mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (demuestra); CT3 Diseño y desarrollo de soluciones (demuestra); CT1 Conocimientos de computación (demuestra); CT4 Indagación (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos de ML. Capacidades: Implementa k-fold cross-validation. Explica el bias-variance tradeoff.
2. Unidad II (semanas 5–8): Modelos Lineales. Capacidades: Interpreta coeficientes de regresión. Programa modelos lineales con scikit-learn.
3. Unidad III (semanas 9–12): Ensambles y Árboles. Capacidades: Optimiza hiperparámetros con GridSearch. Visualiza árboles de decisión.
4. Unidad IV (semanas 13–16): Redes Neuronales Básicas. Capacidades: Construye redes neuronales simples. Monitoriza entrenamiento con TensorBoard.

Eje transversal en la asignatura. Actividad: Reto de innovación: diseño y prototipado de una solución original con las técnicas de Aprendizaje de Máquina. Evidencia: Prototipo funcional con informe de validación. Criterio: Originalidad, factibilidad técnica y validación con usuarios o datos.

Referencias: [21] [38] [77] [73] [85] [141]

10.33CS231 Redes y Comunicación

Ubicación: term VI · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS2S1 Sistemas Operativos. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Redes y Comunicación es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para analizar paradigmas de enrutamiento, mecanismos de reenvío y escalabilidad de IP en redes locales y de área extensa, diseñar e implementar un protocolo fiable simple e implementar una aplicación simple cliente-servidor basada en sockets. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Fundamentos de Redes y Comunicaciones, Comunicación de un solo salto; II) Aplicaciones en Red, Soporte de Fiabilidad; III) Enrutamiento y Reenvío, Seguridad de Red; IV) Soporte de Movilidad, Temas Emergentes. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (demuestra); CE3 Trabajo individual y en equipo (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos de Redes y Comunicaciones; Comunicación de un solo salto. Capacidades: Demuestra comprensión de las compensaciones (trade-offs) de soluciones de codificación y entramado. Identifica los diferentes tipos de complejidad en una red (bordes, núcleo, etc.).
2. Unidad II (semanas 5–8): Aplicaciones en Red; Soporte de Fiabilidad. Capacidades: Diseña e implementa un protocolo fiable simple. Analiza las necesidades de demandas específicas de aplicaciones en red.
3. Unidad III (semanas 9–12): Enrutamiento y Reenvío; Seguridad de Red. Capacidades: Analiza varios aspectos de seguridad de red a partir de un estudio de caso. Describe algunos de los modelos de amenaza de seguridad de red.
4. Unidad IV (semanas 13–16): Soporte de Movilidad; Temas Emergentes. Capacidad: Describe usos prácticos de comunicación dispositivo a dispositivo, así como multiescalón.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Redes y Comunicación. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [116] [160] [204] [218]

10.34CS272 Bases de Datos II

Ubicación: term VI · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS271 Bases de Datos I. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Bases de Datos II es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para analizar y optimizar planes de ejecución de consultas y evaluar e implementar soluciones usando modelos de bases de datos NoSQL. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Procesamiento de Consultas; II) Internos de DBMS; III) Bases de Datos Distribuidas/Computación en la Nube, Sistemas NoSQL; IV) Bases de Datos Semiestructuradas y No Estructuradas. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (demuestra); CT6 Teoría de la computación y desarrollo de software (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Procesamiento de Consultas. Capacidades: Deriva el tiempo de ejecución (en solicitudes de E/S) para cada uno de los algoritmos anteriores. Especifica los pasos para los diversos algoritmos de operadores de consulta: ordenamiento externo, proyección con eliminación de duplicados, unión por mezclaordenada, unión hash, unión por bucle anidado por bloques.
2. Unidad II (semanas 5–8): Internos de DBMS. Capacidades: Esboza el principio de serializabilidad. Describe las cuatro propiedades para un gestor de transacciones correcto.
3. Unidad III (semanas 9–12): Bases de Datos Distribuidas/Computación en la Nube; Sistemas NoSQL. Capacidades: Analiza las ventajas y desventajas entre arquitecturas de DBMS paralelo: memoria compartida, disco compartido y nada compartido. Desarrolla un caso de uso para el uso de NoSQL sobre RDBMS.
4. Unidad IV (semanas 13–16): Bases de Datos Semiestructuradas y No Estructuradas. Capacidades: Analiza las ventajas y desventajas del procesamiento de consultas en bases de datos semiestructuradas para casos de uso OLTP y OLAP. Aplica técnicas de indexación (por ejemplo, árbol B, índice invertido, filtro Bloom) a datos semiestructurados almacenados en formato JSON.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Bases de Datos II. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [71] [110] [126] [134] [138] [155] [171] [182] [194]

10.35CS312 Estructuras de Datos Avanzadas

Ubicación: term VI · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS212 Análisis y Diseño de Algoritmos. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Estructuras de Datos Avanzadas es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar técnicas de búsqueda por similitud e indexación métrica a tipos de datos complejos y analizar la ”Maldición de la Dimensionalidad su impacto en la eficiencia de búsqueda. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Técnicas de implementacion avanzadas, Métodos de acceso multidimensional (Parte I); II) Métodos de acceso multidimensional (Parte II); III) Métodos de acceso métrico; IV) Seminarios de investigación. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (demuestra); CT6 Teoría de la computación y desarrollo de software (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Técnicas de implementacion avanzadas; Métodos de acceso multidimensional (Parte I). Capacidades: Evalúa el impacto de las técnicas estáticas y dinámicas en el diseño de estructuras de datos. Analiza las compensaciones de rendimiento entre diferentes estrategias de implementación.
2. Unidad II (semanas 5–8): Métodos de acceso multidimensional (Parte II). Capacidades: Evalúa las limitaciones de las estructuras espaciales basadas en árboles en dominios específicos. Implementa estructuras de datos espaciales para indexación de datos de alto volumen.
3. Unidad III (semanas 9–12): Métodos de acceso métrico. Capacidades: Compara métodos de acceso métrico contra métodos multidimensionales para datos no vectoriales. Modela problemas de búsqueda por similitud usando propiedades de espacios métricos.
4. Unidad IV (semanas 13–16): Seminarios de investigación. Capacidades: Presenta y dirige discusiones técnicas en inglés sobre métodos de vanguardia. Investiga nuevos métodos para indexar grandes volúmenes de datos complejos.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Estructuras de Datos Avanzadas. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [69] [70] [112] [142] [183] [224] [235] [251]

10.36CS342 Compiladores

Ubicación: term VI · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS211 Teoría de la Computación. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Compiladores es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para implementar analizadores léxicos y sintácticos basados en gramáticas, argumentar por qué un análisis es correcto (sound y terminante) y usar los resultados de un análisis de programa para optimización de programas y/o corrección parcial del programa. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Análisis de Programas y Analizadores; II) Traducción y Ejecución de Lenguajes; III) Comportamiento en Tiempo de Ejecución y Sistemas; IV) Comportamiento en Tiempo de Ejecución y Sistemas: enfoques y técnicas de gestión dinámica de…. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (demuestra); CT6 Teoría de la computación y desarrollo de software (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Análisis de Programas y Analizadores. Capacidades: Usa los resultados de un análisis de programa para optimización de programas y/o corrección parcial del programa. Argumenta por qué un análisis es correcto (sound y terminante).
2. Unidad II (semanas 5–8): Traducción y Ejecución de Lenguajes. Capacidades: Usa BNF y BNF extendida para especificar la sintaxis de construcciones simples como if-then-else, declaración de tipo y construcciones iterativas para lenguajes conocidos como C++ o Python. Discute los beneficios y limitaciones de la recolección de basura, incluyendo la noción de alcanzabilidad.
3. Unidad III (semanas 9–12): Comportamiento en Tiempo de Ejecución y Sistemas. Capacidades: Compara y contrasta asignación estática vs asignación basada en pila vs asignación basada en montón de elementos de datos. Discute beneficios y limitaciones de la gestión automática de memoria.
4. Unidad IV (semanas 13–16): Comportamiento en Tiempo de Ejecución y Sistemas: enfoques y técnicas de gestión dinámica de memoria. Capacidades: Identifica los servicios proporcionados por los sistemas en tiempo de ejecución de lenguajes modernos. Discute ventajas, desventajas y dificultades de la compilación justo a tiempo y la recompilación dinámica.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Compiladores. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [3] [9] [45]

10.37AI264 Aprendizaje Profundo

Ubicación: term VII · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: AI263 Aprendizaje de Máquina. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Aprendizaje Profundo es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para implementar redes DNN desde cero. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT5 (uso de herramientas modernas). Comprende: I) Fundamentos de DL; II) Fundamentos de DL: optimizadores avanzados; III) Arquitecturas Avanzadas; IV) Arquitecturas Avanzadas: modelos generativos. Integra el eje transversal de innovación mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (demuestra); CT5 Uso de herramientas modernas (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos de DL. Capacidad: Implementa redes DNN desde cero.
2. Unidad II (semanas 5–8): Fundamentos de DL: optimizadores avanzados. Capacidad: Diagnostica problemas de entrenamiento.
3. Unidad III (semanas 9–12): Arquitecturas Avanzadas. Capacidad: Adapta arquitecturas a dominios específicos.
4. Unidad IV (semanas 13–16): Arquitecturas Avanzadas: modelos generativos. Capacidad: Entrena transformers en datasets reales.

Eje transversal en la asignatura. Actividad: Reto de innovación: diseño y prototipado de una solución original con las técnicas de Aprendizaje Profundo. Evidencia: Prototipo funcional con informe de validación. Criterio: Originalidad, factibilidad técnica y validación con usuarios o datos.

Referencias: [77] [86] [236]

10.38CS292 Ingeniería de Software II

Ubicación: term VII · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS291 Ingeniería de Software I. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Ingeniería de Software II es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar patrones de diseño orientados a objetos avanzados para resolver problemas arquitectónicos complejos e implementar estrategias de prueba avanzadas y métricas de calidad. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo), CE5 (gestión de proyectos), CG2 (liderazgo), CG3 (responsabilidad social), entre otras. Comprende: I) Colaboración y Dinámica de Equipo; II) Principios y Arquitectura de Software; III) Prácticas de Codificación, Conceptos de verificación y validación; IV) Herramientas y Análisis de Pruebas, Pruebas de Rendimiento y Evaluación Comparativa, Conceptos…. Integra el eje transversal de responsabilidad social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (demuestra); CE3 Trabajo individual y en equipo (demuestra); CG2 Liderazgo (demuestra); CG3 Responsabilidad social (demuestra); CE5 Gestión de proyectos (demuestra).

Metodología principal: Aprendizaje basado en proyectos (ABPy); Talleres.

1. Unidad I (semanas 1–4): Colaboración y Dinámica de Equipo. Capacidades: Propone y delega los roles y responsabilidades necesarios en un equipo de desarrollo de software. Facilita una estrategia de resolución de conflictos y resolución de problemas en un entorno de equipo.
2. Unidad II (semanas 5–8): Principios y Arquitectura de Software. Capacidades: Selecciona y usa un paradigma de diseño apropiado para diseñar un sistema de software simple y explicar cómo se han aplicado los principios de diseño de sistemas en este diseño. Identifica las dependencias entre un conjunto de componentes de software en un diseño arquitectónico.
3. Unidad III (semanas 9–12): Prácticas de Codificación; Conceptos de verificación y validación. Capacidades: Selecciona y usa un estándar de codificación definido en un proyecto de software pequeño. Escribe pruebas unitarias apropiadas para un componente pequeño (varias funciones, un solo tipo, etc.).
4. Unidad IV (semanas 13–16): Herramientas y Análisis de Pruebas; Pruebas de Rendimiento y Evaluación Comparativa; Conceptos de Confiabilidad. Capacidades: Analiza el puntaje de mutación de una suite de pruebas y refactoriza las pruebas para eliminar los mutantes sobrevivientes. Crea un plan de pruebas para un segmento de código de tamaño mediano que contenga código asíncrono, concurrente y/o paralelo, incluyendo una matriz de pruebas y generación de datos y entradas de prueba.

Eje transversal en la asignatura. Actividad: Proyecto de software para una organización real (entidad pública, comunidad u organización sin fines de lucro), desarrollado en equipo con metodología ágil. Evidencia: Producto entregado, acta de conformidad de la organización e informe de impacto. Criterio: Pertinencia de la necesidad atendida, calidad del producto y valoración del beneficiario.

Referencias: [23] [70] [79] [167] [200]

10.39CS2E1 Ética Profesional

Ubicación: term VII · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (3 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: 100 créditos aprobados. Eje integrador: Responsabilidad Social.

Sumilla. Ética Profesional es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar marcos de análisis ético a dilemas profesionales de la computación, evaluar sesgos, riesgos de privacidad y responsabilidades en sistemas inteligentes y sustentar decisiones con los códigos de ética de la profesión. Contribuye al perfil de egreso mediante las competencias CE1 (el profesional y el mundo), CE2 (ética), CE4 (comunicación) y CG3 (responsabilidad social). Comprende: I) Fundamentos y Marcos del Análisis Ético, Valores, Naturaleza y Actualización Profesional…; II) Sesgos y Equidad; III) Responsabilidad en Sistemas Autónomos; IV) Fundamentos de la Propiedad Intelectual, Derechos de PI Digital y Derechos de Autor. Integra el eje transversal de responsabilidad social mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CE2 Ética (demuestra); CE1 El profesional y el mundo (demuestra); CE4 Comunicación (demuestra); CG3 Responsabilidad social (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos y Marcos del Análisis Ético; Valores, Naturaleza y Actualización Profesional; Fundamentos Éticos en IA y otros temas. Capacidades: Evalúa cómo y por qué la ética es tan importante en la informática y cómo se relaciona con las normas culturales, valores y leyes. Analiza dilemas éticos relacionados con la creación y uso de tecnología desde múltiples perspectivas utilizando marcos éticos.
2. Unidad II (semanas 5–8): Sesgos y Equidad. Capacidades: Propone estrategias de mitigación. Mide sesgos en modelos con Python.
3. Unidad III (semanas 9–12): Responsabilidad en Sistemas Autónomos. Capacidades: Redacta cláusulas de responsabilidad. Analiza conflictos legales.
4. Unidad IV (semanas 13–16): Fundamentos de la Propiedad Intelectual; Derechos de PI Digital y Derechos de Autor. Capacidades: Analiza el uso de obras con derechos de autor bajo los conceptos de uso justo (fair use) y la doctrina de la primera venta (first sale doctrine). Identifica ejemplos contemporáneos de propiedad intelectual digital intangible.

Eje transversal en la asignatura. Actividad: Análisis de dilemas profesionales reales de la computación (privacidad, sesgo algorítmico, propiedad intelectual) con un código de ética. Evidencia: Análisis de caso con decisión sustentada. Criterio: Identificación de los afectados, uso del código de ética y solidez del argumento.

Referencias: [14] [170] [219] [13] [25] [97] [131] [140] [238]

10.40CS2H1 Experiencia de Usuario (UX)

Ubicación: term VII · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS291 Ingeniería de Software I. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Experiencia de Usuario (UX) es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar principios de responsabilidad ética y diseño centrado en valores, incluyendo equidad algorítmica y sesgo, aplicar estándares de accesibilidad y diseño inclusivo para poblaciones y capacidades diversas y ejecutar métodos de evaluación de usabilidad para iterar y mejorar interfaces de usuario. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo), CG3 (responsabilidad social) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Comprender al Usuario: Objetivos individuales e interacciones con otros, Responsabilidad y…; II) Accesibilidad y Diseño Inclusivo, Evaluación del Diseño; III) Diseño de Sistemas, Sociedad, ética y Profesión; IV) Interacción Humano-IA y Evaluación de la Experiencia. Integra el eje transversal de responsabilidad social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (demuestra); CE3 Trabajo individual y en equipo (demuestra); CG3 Responsabilidad social (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Comprender al Usuario: Objetivos individuales e interacciones con otros; Responsabilidad y Rendición de Cuentas en el Diseño. Capacidades: Analiza cómo las características del usuario influyen en la interacción con sistemas informáticos. Realiza investigación de usuarios usando métodos apropiados como entrevistas u observaciones.
2. Unidad II (semanas 5–8): Accesibilidad y Diseño Inclusivo; Evaluación del Diseño. Capacidades: Diseña y conduce experimentos controlados para investigación en HCI. Crea diseños que acomoden diversas capacidades y contextos de uso.
3. Unidad III (semanas 9–12): Diseño de Sistemas; Sociedad, ética y Profesión. Capacidades: Diseña sistemas que tomen en cuenta diferencias y contextos culturales. Analiza el impacto social de las tecnologías interactivas en individuos y sociedad.
4. Unidad IV (semanas 13–16): Interacción Humano-IA y Evaluación de la Experiencia. Capacidades: Diseña la interacción de un sistema con componentes de IA aplicando principios de transparencia y control del usuario. Evalúa la experiencia de usuario de un prototipo con métodos empíricos y propone mejoras sustentadas.

Eje transversal en la asignatura. Actividad: Evaluación de la accesibilidad e inclusión de un producto digital de uso público y rediseño centrado en sus usuarios. Evidencia: Informe de evaluación con usuarios y prototipo rediseñado. Criterio: Aplicación de pautas de accesibilidad, participación de usuarios reales y mejora demostrada.

Referencias: [102] [105] [148] [181] [189]

10.41CS3P1 Computación Paralela y Distribuida

Ubicación: term VII · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS212 Análisis y Diseño de Algoritmos; CS231 Redes y Comunicación. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Computación Paralela y Distribuida es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para diseñar e implementar programas paralelos utilizando memoria compartida y distribuida, evaluar el rendimiento y la escalabilidad mediante métricas formales y aplicar algoritmos paralelos para resolver problemas computacionales complejos. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT5 (uso de herramientas modernas). Comprende: I) Programas: Paralelismo Declarativo, Programas: Inicio de Actividades, Programas: Propiedades…; II) Comunicación, Comunicación: Propiedades y Extensiones, Memoria y Consistencia; III) Coordinación, Coordinación: Sincronización y Atomicidad, Coordinación: Propiedades Avanzadas y…; IV) Evaluación: Métodos Formales, Evaluación: Pruebas y Medición, Algoritmos y otros temas. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT5 Uso de herramientas modernas (demuestra); CT3 Diseño y desarrollo de soluciones (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Programas: Paralelismo Declarativo; Programas: Inicio de Actividades; Programas: Propiedades de Ejecución y otros temas. Capacidades: Diseña un algoritmo paralelo usando el modelo de programación CUDA, incluyendo la jerarquía de hilos, estrategia de asignación de memoria y transferencias de datos entre host y dispositivo. Analiza el impacto de los patrones de acceso a memoria global (acceso coalescente vs. acceso entrelazado) y el uso de memoria compartida en el rendimiento de un kernel GPU.
2. Unidad II (semanas 5–8): Comunicación; Comunicación: Propiedades y Extensiones; Memoria y Consistencia. Capacidades: Modifica un sistema concurrente para usar un almacén de datos más escalable, confiable o disponible. Da un ejemplo de un escenario en el que un intento de actualización optimista podría nunca completarse.
3. Unidad III (semanas 9–12): Coordinación; Coordinación: Sincronización y Atomicidad; Coordinación: Propiedades Avanzadas y otros temas. Capacidades: Especifica un conjunto de invariantes que deben mantenerse en cada paso de cómputo de paralelismo masivo. Muestra cómo evitar o reparar un error de carrera en un programa dado.
4. Unidad IV (semanas 13–16): Evaluación: Métodos Formales; Evaluación: Pruebas y Medición; Algoritmos y otros temas. Capacidades: Implementa un componente paralelo/distribuido basado en un algoritmo conocido. Identifica y repara un problema de rendimiento debido a sobrecarga en la gestión de recursos.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Computación Paralela y Distribuida. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [150] [91] [108] [110] [95] [156] [206] [234]

10.42CS251 Computación Gráfica

Ubicación: term VIII · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: MA202 Métodos Numéricos. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Computación Gráfica es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para implementar algoritmos de renderizado para visualización realista y en tiempo real y aplicar modelado matemático para crear y manipular objetos 3D. Contribuye al perfil de egreso mediante las competencias CT1 (conocimientos de computación), CT2 (análisis de problemas) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Conceptos Fundamentales de Gráficos y Técnicas Interactivas; II) Renderizado Aplicado y Técnicas; III) Modelado Geométrico, Visualización; IV) Sombreado y Renderizado Avanzado. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (demuestra); CT3 Diseño y desarrollo de soluciones (demuestra); CT1 Conocimientos de computación (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Conceptos Fundamentales de Gráficos y Técnicas Interactivas. Capacidades: Diseña aplicaciones interactivas básicas utilizando dispositivos de entrada comunes y manejo de eventos. Analiza el rol del hardware gráfico en acelerar tareas de renderizado.
2. Unidad II (semanas 5–8): Renderizado Aplicado y Técnicas. Capacidades: Implementa técnicas avanzadas de renderizado como mapeo de sombras o renderizado diferido. Aplica técnicas de mapeo de texturas y filtrado para mejorar el realismo visual.
3. Unidad III (semanas 9–12): Modelado Geométrico; Visualización. Capacidades: Evalúa la efectividad de una visualización usando métodos empíricos. Crea modelos procedurales usando algoritmos o reglas.
4. Unidad IV (semanas 13–16): Sombreado y Renderizado Avanzado. Capacidades: Optimiza el renderizado en tiempo real usando técnicas como nivel de detalle y culling. Desarrolla sombreadores GPU para efectos de renderizado personalizados.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Computación Gráfica. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [8] [87] [128]

10.43CS3I1 Seguridad en Computación

Ubicación: term VIII · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS231 Redes y Comunicación. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Seguridad en Computación es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para aplicar técnicas de codificación segura y métodos criptográficos al software, analizar vulnerabilidades del sistema y realizar investigaciones forenses y evaluar la gobernanza de seguridad y la ética profesional en ciberseguridad. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT5 (uso de herramientas modernas). Comprende: I) Principios y Mentalidad de Seguridad, Fundamentos de Criptografía; II) Inyección y Validación de Entrada, Análisis de Malware y Seguridad Avanzada; III) Análisis de Amenazas e Ingeniería de Seguridad, Técnicas de Informática Forense; IV) Gobierno, Gestión y Política de Seguridad, Ética, Ley y Sociedad en Seguridad. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT5 Uso de herramientas modernas (demuestra); CT3 Diseño y desarrollo de soluciones (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Principios y Mentalidad de Seguridad; Fundamentos de Criptografía. Capacidades: Diseña y desarrolla enfoques para proteger un sistema de un conjunto de amenazas identificadas. Evalúa un sistema para posibles ataques que pueda lanzar un adversario.
2. Unidad II (semanas 5–8): Inyección y Validación de Entrada; Análisis de Malware y Seguridad Avanzada. Capacidades: Evalúa y previene ataques de inyección SQL en una aplicación de base de datos. Construye un programa que pruebe todos los errores de manejo de entrada.
3. Unidad III (semanas 9–12): Análisis de Amenazas e Ingeniería de Seguridad; Técnicas de Informática Forense. Capacidades: Diseña e implementa software para apoyar la informática forense. Desarrolla enfoques para abordar los desafíos asociados con la informática forense de dispositivos móviles.
4. Unidad IV (semanas 13–16): Gobierno, Gestión y Política de Seguridad; Ética, Ley y Sociedad en Seguridad. Capacidades: Evalúa las ramificaciones legales de un sistema que no se ajusta a las leyes y regulaciones aplicables. Construye un sistema que se ajuste a las leyes de seguridad.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Seguridad en Computación. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [7] [60] [103] [162] [192] [205]

10.44CS3P2 Computación en la Nube y Big Data

Ubicación: term VIII · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS3P1 Computación Paralela y Distribuida. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Computación en la Nube y Big Data es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para diseñar y desplegar soluciones en la nube, modelar y consultar bases de datos distribuidas y NoSQL y analizar grandes volúmenes de datos con criterios de seguridad, costo y eficiencia energética. Contribuye al perfil de egreso mediante las competencias CG4 (gestión del riesgo y cambio climático), CG5 (manejo de TIC), CT3 (diseño y desarrollo de soluciones) y CT5 (uso de herramientas modernas). Comprende: I) Arquitectura Cloud y Gestión de Datos; II) Bases de Datos Distribuidas/Computación en la Nube; III) Sistemas NoSQL, Análisis de Datos; IV) Principios y Mentalidad de Seguridad. Integra los ejes transversales de tecnología para la innovación social y gestión del riesgo de desastres y cambio climático mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT5 Uso de herramientas modernas (demuestra); CT3 Diseño y desarrollo de soluciones (demuestra); CG4 Gestión del riesgo y cambio climático (demuestra); CG5 Manejo de TIC (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Arquitectura Cloud y Gestión de Datos. Capacidades: Diseña e implementa una aplicación basada en web utilizando un diseño de arquitectura de microservicios. Describe las restricciones, como alojamiento, servicios y escalabilidad, relacionadas con las plataformas web.
2. Unidad II (semanas 5–8): Bases de Datos Distribuidas/Computación en la Nube. Capacidades: Analiza las ventajas y desventajas entre arquitecturas de DBMS paralelo: memoria compartida, disco compartido y nada compartido. Describe estrategias de replicación de datos y modelos de consistencia débil en sistemas de bases de datos distribuidas.
3. Unidad III (semanas 9–12): Sistemas NoSQL; Análisis de Datos. Capacidades: Desarrolla un caso de uso para el uso de NoSQL sobre RDBMS. Aplica varios enfoques de exploración de datos para comprender conjuntos de datos no familiares.
4. Unidad IV (semanas 13–16): Principios y Mentalidad de Seguridad. Capacidades: Evalúa las implicaciones de privacidad del almacenamiento de datos en entornos de nube multiinquilino. Analiza los riesgos de seguridad asociados con aplicaciones en la nube distribuidas.

Eje transversal en la asignatura. Actividad: Despliegue de una solución de datos en la nube con estimación de su costo y de su consumo energético. Evidencia: Arquitectura desplegada con informe de costos y eficiencia. Criterio: Uso responsable de los recursos, escalabilidad y reproducibilidad.

Referencias: [31] [127] [36] [106] [110] [124] [249] [169] [182] [241]

10.45CS401 Metodología de la Investigación en Computación

Ubicación: term VIII · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: EG201 Investigación Formativa; 120 créditos aprobados. Eje integrador: Investigación Formativa.

Sumilla. Metodología de la Investigación en Computación es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para analizar críticamente propuestas existentes sobre un tópico y relacionarlas en una revisión bibliográfica, redactar documentos técnicos en computación usando LaTeX con plantillas de conferencias IEEE y ACM y construir un artículo de tipo survey con taxonomía, síntesis y comparación de enfoques existentes. Contribuye al perfil de egreso mediante las competencias CE2 (ética), CE4 (comunicación), CE5 (gestión de proyectos), CG1 (investigación), entre otras. Comprende: I) Fundamentos de Investigación Científica en Computación, Lectura Crítica y Análisis de…; II) Ética en Investigación e Integridad Académica; III) Redacción Técnica y Herramientas de Escritura Científica; IV) Revisión Sistemática de Literatura y Artículos de Survey, Presentación y Difusión de…. Integra el eje transversal de mejora continua y pertinencia social mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (demuestra); CT3 Diseño y desarrollo de soluciones (demuestra); CE4 Comunicación (demuestra); CE2 Ética (demuestra); CE5 Gestión de proyectos (demuestra); CG1 Investigación (demuestra); CT4 Indagación (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos de Investigación Científica en Computación; Lectura Crítica y Análisis de Literatura Científica. Capacidades: Diseña una taxonomía preliminar de enfoques para un área de investigación asignada. Construye una matriz de lectura organizada que sintetice múltiples trabajos sobre un tópico dado.
2. Unidad II (semanas 5–8): Ética en Investigación e Integridad Académica. Capacidades: Analiza dilemas éticos en investigación computacional aplicando principios de integridad. Distingue las formas de mala conducta académica y aplica prácticas de citación correctas.
3. Unidad III (semanas 9–12): Redacción Técnica y Herramientas de Escritura Científica. Capacidades: Evalúa la calidad de redacción de un artículo propio o ajeno según criterios de claridad y estructura. Aplica las convenciones de escritura académica propias de la comunidad de computación.
4. Unidad IV (semanas 13–16): Revisión Sistemática de Literatura y Artículos de Survey; Presentación y Difusión de Resultados de Investigación. Capacidades: Redacta un artículo de tipo survey con taxonomía, síntesis crítica y comparación de enfoques. Diseña y ejecuta un protocolo de revisión sistemática de literatura para un tópico de computación.

Eje transversal en la asignatura. Actividad: Revisión de un proceso o producto de Metodología de la Investigación en Computación con criterios de calidad y propuesta de mejora. Evidencia: Informe de evaluación con plan de mejora. Criterio: Uso de criterios de calidad explícitos y viabilidad de la mejora.

Referencias: [24] [252] [92]

10.46AI268 Visión Computacional

Ubicación: term VIII · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: AI264 Aprendizaje Profundo. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Visión Computacional es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para aplicar métodos de extracción de características para identificar patrones clave en imágenes, implementar detección y reconocimiento de objetos usando modelos de aprendizaje profundo y analizar técnicas de visión 3D y estimación de movimiento. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas), CT3 (diseño y desarrollo de soluciones) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Introducción a la IA: Conceptos y Comportamiento Inteligente, Características del Problema y…; II) Percepción y Visión por Computadora; III) Fundamentos de Aprendizaje Automático, Aprendizaje Automático: Datos, Representaciones y…; IV) Aprendizaje Profundo, RL y Ética, Percepción y Visión por Computadora: visión por computadora. Integra el eje transversal de innovación mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (demuestra); CT3 Diseño y desarrollo de soluciones (demuestra); CT6 Teoría de la computación y desarrollo de software (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Introducción a la IA: Conceptos y Comportamiento Inteligente; Características del Problema y Naturaleza de los Agentes. Capacidades: Diferencia entre razonamiento/comportamiento óptimo y razonamiento/comportamiento similar al humano. Enumera las características de un problema específico.
2. Unidad II (semanas 5–8): Percepción y Visión por Computadora. Capacidades: Evalúa el rendimiento de la extracción de características subyacente, relativo a al menos un enfoque alternativo posible (ya sea implementado o no) en su contribución a la tarea de clasificación (8), anterior. Implementa reconocimiento de objetos 2D basado en representaciones de forma basadas en contorno y/o región.
3. Unidad III (semanas 9–12): Fundamentos de Aprendizaje Automático; Aprendizaje Automático: Datos, Representaciones y Evaluación; Redes Neuronales y Ética y otros temas. Capacidades: Evalúa el rendimiento de un sistema de aprendizaje simple en un conjunto de datos del mundo real. Implementa un algoritmo de aprendizaje estadístico y el proceso de optimización correspondiente para entrenar el clasificador y obtener una predicción en nuevos datos.
4. Unidad IV (semanas 13–16): Aprendizaje Profundo, RL y Ética; Percepción y Visión por Computadora: visión por computadora. Capacidades: Evalúa el rendimiento de la extracción de características subyacente, relativo a al menos un enfoque alternativo posible (ya sea implementado o no) en su contribución a la tarea de clasificación (8), anterior. Implementa reconocimiento de objetos 2D basado en representaciones de forma basadas en contorno y/o región.

Eje transversal en la asignatura. Actividad: Reto de innovación: diseño y prototipado de una solución original con las técnicas de Visión Computacional. Evidencia: Prototipo funcional con informe de validación. Criterio: Originalidad, factibilidad técnica y validación con usuarios o datos.

Referencias: [75] [77] [168] [180] [215]

10.47AI368 Computación Evolutiva

Ubicación: term VIII · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS261 Inteligencia Artificial. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Computación Evolutiva es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para implementar y ajustar Algoritmos Genéticos y Estrategias de Evolución, analizar la convergencia y el rendimiento de algoritmos bioinspirados y aplicar técnicas evolutivas a problemas de optimización multiobjetivo. Contribuye al perfil de egreso mediante las competencias CT2 (análisis de problemas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Fundamentos de la Computación Evolutiva; II) Algoritmos Genéticos y sus Variantes; III) Estrategias de Evolución y Programación Evolutiva; IV) Algoritmos Evolutivos Multiobjetivo e Híbridos. Integra el eje transversal de innovación mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT2 Análisis de problemas (demuestra); CT6 Teoría de la computación y desarrollo de software (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos de la Computación Evolutiva. Capacidades: Identifica los componentes de un algoritmo evolutivo genérico y sus roles. Explica la relación entre la evolución biológica y los procesos de búsqueda artificial.
2. Unidad II (semanas 5–8): Algoritmos Genéticos y sus Variantes. Capacidades: Diseña representaciones y operadores apropiados para problemas específicos de optimización. Aplica Programación Genética a tareas de regresión simbólica o programación automática.
3. Unidad III (semanas 9–12): Estrategias de Evolución y Programación Evolutiva. Capacidades: Implementa Estrategias de Evolución con mutación auto-adaptativa para optimización continua. Compara el rendimiento de AG vs ES en problemas de referencia.
4. Unidad IV (semanas 13–16): Algoritmos Evolutivos Multiobjetivo e Híbridos. Capacidades: Diseña un algoritmo memético combinando búsqueda global y local. Resuelve problemas multiobjetivo usando métodos de selección basados en Pareto.

Eje transversal en la asignatura. Actividad: Reto de innovación: diseño y prototipado de una solución original con las técnicas de Computación Evolutiva. Evidencia: Prototipo funcional con informe de validación. Criterio: Originalidad, factibilidad técnica y validación con usuarios o datos.

Referencias: [15] [54] [59] [136]

10.48CB309 Bioinformática

Ubicación: term VIII · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS212 Análisis y Diseño de Algoritmos. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Bioinformática es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para que el alumno tenga un conocimiento sólido de los problemas biológicos moleculares que desafían a la computación y que el alumno sea capaz de abstraer la esencia de los diversos problemas biológicos para plantear soluciones usando sus conocimientos de Ciencia de la Computación. Contribuye al perfil de egreso mediante las competencias CT4 (indagación) y CT5 (uso de herramientas modernas). Comprende: I) Introducción a la Biología Molecular, Comparación de Secuencias; II) Árboles Filogenéticos; III) Ensamblaje de Secuencias de ADN, Estructuras secundarias y terciarias; IV) Modelos Probabilísticos en Biología Molecular. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT5 Uso de herramientas modernas (demuestra); CT4 Indagación (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Introducción a la Biología Molecular; Comparación de Secuencias. Capacidades: Explica que los problemas biológicos son un desafío al mundo computacional. Logra un conocimiento general de los tópicos más importantes en Biología Molecular.
2. Unidad II (semanas 5–8): Árboles Filogenéticos. Capacidad: Explica el problema de reconstrucción de árboles filogenéticos, describe y aplica los principales algoritmos para reconstrucción de árboles filogenéticos.
3. Unidad III (semanas 9–12): Ensamblaje de Secuencias de ADN; Estructuras secundarias y terciarias. Capacidades: Describe los algoritmos de solución de problemas de predicción de estructuras secundarias ARN, y de estructuras en proteínas. Explica el principio de modelo formal para ensamblaje.
4. Unidad IV (semanas 13–16): Modelos Probabilísticos en Biología Molecular. Capacidades: Revisa conceptos de Modelos Probabilísticos y explica su importancia en Biología Molecular Computacional. Describe la aplicación de modelos probabilísticos en Filogenia y los compara con modelos no probabilísticos.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Bioinformática. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [5] [39] [114] [161] [58] [188]

10.49CS391 Ingeniería de Software III

Ubicación: term VIII · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS292 Ingeniería de Software II. Eje integrador: Innovación y Emprendimiento.

Sumilla. Ingeniería de Software III es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para implementar métricas avanzadas de aseguramiento de calidad y confiabilidad, integrar prácticas de seguridad a lo largo del ciclo de vida del desarrollo de software y diseñar y desplegar aplicaciones nativas de la nube usando microservicios. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Conceptos de verificación y validación, Herramientas y Análisis de Pruebas, Pruebas de…; II) Compatibilidad y Versionado de API; III) Control de Versiones y CI/CD; IV) Principios y Arquitectura de Software. Integra el eje transversal de mejora continua y pertinencia social mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (demuestra); CE3 Trabajo individual y en equipo (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Conceptos de verificación y validación; Herramientas y Análisis de Pruebas; Pruebas de Rendimiento y Evaluación Comparativa. Capacidades: Analiza el puntaje de mutación de una suite de pruebas y refactoriza las pruebas para eliminar los mutantes sobrevivientes. Crea un plan de pruebas para un segmento de código de tamaño mediano que contenga código asíncrono, concurrente y/o paralelo, incluyendo una matriz de pruebas y generación de datos y entradas de prueba.
2. Unidad II (semanas 5–8): Compatibilidad y Versionado de API. Capacidades: Evalúa si un cambio propuesto es lo suficientemente seguro dada la metodología de control de versiones en uso para un proyecto dado. Identifica tanto el comportamiento explícito como el implícito de una interfaz e identifica riesgos potenciales de la Ley de Hyrum.
3. Unidad III (semanas 9–12): Control de Versiones y CI/CD. Capacidades: Identifica elementos de configuración y usa una herramienta de control de código fuente en un proyecto pequeño basado en equipo. Aplica un flujo de revisión de pull requests con reglas de propiedad de código y protección de ramas para imponer puertas de calidad en un proyecto de equipo.
4. Unidad IV (semanas 13–16): Principios y Arquitectura de Software. Capacidades: Selecciona y usa un paradigma de diseño apropiado para diseñar un sistema de software simple y explicar cómo se han aplicado los principios de diseño de sistemas en este diseño. Identifica las dependencias entre un conjunto de componentes de software en un diseño arquitectónico.

Eje transversal en la asignatura. Actividad: Revisión de un proceso o producto de Ingeniería de Software III con criterios de calidad y propuesta de mejora. Evidencia: Informe de evaluación con plan de mejora. Criterio: Uso de criterios de calidad explícitos y viabilidad de la mejora.

Referencias: [23] [68] [79] [107] [167] [200]

10.50CS393 Sistemas de Información

Ubicación: term VIII · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS291 Ingeniería de Software I. Eje integrador: Innovación y Emprendimiento.

Sumilla. Sistemas de Información es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para analizar el papel de los SI en la estrategia organizacional y la toma de decisiones y evaluar tecnologías emergentes y su impacto en los modelos de negocio. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Fundamentos de sistemas de información; II) Gestión de datos e inteligencia de negocios; III) Sistemas empresariales y comercio electrónico; IV) Desarrollo y seguridad de sistemas de información. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (demuestra); CE3 Trabajo individual y en equipo (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos de sistemas de información. Capacidades: Analiza un caso de negocio para identificar usos estratégicos de TI. Explica cómo los SI respaldan los diversos niveles de la jerarquía organizacional.
2. Unidad II (semanas 5–8): Gestión de datos e inteligencia de negocios. Capacidades: Evalúa la importancia de la calidad de datos y la gobernanza. Diseña una arquitectura de datos básica para un requisito empresarial.
3. Unidad III (semanas 9–12): Sistemas empresariales y comercio electrónico. Capacidades: Evalúa el impacto del comercio electrónico en los modelos de negocio tradicionales. Describe las áreas funcionales de un sistema ERP.
4. Unidad IV (semanas 13–16): Desarrollo y seguridad de sistemas de información. Capacidades: Formula pautas éticas para la privacidad y seguridad de los datos. Compara diferentes metodologías de desarrollo de sistemas.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Sistemas de Información. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [119] [201] [233]

10.51CS394 Arquitectura de Software y DevOps para Software en la Nube

Ubicación: term VIII · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS292 Ingeniería de Software II. Eje integrador: Innovación y Emprendimiento.

Sumilla. Arquitectura de Software y DevOps para Software en la Nube es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para diseñar sistemas de software escalables y mantenibles aplicando patrones arquitectónicos modernos, implementar pipelines de integración y entrega continua (CI/CD) para acelerar y asegurar el ciclo de vida del software y aplicar prácticas de observabilidad y SRE para garantizar la confiabilidad de sistemas en producción. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones), CT5 (uso de herramientas modernas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Principios y Arquitectura de Software, Patrones y Estilos Arquitectónicos, Arquitectura de…; II) Contenedores y Docker, Orquestación de Contenedores con Kubernetes; III) Control de Versiones y CI/CD, Infraestructura como Código (IaC), Plataformas de Nube y…; IV) Observabilidad: Métricas, Logs y Trazas, Ingeniería de Confiabilidad del Sitio (SRE). Integra el eje transversal de mejora continua y pertinencia social mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (demuestra); CT5 Uso de herramientas modernas (demuestra); CT6 Teoría de la computación y desarrollo de software (demuestra).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Principios y Arquitectura de Software; Patrones y Estilos Arquitectónicos; Arquitectura de Microservicios. Capacidades: Evalúa una descripción de API en términos de consistencia, capacidad de composición y capacidad de expansión. Diseña una API para un solo componente de un sistema de software grande, incluyendo la identificación y documentación de las invariantes, el contrato y las condiciones de error de cada operación.
2. Unidad II (semanas 5–8): Contenedores y Docker; Orquestación de Contenedores con Kubernetes. Capacidades: Evalúa las compensaciones de la virtualización. Construye y despliega aplicaciones en contenedores usando Docker.
3. Unidad III (semanas 9–12): Control de Versiones y CI/CD; Infraestructura como Código (IaC); Plataformas de Nube y Servicios Nativos. Capacidades: Analiza las necesidades de demandas específicas de aplicaciones en red. Diseña una aplicación nativa de la nube usando servicios administrados de un proveedor principal.
4. Unidad IV (semanas 13–16): Observabilidad: Métricas, Logs y Trazas; Ingeniería de Confiabilidad del Sitio (SRE). Capacidades: Implementa observabilidad en una aplicación de nube usando métricas, logs y trazas distribuidas. Identifica dependencias de punto único de fallo (single-point-of-failure, SPF) en un diseño de sistema.

Eje transversal en la asignatura. Actividad: Revisión de un proceso o producto de Arquitectura de Software y DevOps para Software en la Nube con criterios de calidad y propuesta de mejora. Evidencia: Informe de evaluación con plan de mejora. Criterio: Uso de criterios de calidad explícitos y viabilidad de la mejora.

Referencias: [16] [29] [107] [139] [143] [174]

10.52AF401 Actividades Formativas Complementarias

Ubicación: term IX · Estudios Generales · obligatorio · práctica. Créditos: 4 (0 h de teoría, 8 h de práctica o laboratorio por semana). Prerrequisitos: 128 horas validadas del catálogo de actividades. Eje integrador: Formación Integral.

Sumilla. Actividades Formativas Complementarias es una asignatura del área de Estudios Generales, de naturaleza práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para participar en actividades que amplían su formación, documentar sus logros en un portafolio y reflexionar sobre el aporte de esas experiencias a su perfil. Contribuye al perfil de egreso mediante las competencias CE6 (aprendizaje a lo largo de la vida), CG2 (liderazgo), CG3 (responsabilidad social) y CG6 (emprendimiento). Comprende: I) Plan personal de actividades; II) Innovación y competencias técnicas; III) Responsabilidad social y voluntariado; IV) Arte, cultura, deporte y cierre. Integra los ejes transversales de liderazgo y formación integral mediante aprendizaje basado en proyectos, talleres y asesoría.

Competencias que desarrolla: CG2 Liderazgo (aplica); CG3 Responsabilidad social (aplica); CG6 Emprendimiento (aplica); CE6 Aprendizaje a lo largo de la vida (aplica).

Metodología principal: Seminarios; Aprendizaje basado en proyectos (ABPy).

1. Unidad I (semanas 1–4): Plan personal de actividades. Capacidad: Planifica las actividades complementarias que realizará según el catálogo aprobado.
2. Unidad II (semanas 5–8): Innovación y competencias técnicas. Capacidad: Participa en competencias o eventos técnicos y documenta el resultado obtenido.
3. Unidad III (semanas 9–12): Responsabilidad social y voluntariado. Capacidad: Ejecuta una actividad de servicio y registra su impacto en la comunidad beneficiaria.
4. Unidad IV (semanas 13–16): Arte, cultura, deporte y cierre. Capacidad: Sustenta su portafolio de actividades con evidencias validadas.

Eje transversal en la asignatura. Actividad: Participación en actividades del catálogo (congresos, hackathons, voluntariado, arte, cultura y deporte) y coordinación de al menos una de ellas. Evidencia: Portafolio con constancias validadas. Criterio: Evidencias válidas, horas acreditadas y reflexión sobre el aporte a su perfil.

Referencias: [229]

10.53AI365 Modelos Generativos Avanzados en IA

Ubicación: term IX · Estudios de Especialidad · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: AI264 Aprendizaje Profundo. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Modelos Generativos Avanzados en IA es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para analizar modos de falla en generación e implementar samplers de difusión. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT5 (uso de herramientas modernas). Comprende: I) Fundamentos Generativos; II) Modelos de Difusión; III) Modelos de Difusión: técnicas de control; IV) Ética en Medios Sintéticos. Integra el eje transversal de innovación mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (aplica); CT5 Uso de herramientas modernas (aplica).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos Generativos. Capacidad: Explica los fundamentos de los modelos generativos adversarios y autorregresivos, y evalúa sus resultados con métricas estándar.
2. Unidad II (semanas 5–8): Modelos de Difusión. Capacidad: Implementa samplers de difusión.
3. Unidad III (semanas 9–12): Modelos de Difusión: técnicas de control. Capacidad: Resuelve problemas de modelos de difusión: técnicas de control aplicando los conceptos de la unidad.
4. Unidad IV (semanas 13–16): Ética en Medios Sintéticos. Capacidades: Implementa sistemas de trazabilidad. Detecta contenido sintético.

Eje transversal en la asignatura. Actividad: Reto de innovación: diseño y prototipado de una solución original con las técnicas de Modelos Generativos Avanzados en IA. Evidencia: Prototipo funcional con informe de validación. Criterio: Originalidad, factibilidad técnica y validación con usuarios o datos.

Referencias: [76] [177]

10.54CS281 Computación y Responsabilidad Social

Ubicación: term IX · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS2E1 Ética Profesional. Eje integrador: Responsabilidad Social.

Sumilla. Computación y Responsabilidad Social es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para evaluar el impacto social y ambiental de las soluciones computacionales, analizar problemas de privacidad, delitos informáticos y diversidad y ejecutar un proyecto de aprendizaje-servicio con una comunidad u organización. Contribuye al perfil de egreso mediante las competencias CE1 (el profesional y el mundo), CE2 (ética), CG3 (responsabilidad social) y CG4 (gestión del riesgo y cambio climático). Comprende: I) Impacto Social e IA, Datos, Vigilancia y Tecnología de Privacidad; II) Delitos y Ataques Informáticos; III) Identidad y Diversidad en la Informática, Huella Ambiental de los Sistemas Informáticos…; IV) Proyecto de aprendizaje-servicio. Integra los ejes transversales de responsabilidad social y gestión del riesgo de desastres y cambio climático mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CE2 Ética (aplica); CE1 El profesional y el mundo (aplica); CG3 Responsabilidad social (aplica); CG4 Gestión del riesgo y cambio climático (aplica).

Metodología principal: Aprendizaje basado en proyectos (ABPy); Talleres.

1. Unidad I (semanas 1–4): Impacto Social e IA; Datos, Vigilancia y Tecnología de Privacidad. Capacidades: Evalúa soluciones a las amenazas a la privacidad en bases de datos transaccionales y almacenes de datos. Analiza la eficacia de un diseño e implementación dados utilizando datos empíricos.
2. Unidad II (semanas 5–8): Delitos y Ataques Informáticos. Capacidades: Identifica problemas con las leyes que se aplican a los delitos informáticos. Examina los problemas éticos y legales que rodean el mal uso del acceso y varias violaciones de seguridad.
3. Unidad III (semanas 9–12): Identidad y Diversidad en la Informática; Huella Ambiental de los Sistemas Informáticos; Modelos y Estrategias Económicas. Capacidades: Evalúa el impacto del poder y el privilegio en la profesión de la informática en lo que respecta a la cultura, industria, productos y sociedad. Identifica ejemplos de los beneficios que los equipos diversos pueden aportar a los productos de software y cómo la falta de diversidad tiene costos.
4. Unidad IV (semanas 13–16): Proyecto de aprendizaje-servicio. Capacidad: Ejecuta un proyecto de aprendizaje-servicio que atiende una necesidad real y evalúa su impacto.

Eje transversal en la asignatura. Actividad: Proyecto de aprendizaje-servicio con una comunidad u organización y evaluación de la huella ambiental de la solución. Evidencia: Solución entregada, informe de impacto social y ambiental, y devolución de resultados al beneficiario. Criterio: Pertinencia del problema, impacto medido con indicadores y sostenibilidad de la solución.

Referencias: [14] [170] [219]

10.55CS2G1 Innovación y Emprendimiento Tecnológico

Ubicación: term IX · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS292 Ingeniería de Software II. Eje integrador: Innovación y Emprendimiento.

Sumilla. Innovación y Emprendimiento Tecnológico es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para identificar oportunidades de innovación, diseñar y validar un modelo de negocio de base tecnológica y presentar un producto mínimo viable ante un jurado. Contribuye al perfil de egreso mediante las competencias CE4 (comunicación), CE5 (gestión de proyectos), CG2 (liderazgo) y CG6 (emprendimiento). Comprende: I) Innovación y oportunidad; II) Modelo de negocio; III) Producto mínimo viable; IV) Financiamiento y presentación. Integra el eje transversal de innovación mediante aprendizaje basado en proyectos, talleres y asesoría.

Competencias que desarrolla: CG6 Emprendimiento (aplica); CE5 Gestión de proyectos (aplica); CE4 Comunicación (aplica); CG2 Liderazgo (aplica).

Metodología principal: Aprendizaje basado en proyectos (ABPy); Talleres.

1. Unidad I (semanas 1–4): Innovación y oportunidad. Capacidad: Identifica una oportunidad de innovación sustentada en evidencia de usuarios.
2. Unidad II (semanas 5–8): Modelo de negocio. Capacidad: Diseña un modelo de negocio de base tecnológica con hipótesis verificables.
3. Unidad III (semanas 9–12): Producto mínimo viable. Capacidad: Valida un producto mínimo viable con usuarios reales y métricas.
4. Unidad IV (semanas 13–16): Financiamiento y presentación. Capacidad: Sustenta su emprendimiento ante un jurado externo.

Eje transversal en la asignatura. Actividad: Desarrollo de un emprendimiento de base tecnológica validado con usuarios y presentado en el Día de Logros (Demo Day). Evidencia: Modelo de negocio y producto mínimo viable validado. Criterio: Evidencia de validación con usuarios, viabilidad del modelo y calidad de la presentación.

Referencias: [175] [154] [22] [100]

10.56CS402 Proyecto de Fin de Carrera I

Ubicación: term IX · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS401 Metodología de la Investigación en Computación. Eje integrador: Investigación Formativa.

Sumilla. Proyecto de Fin de Carrera I es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para formular un problema de computación con impacto social, analizar críticamente el estado del arte y diseñar la metodología y el plan del proyecto. Contribuye al perfil de egreso mediante las competencias CE2 (ética), CE4 (comunicación), CE5 (gestión de proyectos), CG1 (investigación), entre otras. Comprende: I) Definición del proyecto y criterio de impacto, Profundización en el Estado del Arte Específico; II) Análisis Crítico y Comparativo de Enfoques, Propuesta de Investigación y Selección de Asesor; III) Formalización del plan del proyecto, Diseño de la Metodología Original; IV) Diseño y Ejecución de Experimentos Preliminares, Presentación y Defensa del Estado del Arte. Integra el eje transversal de innovación mediante aprendizaje basado en proyectos, talleres y asesoría.

Competencias que desarrolla: CT2 Análisis de problemas (aplica); CT3 Diseño y desarrollo de soluciones (aplica); CE4 Comunicación (aplica); CE2 Ética (aplica); CE5 Gestión de proyectos (aplica); CG1 Investigación (aplica); CT4 Indagación (aplica).

Metodología principal: Aprendizaje basado en proyectos (ABPy); Talleres; Aprendizaje basado en investigación (ABI).

1. Unidad I (semanas 1–4): Definición del proyecto y criterio de impacto; Profundización en el Estado del Arte Específico. Capacidades: Construye un mapa completo de la literatura de un tópico específico identificando los trabajos fundamentales. Analiza la evolución temporal de un área de investigación identificando tendencias y brechas.
2. Unidad II (semanas 5–8): Análisis Crítico y Comparativo de Enfoques; Propuesta de Investigación y Selección de Asesor. Capacidades: Elabora una propuesta de investigación que defina el problema, objetivos y posible solución. Formula una pregunta de investigación propia sustentada en el análisis del estado del arte.
3. Unidad III (semanas 9–12): Formalización del plan del proyecto; Diseño de la Metodología Original. Capacidades: Diseña la metodología de investigación alineada con los objetivos. Elabora un cronograma detallado con hitos y análisis de riesgos hasta la defensa del proyecto.
4. Unidad IV (semanas 13–16): Diseño y Ejecución de Experimentos Preliminares; Presentación y Defensa del Estado del Arte. Capacidades: Presenta y defiende oralmente el reporte técnico ante un comité académico con rigor. Interpreta y reporta resultados experimentales con rigor estadístico apropiado.

Eje transversal en la asignatura. Actividad: Formulación del proyecto de fin de carrera a partir de un problema de una organización o grupo de interés, con criterio de impacto social. Evidencia: Plan del proyecto con justificación del impacto. Criterio: Relevancia del problema, originalidad de la propuesta e impacto social previsto.

Referencias: [24] [252] [245]

10.57AI369 Robótica

Ubicación: term IX · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: AI264 Aprendizaje Profundo. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Robótica es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para implementar algoritmos de navegación y planificación de trayectorias, analizar la integración del aprendizaje automático en el control robótico y diseñar y simular agentes autónomos para entornos específicos. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT5 (uso de herramientas modernas). Comprende: I) Robótica; II) Percepción y Visión por Computadora; III) Robótica: visión general; IV) Robótica (aplicaciones). Integra el eje transversal de innovación mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (aplica); CT5 Uso de herramientas modernas (aplica).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Robótica. Capacidades: Analiza los problemas sociales, económicos y éticos de una aplicación robótica del mundo real. Implementa algoritmos fundamentales de planificación de movimiento dentro de un espacio de configuración de robot.
2. Unidad II (semanas 5–8): Percepción y Visión por Computadora. Capacidades: Evalúa el rendimiento de la extracción de características subyacente, relativo a al menos un enfoque alternativo posible (ya sea implementado o no) en su contribución a la tarea de clasificación (8), anterior. Implementa reconocimiento de objetos 2D basado en representaciones de forma basadas en contorno y/o región.
3. Unidad III (semanas 9–12): Robótica: visión general. Capacidades: Implementa algoritmos fundamentales de planificación de movimiento dentro de un espacio de configuración de robot. Integra sensores, actuadores y software en un robot diseñado para emprender una tarea específica.
4. Unidad IV (semanas 13–16): Robótica (aplicaciones). Capacidades: Analiza los problemas sociales, económicos y éticos de una aplicación robótica del mundo real. Compara y contrasta al menos tres estrategias para la navegación de robots dentro de entornos conocidos y/o desconocidos, incluyendo sus fortalezas y limitaciones.

Eje transversal en la asignatura. Actividad: Reto de innovación: diseño y prototipado de una solución original con las técnicas de Robótica. Evidencia: Prototipo funcional con informe de validación. Criterio: Originalidad, factibilidad técnica y validación con usuarios o datos.

Referencias: [50] [191] [222]

10.58CS351 Tópicos en Computación Gráfica

Ubicación: term IX · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS251 Computación Gráfica. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Tópicos en Computación Gráfica es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para implementar simulaciones basadas en física y animaciones complejas, diseñar experiencias inmersivas e interactivas usando computación tangible y evaluar el impacto ético y social de las imágenes generadas por computadora. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT5 (uso de herramientas modernas). Comprende: I) Sombreado y Renderizado Avanzado, Modelado Geométrico; II) Animación por Computadora, Simulación; III) Inmersión, Interacción, Computación Tangible/Física; IV) Sociedad, ética y Profesión. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT5 Uso de herramientas modernas (aplica); CT3 Diseño y desarrollo de soluciones (aplica).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Sombreado y Renderizado Avanzado; Modelado Geométrico. Capacidades: Optimiza el renderizado en tiempo real usando técnicas como nivel de detalle y culling. Desarrolla sombreadores GPU para efectos de renderizado personalizados.
2. Unidad II (semanas 5–8): Animación por Computadora; Simulación. Capacidades: Desarrolla simulaciones para aplicaciones específicas como videojuegos o visualización científica. Crea animaciones procedurales como sistemas de partículas o simulaciones basadas en física.
3. Unidad III (semanas 9–12): Inmersión; Interacción; Computación Tangible/Física. Capacidades: Diseña experiencias inmersivas que maximicen la presencia y minimicen la incomodidad. Evalúa tecnologías de visualización inmersiva y sus aplicaciones.
4. Unidad IV (semanas 13–16): Sociedad, ética y Profesión. Capacidades: Analiza problemas éticos relacionados con representación, accesibilidad y privacidad en gráficos e interacción. Discute las implicaciones sociales de las tecnologías inmersivas y la visualización de datos.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Tópicos en Computación Gráfica. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [120] [128] [146] [158]

10.59CS353 Computación Cuántica

Ubicación: term IX · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: MA101 Álgebra Lineal; CS211 Teoría de la Computación. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Computación Cuántica es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para implementar circuitos cuánticos básicos y algoritmos de optimización, analizar el impacto ético, técnico y comercial de la computación cuántica y evaluar las limitaciones del hardware en aplicaciones del mundo real. Contribuye al perfil de egreso mediante las competencias CT4 (indagación) y CT5 (uso de herramientas modernas). Comprende: I) Conceptos fundamentales; II) Arquitecturas Cuánticas; III) Estrategias Algorítmicas; IV) Lenguajes Formales y Autómatas, Ética y seguridad poscuántica. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT5 Uso de herramientas modernas (aplica); CT4 Indagación (aplica).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Conceptos fundamentales. Capacidades: Simula operaciones básicas en Qiskit. Modela matemáticamente un cúbit.
2. Unidad II (semanas 5–8): Arquitecturas Cuánticas. Capacidades: Analiza un fragmento de código proporcionando el papel de la transformada cuántica de Fourier (QFT) en el algoritmo de Shor. Expresa tu punto de vista sobre el entrelazamiento que puede usarse para crear correlaciones no clásicas, pero no hay forma de usar el entrelazamiento cuántico para enviar mensajes más rápido que la velocidad de la luz.
3. Unidad III (semanas 9–12): Estrategias Algorítmicas. Capacidad: Implementa Grover para problemas SAT.
4. Unidad IV (semanas 13–16): Lenguajes Formales y Autómatas; Ética y seguridad poscuántica. Capacidades: Diseña un QAOA para problemas de enrutamiento. Propone estrategias de migración post-cuántica.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Computación Cuántica. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [145] [166] [185] [11]

10.60CS392 Tópicos en Ingeniería de Software

Ubicación: term IX · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS292 Ingeniería de Software II. Eje integrador: Innovación y Emprendimiento.

Sumilla. Tópicos en Ingeniería de Software es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para aplicar técnicas avanzadas de construcción y refactorización de software para mejorar la calidad del código y usar métodos formales y estrategias de validación para garantizar la confiabilidad del sistema. Contribuye al perfil de egreso mediante las competencias CE3 (trabajo individual y en equipo) y CT3 (diseño y desarrollo de soluciones). Comprende: I) Colaboración y Dinámica de Equipo, Control de Versiones y CI/CD, Ingeniería de Requisitos; II) Principios y Arquitectura de Software, Prácticas de Codificación; III) Compatibilidad y Versionado de API, Conceptos de verificación y validación, Herramientas y…; IV) Pruebas de Rendimiento y Evaluación Comparativa, Conceptos de Confiabilidad, Métodos Formales. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (aplica); CE3 Trabajo individual y en equipo (aplica).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Colaboración y Dinámica de Equipo; Control de Versiones y CI/CD; Ingeniería de Requisitos. Capacidades: Propone y delega los roles y responsabilidades necesarios en un equipo de desarrollo de software. Facilita una estrategia de resolución de conflictos y resolución de problemas en un entorno de equipo.
2. Unidad II (semanas 5–8): Principios y Arquitectura de Software; Prácticas de Codificación. Capacidades: Selecciona y usa un paradigma de diseño apropiado para diseñar un sistema de software simple y explicar cómo se han aplicado los principios de diseño de sistemas en este diseño. Identifica las dependencias entre un conjunto de componentes de software en un diseño arquitectónico.
3. Unidad III (semanas 9–12): Compatibilidad y Versionado de API; Conceptos de verificación y validación; Herramientas y Análisis de Pruebas. Capacidades: Evalúa si un cambio propuesto es lo suficientemente seguro dada la metodología de control de versiones en uso para un proyecto dado. Analiza el puntaje de mutación de una suite de pruebas y refactoriza las pruebas para eliminar los mutantes sobrevivientes.
4. Unidad IV (semanas 13–16): Pruebas de Rendimiento y Evaluación Comparativa; Conceptos de Confiabilidad; Métodos Formales. Capacidades: Aplica técnicas de especificación y análisis formal a diseños y programas de software de baja complejidad. Identifica las figuras de mérito, construye y ejecuta una evaluación comparativa (benchmark) y analiza estadísticamente y visualiza los resultados para un proyecto de software pequeño.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Tópicos en Ingeniería de Software. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [23] [68] [79] [167] [200]

10.61CS395 Calidad de Software

Ubicación: term IX · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS292 Ingeniería de Software II. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Calidad de Software es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para analizar aspectos de calidad en producción, incluyendo pruebas de rendimiento y prácticas de confiabilidad/observabilidad, diseñar un conjunto de estructuras de datos para implementar una superficie de API proporcionada y evaluar si un cambio propuesto es lo suficientemente seguro dada la metodología de control de versiones en uso para un proyecto dado. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones), CT5 (uso de herramientas modernas) y CT6 (teoría de la computación y desarrollo de software). Comprende: I) Calidad y Evaluación del Diseño, Control de Versiones y CI/CD; II) Planificación y Tipos de Pruebas, Prácticas Avanzadas de Pruebas; III) Herramientas y Análisis de Pruebas, Compatibilidad y Versionado de API, Técnicas de…; IV) Ingeniería de Confiabilidad, Construcción a Escala y Proceso, Proyecto Final: Demostración de…. Integra el eje transversal de mejora continua y pertinencia social mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (aplica); CT5 Uso de herramientas modernas (aplica); CT6 Teoría de la computación y desarrollo de software (aplica).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Calidad y Evaluación del Diseño; Control de Versiones y CI/CD. Capacidades: Diseña un conjunto de estructuras de datos para implementar una superficie de API proporcionada. Evalúa un sistema de software frente a las características de calidad ISO/IEC 25010 y estima el costo de negocio de la mala calidad/deuda técnica.
2. Unidad II (semanas 5–8): Planificación y Tipos de Pruebas; Prácticas Avanzadas de Pruebas. Capacidades: Crea un plan de pruebas para un segmento de código de tamaño mediano que incluya una matriz de pruebas y generación de datos y entradas de prueba. Implementa un plan de pruebas para un segmento de código de tamaño mediano.
3. Unidad III (semanas 9–12): Herramientas y Análisis de Pruebas; Compatibilidad y Versionado de API; Técnicas de Refactorización y otros temas. Capacidades: Evalúa si un cambio propuesto es lo suficientemente seguro dada la metodología de control de versiones en uso para un proyecto dado. Analiza el puntaje de mutación de una suite de pruebas y refactoriza las pruebas para eliminar los mutantes sobrevivientes.
4. Unidad IV (semanas 13–16): Ingeniería de Confiabilidad; Construcción a Escala y Proceso; Proyecto Final: Demostración de un Pipeline de Calidad de Extremo a Extremo. Capacidades: Realiza un postmortem sin culpa para identificar mejoras de proceso para proyectos futuros. Identifica dependencias de punto único de fallo (single-point-of-failure, SPF) en un diseño de sistema.

Eje transversal en la asignatura. Actividad: Revisión de un proceso o producto de Calidad de Software con criterios de calidad y propuesta de mejora. Evidencia: Informe de evaluación con plan de mejora. Criterio: Uso de criterios de calidad explícitos y viabilidad de la mejora.

Referencias: [18] [23] [66] [68] [79] [99] [107] [200] [246]

10.62CS3P3 Internet de las Cosas

Ubicación: term IX · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (1 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS3P1 Computación Paralela y Distribuida. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Internet de las Cosas es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para evaluar los impactos sociales y éticos de las tecnologías IoT, implementar protocolos de comunicación para dispositivos restringidos y móviles y analizar los riesgos de seguridad en el ciclo de vida de un ecosistema IoT. Contribuye al perfil de egreso mediante las competencias CT3 (diseño y desarrollo de soluciones) y CT5 (uso de herramientas modernas). Comprende: I) Soporte de Movilidad; II) Soporte de Movilidad: comunicación dispositivo a dispositivo; III) Ética, Ley y Sociedad en Seguridad; IV) Aplicaciones en Red. Integra el eje transversal de tecnología para la innovación social mediante clase magistral activa, prácticas de laboratorio, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CT5 Uso de herramientas modernas (aplica); CT3 Diseño y desarrollo de soluciones (aplica).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Soporte de Movilidad. Capacidad: Describe algunos aspectos de comunicación celular como el registro.
2. Unidad II (semanas 5–8): Soporte de Movilidad: comunicación dispositivo a dispositivo. Capacidad: Describe usos prácticos de comunicación dispositivo a dispositivo, así como multiescalón.
3. Unidad III (semanas 9–12): Ética, Ley y Sociedad en Seguridad. Capacidades: Analiza los impactos sociales de la vigilancia generalizada por IoT. Aplica principios de privacidad por diseño a arquitecturas de datos de IoT.
4. Unidad IV (semanas 13–16): Aplicaciones en Red. Capacidades: Analiza las necesidades de demandas específicas de aplicaciones en red. Implementa una aplicación simple cliente-servidor basada en sockets.

Eje transversal en la asignatura. Actividad: Uso de herramientas y plataformas digitales actuales para analizar, construir o comunicar una solución en Internet de las Cosas. Evidencia: Producto digital o análisis de datos publicado en un repositorio. Criterio: Uso pertinente y responsable de la tecnología; reproducibilidad del resultado.

Referencias: [30] [83]

10.63CS400 Prácticas Preprofesionales en Empresa

Ubicación: term X · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 12 (1 h de teoría, 22 h de práctica o laboratorio por semana). Prerrequisitos: 160 créditos aprobados. Eje integrador: Responsabilidad Social.

Sumilla. Prácticas Preprofesionales en Empresa es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para desempeñarse en un equipo profesional de computación, aplicar buenas prácticas de ingeniería en proyectos reales y documentar y sustentar su experiencia. Contribuye al perfil de egreso mediante las competencias CE2 (ética), CE3 (trabajo individual y en equipo), CE4 (comunicación), CE5 (gestión de proyectos), entre otras. Comprende: I) Inducción y plan de prácticas; II) Desempeño en la organización I; III) Desempeño en la organización II; IV) Informe y sustentación. Integra el eje transversal de responsabilidad social mediante aprendizaje basado en proyectos, talleres y asesoría.

Competencias que desarrolla: CT3 Diseño y desarrollo de soluciones (aplica); CE3 Trabajo individual y en equipo (aplica); CE4 Comunicación (aplica); CE2 Ética (aplica); CE6 Aprendizaje a lo largo de la vida (aplica); CE5 Gestión de proyectos (aplica); CG3 Responsabilidad social (aplica); CG5 Manejo de TIC (aplica).

Metodología principal: Seminarios; Aprendizaje basado en proyectos (ABPy).

1. Unidad I (semanas 1–4): Inducción y plan de prácticas. Capacidad: Formula su plan de prácticas alineado con las competencias del perfil de egreso.
2. Unidad II (semanas 5–8): Desempeño en la organización I. Capacidad: Ejecuta tareas profesionales de computación con las prácticas y estándares de la organización.
3. Unidad III (semanas 9–12): Desempeño en la organización II. Capacidad: Aporta una mejora documentada al proceso o producto en el que participa.
4. Unidad IV (semanas 13–16): Informe y sustentación. Capacidad: Sustenta su experiencia preprofesional con evidencias y reflexión crítica.

Eje transversal en la asignatura. Actividad: Práctica en una organización con registro del aporte realizado y reflexión sobre la responsabilidad profesional. Evidencia: Informe de prácticas y evaluación del supervisor. Criterio: Desempeño ético, cumplimiento de compromisos y aporte verificable a la organización.

Referencias: [41] [13]

10.64CS403 Proyecto de Fin de Carrera II

Ubicación: term X · Estudios Específicos · obligatorio · teórico-práctica. Créditos: 4 (2 h de teoría, 4 h de práctica o laboratorio por semana). Prerrequisitos: CS402 Proyecto de Fin de Carrera I. Eje integrador: Investigación Formativa.

Sumilla. Proyecto de Fin de Carrera II es una asignatura del área de Estudios Específicos, de naturaleza teórico-práctica y de carácter obligatorio. Tiene como propósito desarrollar capacidades para implementar y validar la solución propuesta, redactar el informe final del proyecto y sustentar públicamente sus resultados. Contribuye al perfil de egreso mediante las competencias CE1 (el profesional y el mundo), CE2 (ética), CE4 (comunicación), CE5 (gestión de proyectos), entre otras. Comprende: I) Implementación y Experimentos Preliminares, Redacción de Capítulos Centrales del proyecto; II) Conclusión de Experimentos y Análisis de Resultados; III) Redacción de Capítulos Finales del proyecto, Preparación y Ensayo de la Sustentación; IV) Entrega Formal y Pre-Sustentación. Integra el eje transversal de responsabilidad social mediante aprendizaje basado en proyectos, talleres y asesoría.

Competencias que desarrolla: CT2 Análisis de problemas (aplica); CT3 Diseño y desarrollo de soluciones (aplica); CE4 Comunicación (aplica); CE2 Ética (aplica); CE5 Gestión de proyectos (aplica); CG1 Investigación (aplica); CG3 Responsabilidad social (aplica); CT1 Conocimientos de computación (aplica); CT4 Indagación (aplica); CT6 Teoría de la computación y desarrollo de software (aplica); CE6 Aprendizaje a lo largo de la vida (aplica); CE1 El profesional y el mundo (aplica); CG6 Emprendimiento (aplica).

Metodología principal: Aprendizaje basado en proyectos (ABPy); Talleres; Aprendizaje basado en investigación (ABI).

1. Unidad I (semanas 1–4): Implementación y Experimentos Preliminares; Redacción de Capítulos Centrales del proyecto. Capacidades: Redacta los capítulos de metodología y trabajos relacionados con rigor académico. Aplica ciclos de revisión con el asesor para mejorar la calidad del documento.
2. Unidad II (semanas 5–8): Conclusión de Experimentos y Análisis de Resultados. Capacidades: Analiza resultados con rigor estadístico e interpreta hallazgos con respecto a la hipótesis. Completa la ejecución del protocolo experimental con todos los casos definidos.
3. Unidad III (semanas 9–12): Redacción de Capítulos Finales del proyecto; Preparación y Ensayo de la Sustentación. Capacidades: Diseña y expone una presentación oral clara y estructurada del trabajo del proyecto. Redacta el capítulo de resultados con visualizaciones claras y análisis comparativo.
4. Unidad IV (semanas 13–16): Entrega Formal y Pre-Sustentación. Capacidades: Presenta el borrador final ante el comité pre-sustentador e incorpora sus correcciones. Entrega el informe final completo cumpliendo todos los requisitos institucionales.

Eje transversal en la asignatura. Actividad: Validación del proyecto de fin de carrera con sus usuarios o beneficiarios y presentación en el Día de Logros (Demo Day). Evidencia: Informe final, producto validado y sustentación pública. Criterio: Solución validada en contexto, impacto social demostrado y calidad de la sustentación.

Referencias: [252] [245]

10.65AI367 Tópicos en Inteligencia Artificial

Ubicación: term X · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: AI264 Aprendizaje Profundo. Eje integrador: Tecnología para la Innovación Social.

Sumilla. Tópicos en Inteligencia Artificial es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para implementar algoritmos avanzados de Aprendizaje por Refuerzo para la toma de decisiones, aplicar técnicas de ingeniería de prompts y ajuste fino a modelos existentes y evaluar críticamente los últimos artículos de investigación y tendencias en IA. Contribuye al perfil de egreso mediante la competencia CE6 (aprendizaje a lo largo de la vida). Comprende: I) Fundamentos de Aprendizaje Automático, Aprendizaje Automático: Datos, Representaciones y…; II) Procesamiento del Lenguaje Natural; III) Fundamentos de Aprendizaje Automático, Aprendizaje Automático: trabajar con Datos, Redes…; IV) Aplicaciones e Impacto Social de la IA, Aplicaciones Adicionales e Impacto Social de la IA. Integra el eje transversal de innovación mediante clase magistral activa, aprendizaje basado en problemas y aprendizaje basado en proyectos.

Competencias que desarrolla: CE6 Aprendizaje a lo largo de la vida (aplica).

Metodología principal: Clase magistral; Aprendizaje basado en problemas (ABP); Aprendizaje basado en proyectos (ABPy); Estudio de casos.

1. Unidad I (semanas 1–4): Fundamentos de Aprendizaje Automático; Aprendizaje Automático: Datos, Representaciones y Evaluación; Redes Neuronales y Ética y otros temas. Capacidades: Evalúa el rendimiento de un sistema de aprendizaje simple en un conjunto de datos del mundo real. Implementa un algoritmo de aprendizaje estadístico y el proceso de optimización correspondiente para entrenar el clasificador y obtener una predicción en nuevos datos.
2. Unidad II (semanas 5–8): Procesamiento del Lenguaje Natural. Capacidades: Implementa una transformación TF/IDF, usarla para extraer características de un corpus, y entrenar un algoritmo de aprendizaje automático estándar usando esas características para hacer clasificación de texto. Identifica técnicas para recuperación de información, traducción de lenguaje y clasificación de texto.
3. Unidad III (semanas 9–12): Fundamentos de Aprendizaje Automático; Aprendizaje Automático: trabajar con Datos; Redes Neuronales y Ética: redes neuronales básicas. Capacidades: Implementa un algoritmo de aprendizaje estadístico y el proceso de optimización correspondiente para entrenar el clasificador y obtener una predicción en nuevos datos. Diferencia los términos: IA, aprendizaje automático y aprendizaje profundo.
4. Unidad IV (semanas 13–16): Aplicaciones e Impacto Social de la IA; Aplicaciones Adicionales e Impacto Social de la IA. Capacidades: Analiza el impacto social de una o más aplicaciones específicas de IA del mundo real, identificando problemas respecto a ética, equidad, sesgo, confianza y explicabilidad. Describe algunos de los modos de falla de los modelos generativos profundos actuales para lenguaje o imágenes, y cómo esto podría afectar su uso en una aplicación.

Eje transversal en la asignatura. Actividad: Reto de innovación: diseño y prototipado de una solución original con las técnicas de Tópicos en Inteligencia Artificial. Evidencia: Prototipo funcional con informe de validación. Criterio: Originalidad, factibilidad técnica y validación con usuarios o datos.

Referencias: [25] [67] [77] [180] [213] [226]

10.66CS405 Publicación de Artículo Científico

Ubicación: term X · Estudios de Especialidad · electivo · teórico-práctica. Créditos: 3 (2 h de teoría, 2 h de práctica o laboratorio por semana). Prerrequisitos: CS402 Proyecto de Fin de Carrera I. Eje integrador: Investigación Formativa.

Sumilla. Publicación de Artículo Científico es una asignatura del área de Estudios de Especialidad, de naturaleza teórico-práctica y de carácter electivo. Tiene como propósito desarrollar capacidades para estructurar un manuscrito científico, redactarlo según las normas de un congreso o revista indexada y enviarlo y responder a la revisión por pares. Contribuye al perfil de egreso mediante las competencias CE4 (comunicación), CG1 (investigación) y CT4 (indagación). Comprende: I) Del proyecto al manuscrito; II) Redacción científica; III) Preparación y envío; IV) Revisión por pares y difusión. Integra el eje transversal de mejora continua y pertinencia social mediante aprendizaje basado en proyectos, talleres y asesoría.

Competencias que desarrolla: CG1 Investigación (aplica); CE4 Comunicación (aplica); CT4 Indagación (aplica).

Metodología principal: Aprendizaje basado en proyectos (ABPy); Talleres; Aprendizaje basado en investigación (ABI).

1. Unidad I (semanas 1–4): Del proyecto al manuscrito. Capacidad: Selecciona el medio de publicación adecuado y formula la contribución de su artículo.
2. Unidad II (semanas 5–8): Redacción científica. Capacidad: Redacta las secciones del artículo con resultados reproducibles.
3. Unidad III (semanas 9–12): Preparación y envío. Capacidad: Envía un manuscrito completo que cumple las normas del medio elegido.
4. Unidad IV (semanas 13–16): Revisión por pares y difusión. Capacidad: Responde de forma sustentada a las observaciones de la revisión por pares.

Eje transversal en la asignatura. Actividad: Revisión de un proceso o producto de Publicación de Artículo Científico con criterios de calidad y propuesta de mejora. Evidencia: Informe de evaluación con plan de mejora. Criterio: Uso de criterios de calidad explícitos y viabilidad de la mejora.

Referencias: [252] [72]

Chapter 11Equivalence table

La tabla relaciona las asignaturas del plan anterior con las del plan nuevo, según el formato de la Tabla 12 de la Guía. Una equivalencia requiere similitud temática de al menos 75 %, competencias alineadas y que los créditos de la asignatura anterior sean iguales o mayores que los de la nueva. Plan anterior: Plan de Estudios 2023. Plan nuevo: Plan Curricular 2027.

Nota: filas que son propuestas iniciales pendientes de revisión por la comisión curricular: 81 / 81.

Chapter 12Gestión curricular

12.1Estrategias metodológicas

El proceso de enseñanza-aprendizaje se centra en el estudiante y privilegia las metodologías activas: aprendizaje basado en problemas, aprendizaje basado en proyectos, estudio de casos y retos; trabajo colaborativo e instrucción entre pares; aula invertida, simulación y uso responsable de herramientas de inteligencia artificial [115]y experiencias de aprendizaje-servicio, prácticas preprofesionales y pasantías. Cada sílabo declara las estrategias que emplea por semana.

12.2Guía de implementación de metodologías activas