Investigación de Operaciones
La investigación de operaciones (IO) es una subdisciplina de las matemáticas que usa métodos analíticos avanzados para ayudar en la toma de decisiones. La IO usa técnicas como las de modelación matemática determinista ó estocástica, análisis estadístico, simulación probabilista y optimización matemática para modelar, analizar y resolver problemas complejos tanto de índole determinista como estocástica que surgen en la toma de decisiones. Leer más
Probabilidad y Estadística
La Probabilidad y la Estadística se encargan del estudio del azar desde el punto de vista de las matemáticas:
- La Probabilidad propone modelos para los fenómenos aleatorios, es decir, los que se pueden predecir con certeza, y estudia sus consecuencias lógicas.
- La Estadística se ocupa de los métodos y procedimientos para recoger, clasificar, resumir, hallar regularidades y analizar los datos (Estadística Descriptiva), siempre y cuando la variabilidad e incertidumbre sea una causa intrínseca de los mismos; así como de realizar inferencias a partir de ellos, con la finalidad de ayudar a la toma de decisiones y en su caso formular predicciones (Estadística Inferencial). Leer más
Ecuaciones Diferenciales Parciales
El principal objetivo de esta línea de investigación es el modelado matemático de problemas industriales, físicos, tecnológicos y biológicos en un contexto tecno-científico en ingeniería y ciencias mediante el uso de ecuaciones diferenciales parciales, así como el desarrollo e implementación de algoritmos para su solución numérica (simulación).
Inteligencia Computacional
La Inteligencia Computacional es la teoría, el diseño, la aplicación y el desarrollo de paradigmas computacionales. Este campo emergente busca que las computadoras “piensen” y resuelvan problemas como lo hacemos los humanos, con aplicaciones en diferentes sectores (social, industrial, económico o científico). Combina tecnologías como la Inteligencia Artificial, el Aprendizaje Automático (Machine Learning) y la Minería de Datos para ofrecer soluciones más rápidas y precisas en comparación con métodos tradicionales.
En esta línea de investigación se realiza investigación en los siguientes temas:
- Aprendizaje Automático: Investigación, desarrollo y uso de sistemas que aprenden a partir de información relevante de manera supervisada, no supervisada o semi supervisada para resolver problemas de clasificación, regresión e identificación de patrones. Entre los enfoques que se utilizan está el usar técnicas de aprendizaje automático clásico y técnicas de aprendizaje profundo.
- Big data: Uso de técnicas para obtener información valiosa a partir de altos volúmenes de datos.
- Physics-informed Machine Learning: Desarrollo de metodologías híbridas que integran de forma efectiva las herramientas de modelado basadas en la física en conjunto con aprendizaje automático.
- Cómputo Evolutivo: Investigación y desarrollo de estrategias de optimización inspiradas en la selección natural de las especies para resolver problemas de optimización de alta complejidad.
Así, el objetivo es la investigación y el desarrollo de sistemas inteligentes basados en datos para facilitar la resolución de problemas, tales como la detección de fallas mediante análisis de series temporales, procesamiento de imágenes, entre otras técnicas. Además de la resolución de problemas de optimización altamente complicados que involucren múltiples objetivos o una jerarquía binivel.
Diseño de sistemas
El paso final de la inteligencia computacional es el desarrollo de sistemas inteligentes. Esta línea de investigación se enfoca en el diseño, implementación y/o evaluación de sistemas inteligentes utilizando metodologías de diseño centrado en el usuario, experiencia de usuario, design thinking, entre otras para establecer los requerimientos iniciales del sistema de la mano con el usuario final. Posteriormente, se hace uso de las herramientas tecnológicas y de