Chinese (Simplified)EnglishFrenchSpanish
Home Posgrado

Posgrado

Inicio

Maestría en Ciencia de Datos al Proceso de Selección 2025

En la actualidad, estamos experimentando un crecimiento exponencial en la generación de datos, impulsado por la proliferación de dispositivos conectados, la adopción generalizada de internet y el aumento en la digitalización de procesos en diversos sectores. Este fenómeno, conocido como la “explosión de datos”, se caracteriza por la producción constante y masiva de información en diversos formatos, desde texto y imágenes hasta vídeos y transacciones en línea.

Convocatoria haz clic aquí

Conócenos

Conócenos

Objetivo general

Formar Maestros en Ciencias de alto nivel académico capaces de desarrollar proyectos de investigación científica de frontera que permitan analizar patrones significativos de datos, contribuyendo a la toma de decisiones en entornos complejos y dinámicos, promoviendo la generación de conocimiento innovador en el campo de la ciencia de datos con un enfoque sensible a las diversas realidades sociales y culturales.

Formar Maestros en Ciencias de alto nivel académico capaces de desarrollar proyectos de investigación científica de frontera para analizar patrones significativos de datos; contribuir a la toma de decisiones en entornos complejos y dinámicos y promover la generación de conocimiento innovador en el campo de la ciencia de datos con un enfoque sensible a las diversas realidades sociales y culturales.

Objetivos específicos

●Formar profesionales capaces de proponer y participar en proyectos de innovación, desarrollo tecnológico e investigación, con el despliegue de sus conocimientos en las áreas de fundamentos y aplicaciones de ciencia de datos.

●Preparar Maestros en Ciencias que adquieran competencias y habilidades para generar nuevas tecnologías de vanguardia en los campos de fundamentos y aplicaciones de la Ciencia de Datos con responsabilidad social y ética.

● Generar recursos humanos de alto nivel con compromiso social para atender las necesidades de la nación con equidad y perspectiva de género.

MISIÓN Y VISIÓN

El plan de estudios de la maestría en Ciencia de Datos se enfoca en proporcionar una formación integral y avanzada, que prepare a los estudiantes para enfrentar los complejos desafíos del análisis y la interpretación de datos.

  • Desarrollar competencias técnicas profundas en programación, manejo y procesamiento de grandes volúmenes de datos, así como en el uso de herramientas y tecnologías específicas de esta área del conocimiento.
  • Fomentar el pensamiento analítico y crítico, en los estudiantes para formular y abordar preguntas de investigación complejas mediante métodos estadísticos y algoritmos de aprendizaje automático, facilitando así la toma de decisiones basada en datos.
  • Promover la aplicación práctica del conocimiento a través de proyectos, estudios de caso y colaboraciones con sector público y privado, para que los estudiantes apliquen teorías y técnicas en contextos del mundo real.
  • Incentivar la innovación y el desarrollo tecnológico, alentando la investigación y la creación de nuevas metodologías, algoritmos y tecnologías en Ciencia de Datos.
  • Fortalecer la capacidad de los estudiantes para comunicar eficazmente los resultados de sus análisis a audiencias tanto técnicas como no técnicas, con visualizaciones de datos y narrativas claras y comprensibles.
  • Destacar la importancia de la ética y la responsabilidad en el uso de datos, incluyendo la privacidad, la seguridad y el uso responsable de la información.
  • Preparar a los estudiantes para el liderazgo en Ciencia de Datos, dirección de proyectos y equipos multidisciplinarios, y adopción de prácticas basadas en datos en diversas organizaciones.
  • Incentivar la adaptabilidad y el aprendizaje continuo, así como la colaboración interdisciplinaria, reconociendo la riqueza que aportan diversas perspectivas y aplicaciones en una amplia gama de dominios.

Perfil de egreso al programa

A través de un enfoque integral y transdisciplinario, se busca preparar a los estudiantes para enfrentar los desafíos contemporáneos del análisis de datos con ética y rigor académico. Con un énfasis en la aplicación práctica de conocimientos avanzados en matemáticas, algoritmos, análisis y visualización de datos, así como en el manejo ético y legal de la información, este programa se propone cultivar profesionales capacitados para abordar problemáticas complejas con un sentido crítico y una perspectiva socialmente responsable.

 Los egresados estarán equipados no solo con las habilidades técnicas de vanguardia necesarias para sobresalir con excelencia en el campo de la ciencia de datos, sino también con la conciencia ética y el compromiso de utilizar sus conocimientos para el beneficio de la sociedad en su conjunto.


Dominio Profundo en Fundamentos Matemáticos: Los egresados serán capaces de aplicar de manera experta conceptos matemáticos avanzados, incluyendo probabilidad, estadística inferencial multivariada y multidimensional, álgebra lineal y series de tiempo, para el análisis de datos y la creación de modelos predictivos precisos.

Dominio en Implementación de Algoritmos de Alto Rendimiento: Los egresados tendrán habilidades sólidas en la implementación eficiente de algoritmos, aprovechando paradigmas de programación para alto rendimiento en diversos lenguajes incluyendo procesamiento paralelo. Además, serán competentes en el diseño e implementación de algoritmos de aprendizaje automático supervisado y no supervisado, así como en áreas como criptografía, garantizando la seguridad y privacidad de los datos.

Expertos en Análisis y Visualización de Datos: Los egresados serán capaces de realizar un análisis exhaustivo de datos, empleando técnicas avanzadas de exploración de datos y visualización. Además, estarán familiarizados con estrategias para la toma de decisiones basadas en datos y serán competentes en el despliegue de modelos de aprendizaje automático y técnicas de minería de datos para la obtención de información relevante.

Aplicación Avanzada de Técnicas de Aprendizaje Automático y Deep Learning: Los egresados serán expertos en el desarrollo e implementación de algoritmos de aprendizaje profundo, incluyendo redes neuronales convolucionales, procesamiento del lenguaje natural (PNL), visión artificial y aprendizaje por refuerzo. Además, estarán capacitados para aplicar estas técnicas en diversas áreas, como robótica y modelado de sistemas físicos.

Conciencia Ética y Legal en el Tratamiento de los Datos: Los egresados serán conscientes de las implicaciones éticas y legales en el manejo y tratamiento de datos. Estarán familiarizados con los marcos de referencia legales y normativos relacionados con la ciberseguridad, privacidad de datos y regulación de datos, así como con las tecnologías e infraestructuras necesarias para garantizar un tratamiento ético y seguro de la información.

Elizeth Ramírez Álvarez

Coordinadora de la Maestría en Ciencia de Datos

División de Estudios de Posgrado e Investigación, TecNM, Campus Norte Querétaro

Santiago Zacatlán s/n Colonia Jardines de Santiago C.P. 76148, Querétaro, Qro.

Tel (443) 2274400 Ext. 4520

depin_coord.mcd@queretaro.tecnm.mx

www.queretaro.tecnm.mx

Plan de Estudios

Plan de Estudios

El programa es escolarizado con clases presenciales y tiene una duración de 4 semestres durante los cuales se cursan 4 materias básicas, 4 materias optativas y 3 seminarios de investigación al tiempo que se realiza un proyecto de tesis de acuerdo con el siguiente diagrama.

NOMBRE DE LA ASIGNATURATIPO DE ASIGNATURA
Programación para ciencia de datosBÁSICA
Introducción a la ciencia de datosBÁSICA
Estadística para ciencia de datosBÁSICA
Matemáticas para ciencia de datosBÁSICA
Visualización de datosBÁSICA
Big dataBÁSICA
Métodos numéricosBÁSICA
Gestión de proyectosBÁSICA
Minería de datosBÁSICA
Ética en ciencia de datosBÁSICA
Visión artificialOPTATIVA
Deep LearningOPTATIVA
Redes neuronales convolucionalesOPTATIVA
Procesamiento de lenguaje naturalOPTATIVA
Modelos basados en datos con información físicaOPTATIVA
Marco de referencia legal en ciberseguridadOPTATIVA
Inteligencia artificial para ciencia de datosOPTATIVA
Gemelos digitalesOPTATIVA
Estadística avanzadaOPTATIVA
Toma de decisiones basada en datosOPTATIVA
CriptografíaOPTATIVA
Cómputo de alto rendimientoOPTATIVA
CiberseguridadOPTATIVA
Aprendizaje automáticoOPTATIVA
Tópicos selectos IOPTATIVA
Tópicos selectos IIOPTATIVA
Seminario de investigación IOBLIGATORIA
Seminario de investigación IIOBLIGATORIA
Seminario de investigación IIIOBLIGATORIA
TesisOBLIGATORIA
Líneas (LGAC)

Lineas (LGAC)

LGAC en Fundamentos en Ciencia de Datos

La necesidad de una línea de investigación en el área de Fundamentos para este posgrado se justifica por la importancia de establecer una base sólida y rigurosa que sustente el avance y la aplicación de técnicas analíticas y algoritmos complejos. Los fundamentos de la ciencia de datos, que incluyen matemáticas, estadística, teoría de la información y computación, son esenciales para desarrollar metodologías robustas y eficientes. Una comprensión profunda de estos principios permite a los investigadores innovar en la creación de nuevos algoritmos y técnicas de análisis de datos, optimizar los existentes y asegurar que las aplicaciones prácticas se basen en teorías bien fundamentadas y probadas. Además, la investigación en esta área fomenta el desarrollo de marcos teóricos que pueden ser aplicados de manera interdisciplinaria, fortaleciendo la capacidad de los profesionales para abordar problemas complejos en diversos dominios y garantizando la validez y la ética en el manejo y análisis de datos.

LGAC en Aplicaciones en Ciencia de Datos

La necesidad de una línea de investigación en el área de Aplicaciones para la maestría en Ciencia de Datos se justifica por la creciente demanda de soluciones prácticas y específicas que aborden problemas reales en diversos sectores como la salud, finanzas, energía y otras áreas prioritarias. Al centrar la investigación en aplicaciones, se promueve la creación y adaptación de técnicas de ciencia de datos que pueden ser implementadas efectivamente en contextos del mundo real, mejorando la eficiencia y efectividad de procesos operacionales y de toma de decisiones. Esta línea de investigación facilita la colaboración interdisciplinaria, permitiendo a los científicos de datos trabajar junto a expertos de diferentes campos para desarrollar innovaciones que tengan un impacto directo y positivo en la sociedad. Además, la investigación aplicada en ciencia de datos impulsa el desarrollo de prototipos y soluciones que pueden ser escalados y comercializados, contribuyendo así al crecimiento económico y al avance tecnológico.

Núcleo Académico

Núcleo Académico

Línea de fundamentos en ciencia de datos

Nombre: Dr. Isaac Hernández Arriaga. 

Área de investigación: Energía Eólica

Temas de interés: Análisis y modelado de curva de potencia, análisis de cargas extremas, diagnóstico de fallas y mantenimiento predictivo. 

SNI: Nivel 1

Perfil PRODEP: Si

isaac.ha@queretaro.tecnm.mx

Nombre: Elizeth Ramírez Álvarez

Área de investigación: Sistemas complejos.

Temas de interés: Sistemas con dinámica compleja, formación de patrones, modelado a partir de datos y análisis de series de tiempo.

SNI: Nivel 1

Perfil PRODEP: no

elizeth.ra@queretaro.tecnm.mx

https://scholar.google.com/citations?user=Sd1DHkMAAAAJ&hl=es&oi=ao

Nombre: M. C. María Ángela Magdalena Jiménez Grajales

Área de investigación: Optimización, calidad y productividad.

Temas de interés: Muestreo y Análisis de datos, Diseño de Experimentos, Estadística Inferencial.

SNI: No                      

Perfil PRODEP: No

maría.jg@queretaro.tecnm.mx

Nombre: Dra. Yolanda Jiménez Flores

Área de investigación: Materiales Semiconductores para aplicaciones tecnológicas 

Temas de interés: Materiales semiconductores para adquisición de imágenes, interacción de la radiación con la materia

SNI: Nivel 1

Perfil PRODEP: no

yolanda.jf@queretaro.tecnm.mx

Nombre: Christian Iván Enríquez Flores

Área de investigación:

Temas de interés: Estudio de propiedades mecánicas a escala nanométrica, generación de recubrimientos superduros.

SNI: Nivel 1

Perfil PRODEP: no

christian.ef@queretaro.tecnm.mx

https://scholar.google.com/citations?user=t6uz5zcAAAAJ&hl=es&oi=ao

Nombre: M. T. E. Miguel Ángel Guzmán Rivera

Área de investigación: Tecnología educativa, Inteligencia Artificial

Temas de interés: Gamificación, Aprendizaje automático

SNI: No                      

Perfil PRODEP: No

miguel.gr@queretaro.tecnm.mx

Nombre: Dra. María Luisa Montes Almanza

Área de investigación: Tecnología Educativa, Sistemas inteligentes, IA

Temas de interés: Tecnología educativa con tecnologías disruptivas 4.0

SNI: No

Perfil PRODEP: Si

luisa.ma@queretaro.tecnm.mx

Nombre: Dr. Pedro Celestino Ramírez

Área de investigación:

Temas de interés:

SNI: No

Perfil PRODEP: No

Pedro.r@queretaro.tecnm.mx

Línea de aplicaciones en ciencia de datos

Nombre: Dr. Víctor Alejandro González Huitrón

Área de investigación: Visión artificial, arquitecturas de redes neuronales

Temas de interés: Visión Artificial, Aprendizaje profundo, sistemas embebidos

SNI: Nivel 1

Perfil PRODEP:  No

victor.gh@queretaro.tecnm.mx

https://scholar.google.com/citations?user=n8HaFZcAAAAJ&hl=es&oi=ao

Nombre: Dr. Juventino López Barroso

Área de investigación: Simulación estructural, Biomimética, Materiales compuestos

Temas de interés: Análisis de propiedades estructurales de geometrías complejas, simulación numérica de materiales compuestos

SNI: nivel 1

Perfil PRODEP: No

juventino.lb@queretaro.tecnm.mx

https://scholar.google.com/citations?user=8t_aZAsAAAAJ&hl=es&oi=ao

Nombre: Dr. Daniel Armando Serrano Huerta

Área de investigación: Mecánica de fluidos computacional 

Temas de interés: energías renovables, material granular. 

SNI: nivel 1

Perfil PRODEP: No

daniel.sh@queretaro.tecnm.mx

Nombre: Dr. Santiago Miguel Fernández Fraga

Área de investigación: Bioinformática, Análisis de señales biomédicas, Inteligencia Artificial, 

Temas de interés: aprendizaje máquina, inteligencia artificial, innovación

SNI: NO

Perfil PRODEP: NO

santiago.ff@queretaro.tecnm.mx

Nombre: Dra. Cynthia Graciela Flores Hernández

Área de investigación: Desarrollo de biomateriales mediante manufactura aditiva, electrospinning, extrusión y casting.

Temas de interés: biopolímeros y biocompositos. 

SNI: nivel 1

Perfil PRODEP: No

cynthia.fh@queretaro.tecnm.mx

Nombre: M. T. E. Ma. del Consuelo Frias Maldonado

Área de investigación:

Temas de interés:

SNI: No

Perfil PRODEP: Si

consuelo.fm@queretaro.tecnm.mx

Nombre: Dra. Ma. Elena Montes Almanza

Área de investigación: Tecnología Educativa, Sistemas inteligentes, IA

Temas de interés: Tecnología educativa con tecnologías disruptivas 4.0

SNI: No

Perfil PRODEP: Si

elena.ma@queretaro.tecnm.mx

Nombre: Dra. Gabriela Pineda Chacón

Área de investigación: 

Temas de interés: Contaminación ambiental en agua, suelo y cultivos agrícolas, economía circular, agricultura sustentable, biorremediación y análisis de riesgo.

SNI: No

Perfil PRODEP:  No

gabriela.pc@queretaro.tecnm.mx

https://scholar.google.com/citations?user=WDFUMAYAAAAJ&hl=es&oi=ao

Proyectos Financiados Vigentes

LGACNombre del proyectoNombre del investigadorFuente de financiamiento
Aplicaciones de Ciencia de DatosImplementación de un sistema MPRYolanda Jiménez Flores, Daniel Armando Serrano HuertaSEDENA
Fundamentos en Ciencia de DatosDiseño de una turbina de viento sin aspas para la cosecha de energía en entornos urbanosIsaac Hernández ArriagaTecNM
Aplicaciones en Ciencia de DatosEstudio del envejecimiento de probetas obtenidas por manufactura aditiva encaminado a una economía circularJuventino López BarrosoTecNM
Aplicaciones en Ciencias de Datos“Caracterización de pérdidas en redes de baja tensión mediante instrumentos de medición y análisis”María Ángela Magdalena Jiménez Grajales.CONAHCYT

Estudiantes

Estudiantes

Actualmente contamos con 8 estudiantes inscritos en la generación 2023-2025 y 6 estudiantes en la generación 2024-2026.

SII

PAGOS

Egresados

Laboratorios

Laboratorios

Ética en la Investigación

Repositorio

Vinculación

Vinculación

Para el Tecnológico Nacional de México es prioridad promover y fortalecer la vinculación con los diferentes sectores privados y públicos de la sociedad, lo cual se concreta a través de la firma de diversos convenios de concertación o colaboración. Se enlistan a continuación, algunos de estos convenios vigentes que son relevantes por su relación con el programa de Maestría en Ciencia de Datos, mismos que han sido gestionados por el  Instituto Tecnológico de Querétaro con diversas empresas líderes en su ramo, centros de investigación destacados, universidades de prestigio y organismos del sector gubernamental; reflejando de esta manera, el compromiso del Instituto con la creación de sinergias estratégicas y la promoción de un entorno de innovación y excelencia educativa, con lo que se garantiza una sólida red de alianzas que fortalece la misión y visión del programa de posgrado.

FolioPersona moral o física con quien se signó el convenioClasificación de la instanciaVigencia – fin
263INSTITUTO ELECTORAL DEL ESTADO DE QUERÉTAROGobierno Estatal2026-09-14
7773CONSEJO DE CIENCIA Y TECNOLOGÍA DEL ESTADO DE QUERÉTAROGobierno Estatal2026-06-06
8956TECNM INSTITUTO TECNOLÓGICO DE ROQUEInstitución Educativa2027-05-31
9061TECNM INSTITUTO TECNOLÓGICO DE CELAYAInstitución Educativa2027-02-21
9283TECNM INSTITUTO TECNOLÓGICO DE AGUASCALIENTESInstitución Educativa2027-06-01
9326CRODE CELAYAInstitución Educativa2026-07-07
15882CENTRO DE INVESTIGACIÓN Y DE ESTUDIOS AVANZADOSCentro de Investigaciòn2026-05-19  
15937TECNM INSTITUTO TECNOLÓGICO DE LÁZARO CÁRDENASInstitución Educativa2026-03-01
17910INSTITUTO TECNOLÓGICO DE SAN JUAN DEL RÍOInstitución Educativa2026-03-06
18333UNIVERSIDAD AUTÓNOMA DE QUERÉTAROInstitución Educativa2024-10-31
22234LA SECRETARÍA DE LA DEFENSA NACIONALGobierno Federal2025-10-30
22268INSTITUTO TECNOLÓGICO DE CIUDAD MADEROInstitución Educativa2027-09-12
22343CLÚSTER AUTOMOTRIZ DE QUERÉTAROAsociación Civil2026-12-18
22605CENTRO INTERDISCIPLINARIO DE INVESTIGACIÓN Y DOCENCIA EN EDUCACIÓN TÉCNICACentro de Investigación2027-01-09
22936INSTITUTO DE SEGURIDAD Y SERVICIOS SOCIALES DE LOS TRABAJADORES DEL ESTADOGobierno Estatal2027-01-08
23201UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICOInstitución Educativa2029-02-01