- Inicio
- Conócenos
- Plan de Estudios
- Líneas (LGAC)
- Núcleo Académico
- Estudiantes
- Egresados
- Laboratorios
- Ética en la Investigación
- Vinculación
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
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
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 ASIGNATURA | TIPO DE ASIGNATURA |
Programación para ciencia de datos | BÁSICA |
Introducción a la ciencia de datos | BÁSICA |
Estadística para ciencia de datos | BÁSICA |
Matemáticas para ciencia de datos | BÁSICA |
Visualización de datos | BÁSICA |
Big data | BÁSICA |
Métodos numéricos | BÁSICA |
Gestión de proyectos | BÁSICA |
Minería de datos | BÁSICA |
Ética en ciencia de datos | BÁSICA |
Visión artificial | OPTATIVA |
Deep Learning | OPTATIVA |
Redes neuronales convolucionales | OPTATIVA |
Procesamiento de lenguaje natural | OPTATIVA |
Modelos basados en datos con información física | OPTATIVA |
Marco de referencia legal en ciberseguridad | OPTATIVA |
Inteligencia artificial para ciencia de datos | OPTATIVA |
Gemelos digitales | OPTATIVA |
Estadística avanzada | OPTATIVA |
Toma de decisiones basada en datos | OPTATIVA |
Criptografía | OPTATIVA |
Cómputo de alto rendimiento | OPTATIVA |
Ciberseguridad | OPTATIVA |
Aprendizaje automático | OPTATIVA |
Tópicos selectos I | OPTATIVA |
Tópicos selectos II | OPTATIVA |
Seminario de investigación I | OBLIGATORIA |
Seminario de investigación II | OBLIGATORIA |
Seminario de investigación III | OBLIGATORIA |
Tesis | OBLIGATORIA |
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
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

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
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
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

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
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
Nombre: Dr. Pedro Celestino Ramírez
Área de investigación:
Temas de interés:
SNI: No
Perfil PRODEP: No
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
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
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
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
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
LGAC | Nombre del proyecto | Nombre del investigador | Fuente de financiamiento |
Aplicaciones de Ciencia de Datos | Implementación de un sistema MPR | Yolanda Jiménez Flores, Daniel Armando Serrano Huerta | SEDENA |
Fundamentos en Ciencia de Datos | Diseño de una turbina de viento sin aspas para la cosecha de energía en entornos urbanos | Isaac Hernández Arriaga | TecNM |
Aplicaciones en Ciencia de Datos | Estudio del envejecimiento de probetas obtenidas por manufactura aditiva encaminado a una economía circular | Juventino López Barroso | TecNM |
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
Actualmente contamos con 8 estudiantes inscritos en la generación 2023-2025 y 6 estudiantes en la generación 2024-2026.
SII
PAGOS
Laboratorios


Repositorio
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.
Folio | Persona moral o física con quien se signó el convenio | Clasificación de la instancia | Vigencia – fin |
263 | INSTITUTO ELECTORAL DEL ESTADO DE QUERÉTARO | Gobierno Estatal | 2026-09-14 |
7773 | CONSEJO DE CIENCIA Y TECNOLOGÍA DEL ESTADO DE QUERÉTARO | Gobierno Estatal | 2026-06-06 |
8956 | TECNM INSTITUTO TECNOLÓGICO DE ROQUE | Institución Educativa | 2027-05-31 |
9061 | TECNM INSTITUTO TECNOLÓGICO DE CELAYA | Institución Educativa | 2027-02-21 |
9283 | TECNM INSTITUTO TECNOLÓGICO DE AGUASCALIENTES | Institución Educativa | 2027-06-01 |
9326 | CRODE CELAYA | Institución Educativa | 2026-07-07 |
15882 | CENTRO DE INVESTIGACIÓN Y DE ESTUDIOS AVANZADOS | Centro de Investigaciòn | 2026-05-19 |
15937 | TECNM INSTITUTO TECNOLÓGICO DE LÁZARO CÁRDENAS | Institución Educativa | 2026-03-01 |
17910 | INSTITUTO TECNOLÓGICO DE SAN JUAN DEL RÍO | Institución Educativa | 2026-03-06 |
18333 | UNIVERSIDAD AUTÓNOMA DE QUERÉTARO | Institución Educativa | 2024-10-31 |
22234 | LA SECRETARÍA DE LA DEFENSA NACIONAL | Gobierno Federal | 2025-10-30 |
22268 | INSTITUTO TECNOLÓGICO DE CIUDAD MADERO | Institución Educativa | 2027-09-12 |
22343 | CLÚSTER AUTOMOTRIZ DE QUERÉTARO | Asociación Civil | 2026-12-18 |
22605 | CENTRO INTERDISCIPLINARIO DE INVESTIGACIÓN Y DOCENCIA EN EDUCACIÓN TÉCNICA | Centro de Investigación | 2027-01-09 |
22936 | INSTITUTO DE SEGURIDAD Y SERVICIOS SOCIALES DE LOS TRABAJADORES DEL ESTADO | Gobierno Estatal | 2027-01-08 |
23201 | UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO | Institución Educativa | 2029-02-01 |