Plan de estudios · Ingeniería en Inteligencia Artificial

Facultad 2 · Inteligencia Artificial y Ciencia de Datos · Escuela de Inteligencia Artificial Aplicada · código IAA. Elaborado según 03-academico/ESPECIFICACION-PLANES.md (Instructivo CNU G.O. 36.847 Ext. numeral 1.2; Acuerdo CNU 0173 arts. 15-29). Borrador 29-oct-2026.

1. Identificación

2. Justificación

El Plan Nacional de Inteligencia Artificial 2025-2031 del Mincyt fija metas de formación de 10.000 personas en la Red Nacional de Desarrollo de Software, 1.000 ingenieros de datos y 1.500 becas de pregrado y posgrado, además de un centro de supercómputo para 2.000 usuarios académicos y 2.000 del sector privado y un Instituto Nacional de Inteligencia Artificial como regulador [F10]. La única Ingeniería en Inteligencia Artificial pública del país egresa su primera promoción en 2031 [F10, F11], y la autoridad de esa universidad la señala entre las carreras más demandadas por los jóvenes [F11]. No se identificó oferta privada de pregrado en inteligencia artificial en Caracas [F12]. El análisis completo está en 02-factibilidad/estudio-factibilidad-I.md, literal a.4.

La demanda del sector productivo es consistente con la política pública: tecnología encabeza los sectores que contratan [F3] y las startups con respaldo financiero contratan ingeniería de software, datos y seguridad [F6]. El país se ubica en la categoría «explorador» del Índice Latinoamericano de Inteligencia Artificial 2024, con pérdida sostenida de talento investigador [F13]. Una ingeniería con ciclo básico completo (matemática, física, computación) y profundización en aprendizaje automático, lenguaje natural, visión por computador, agentes y despliegue de modelos forma el perfil que el Plan Nacional necesita para operar el supercómputo, el Instituto Nacional y los 300 proyectos aplicados previstos.

La carrera ofrece salida intermedia de Técnico Superior Universitario en Inteligencia Artificial Aplicada al sexto semestre, con el mismo plan que la TSU del Instituto Universitario de Tecnología (B). El técnico egresa con competencias para integrar modelos existentes en productos, preparar datos, entrenar modelos supervisados y desplegarlos bajo supervisión; el ingeniero añade el ciclo de ciencias básicas de la ingeniería, el diseño de sistemas de inteligencia artificial completos, la investigación aplicada y la responsabilidad sobre su operación y regulación.

El campo de práctica es real: GalaxIA Empresarial (plataforma de software para pymes) integra modelos de lenguaje y asistentes conversacionales para negocios; Nexus Pay (pasarela de pagos y factoring) requiere detección de fraude y evaluación de riesgo; FTG Investment & Consulting C.A., Comercial El Cóndor, Agroinsumos Capital y Maderas La Rola aportan problemas de pronóstico, visión por computador para inventarios y optimización logística.

3. Perfil de egreso

Competencias generales

1. Aplicar matemática, física y ciencias de la computación a la formulación y solución de problemas de ingeniería.
2. Diseñar, implementar, probar y mantener sistemas computacionales con criterios de calidad, seguridad y eficiencia.
3. Comunicar diseños, resultados y riesgos técnicos en español y en inglés técnico a públicos técnicos y no técnicos.
4. Actuar con responsabilidad ética, legal y social, con especial atención a la protección de datos personales y a los impactos de la automatización.
5. Formular modelos de negocio y proyectos tecnológicos con la metodología de pensamiento empresarial de la Universidad.
6. Trabajar en equipos multidisciplinarios, presenciales y remotos, y liderar proyectos técnicos.
7. Mantener actualización permanente en un campo de cambio acelerado mediante lectura científica y experimentación.

Competencias específicas

1. Construir, entrenar, evaluar y explicar modelos de aprendizaje automático y aprendizaje profundo para datos tabulares, texto, imagen, audio y series de tiempo.
2. Diseñar sistemas de procesamiento de lenguaje natural, incluidos los que integran modelos de lenguaje preentrenados, con evaluación de calidad, costo y riesgo.
3. Desarrollar sistemas de visión por computador para clasificación, detección, segmentación y seguimiento.
4. Diseñar agentes inteligentes y sistemas multiagente que perciben, razonan, planifican y actúan en entornos reales o simulados.
5. Integrar modelos de inteligencia artificial en productos de software mediante interfaces de programación, con control de versiones de datos y modelos.
6. Operar el ciclo de vida de modelos en producción: despliegue, monitoreo, reentrenamiento, gobernanza y auditoría.
7. Aprovechar arquitecturas de cómputo de alto rendimiento, paralelismo y aceleradores para entrenar e inferir a escala.
8. Diseñar canales de datos para inteligencia artificial, con calidad, trazabilidad y protección de datos personales.
9. Evaluar y mitigar sesgos, riesgos de seguridad y daños de sistemas de inteligencia artificial, aplicando marcos regulatorios nacionales e internacionales.
10. Dimensionar costos de cómputo, energía y licenciamiento de soluciones de inteligencia artificial y justificar decisiones técnicas ante decisores.
11. Formular y ejecutar proyectos de investigación aplicada en inteligencia artificial con rigor metodológico.
12. Transferir soluciones de inteligencia artificial a pymes y organismos públicos venezolanos, adaptadas a sus datos y restricciones.

4. Campo ocupacional

Cargos: ingeniero de aprendizaje automático · ingeniero de inteligencia artificial aplicada · ingeniero de datos para inteligencia artificial · especialista en procesamiento de lenguaje natural · especialista en visión por computador · ingeniero de operaciones de modelos · arquitecto de soluciones de inteligencia artificial · investigador junior · consultor en adopción de inteligencia artificial para pymes y sector público · docente universitario en computación e inteligencia artificial.

Tipos de organización: empresas de software y plataformas para pymes · pasarelas de pago, fintech y banca · comercializadoras, importadoras y operadores logísticos · empresas agroindustriales y forestales · centros de supercómputo y el Instituto Nacional de Inteligencia Artificial previsto en el Plan Nacional · universidades e institutos de investigación · startups con financiamiento externo · empresas de telecomunicaciones, salud y energía · organismos públicos con procesos de automatización.

5. Plan de estudios por semestre

Convenciones: HT = horas teóricas semanales · HP = horas prácticas o de laboratorio semanales (3 horas de pasantía = 1 UC) · UC = unidades de crédito · Modalidad P presencial, M mixta, L en línea.

Homologación de TRV-103. La unidad transversal Métodos Cuantitativos I se homologa con Matemática I del ciclo básico de ingeniería: conserva el código TRV-103, se denomina «Métodos Cuantitativos I (Matemática I)», desarrolla cálculo diferencial e introducción a la integral y es prelación de IAA-201 Matemática II y de IAA-303 Probabilidad y Estadística. El eje transversal de métodos cuantitativos se cumple con esta unidad y se refuerza con la secuencia Matemática II-IV.

Semestre 1

Semestre 2

Semestre 3

Semestre 4

Semestre 5

Semestre 6

Semestre 7

Semestre 8

Semestre 9

Semestre 10

Resumen

Acumulado al corte TSU (semestres 1 a 6): 132 UC. Electivas (IAA-804, IAA-902): robótica y sistemas embebidos, inteligencia artificial en salud, inteligencia artificial en finanzas y pagos, procesamiento de voz y audio, inteligencia artificial para agricultura y recursos naturales; la oferta se publica cada semestre según disponibilidad docente.

6. Sinopsis de las unidades curriculares

TRV-103 · Métodos Cuantitativos I (Matemática I). Funciones, límites, continuidad, derivada, aplicaciones de la derivada, introducción a la integral; razonamiento cuantitativo aplicado a problemas de ingeniería y de negocio. Producto: pruebas escritas y proyecto de modelado.

IAA-101 · Algoritmos y Programación. Pensamiento algorítmico, estructuras de control, funciones, recursión, colecciones, archivos, depuración, control de versiones. Producto: conjunto de programas documentados y probados.

IAA-102 · Álgebra Lineal. Vectores, matrices, sistemas lineales, espacios vectoriales, transformaciones lineales, autovalores, descomposiciones matriciales y mínimos cuadrados. Producto: taller computacional sobre transformaciones y proyecciones.

IAA-103 · Lógica y Matemática Discreta. Lógica proposicional y de predicados, conjuntos, relaciones, funciones, inducción, combinatoria, grafos, introducción a autómatas. Producto: resolución de problemas y demostraciones.

TRV-101 · Pensamiento Empresarial I. Ideación, problema del cliente, propuesta de valor y modelo de negocio con la metodología de la Universidad. Producto: lienzo de modelo de negocio validado con entrevistas.

TRV-102 · Inglés Técnico I. Comprensión lectora de documentación técnica y vocabulario de computación. Producto: glosario y lectura comentada.

IAA-201 · Matemática II. Integral definida e impropia, técnicas de integración, sucesiones y series, funciones de varias variables, derivadas parciales, gradiente, integrales múltiples. Producto: pruebas escritas y proyecto aplicado a funciones de pérdida.

IAA-202 · Física I. Cinemática, dinámica, trabajo y energía, cantidad de movimiento, rotación, oscilaciones, mediciones y errores; laboratorio. Producto: informes de laboratorio y prueba escrita.

IAA-203 · Programación Orientada a Objetos y Estructuras de Datos. Clases, herencia, polimorfismo, listas, pilas, colas, árboles, tablas de dispersión, grafos, complejidad, pruebas unitarias. Producto: biblioteca de estructuras de datos documentada.

IAA-204 · Fundamentos de Inteligencia Artificial. Historia y alcance, agentes racionales, búsqueda, satisfacción de restricciones, representación del conocimiento, introducción al aprendizaje, impactos sociales. Producto: agente de búsqueda para un problema real.

TRV-201 · Pensamiento Empresarial II. Finanzas del negocio: flujo de caja, punto de equilibrio, precio y margen, financiamiento, indicadores. Producto: plan financiero de un negocio real.

TRV-202 · Inglés Técnico II. Lectura de artículos técnicos, redacción breve, presentación guiada. Producto: resumen escrito y exposición.

IAA-301 · Matemática III. Ecuaciones diferenciales ordinarias, sistemas lineales de ecuaciones diferenciales, transformadas, cálculo vectorial, introducción a ecuaciones en derivadas parciales. Producto: pruebas escritas y simulaciones.

IAA-302 · Física II. Electrostática, circuitos, magnetismo, inducción, ondas, óptica y fundamentos físicos de sensores y dispositivos de cómputo; laboratorio. Producto: informes de laboratorio y prueba escrita.

IAA-303 · Probabilidad y Estadística. Probabilidad, variables aleatorias, distribuciones, estimación, intervalos, pruebas de hipótesis, regresión lineal, simulación. Producto: estudio estadístico sobre datos reales.

IAA-304 · Arquitectura de Computadores. Representación de datos, lógica digital, procesador, memoria, jerarquía de caché, entrada y salida, lenguaje ensamblador, rendimiento, aceleradores. Producto: prácticas de laboratorio y proyecto de medición de rendimiento.

TRV-301 · Ética, Legalidad y Protección de Datos. Ética profesional, marco constitucional venezolano de protección de la vida privada y habeas data, delitos informáticos, mensajes de datos, Ley 81 de 2019 de Panamá como referencia regional, consentimiento y minimización. Producto: análisis de caso y política de tratamiento de datos.

TRV-302 · Inglés Técnico III. Lectura crítica de artículos científicos y redacción técnica. Producto: reseña y presentación.

IAA-401 · Matemática IV. Métodos numéricos (raíces, sistemas, interpolación, integración, ecuaciones diferenciales), optimización numérica, descenso de gradiente y variantes, condicionamiento y estabilidad. Producto: biblioteca numérica y análisis de error.

IAA-402 · Sistemas Operativos. Procesos e hilos, planificación, sincronización, memoria virtual, sistemas de archivos, virtualización y contenedores, administración de sistemas tipo Unix. Producto: prácticas de laboratorio y proyecto de concurrencia.

IAA-403 · Bases de Datos. Modelo relacional, SQL, normalización, transacciones, índices, bases no relacionales, almacenamiento de vectores para aplicaciones de inteligencia artificial. Producto: base de datos diseñada y consultas analíticas.

IAA-404 · Aprendizaje Automático I. Regresión, clasificación, árboles y ensambles, vecinos cercanos, máquinas de soporte vectorial, regularización, validación, métricas, sesgo y varianza. Producto: solución reproducible a un problema de una empresa del campo de práctica.

IAA-405 · Algoritmos Avanzados y Complejidad. Divide y vencerás, programación dinámica, algoritmos voraces, grafos, flujos, clases de complejidad, aproximación y heurísticas. Producto: análisis y resolución de problemas algorítmicos.

TRV-402 · Inglés Técnico IV. Informes técnicos, presentación de resultados, entrevistas profesionales. Producto: informe y defensa oral en inglés.

IAA-501 · Redes de Computadores. Modelo por capas, protocolos de red y transporte, enrutamiento, aplicaciones, seguridad básica, redes para centros de cómputo. Producto: prácticas de laboratorio y diseño de red.

IAA-502 · Aprendizaje Profundo. Redes neuronales, retropropagación, optimización, regularización, redes convolucionales, recurrentes y de atención, entrenamiento con aceleradores en el laboratorio de la sede. Producto: modelo profundo entrenado, evaluado y documentado.

IAA-503 · Procesamiento de Lenguaje Natural. Preprocesamiento, representaciones vectoriales de palabras y oraciones, etiquetado, clasificación de texto, modelos de secuencia, atención, evaluación, español y variantes regionales. Producto: sistema de clasificación o extracción sobre texto real.

IAA-504 · Ingeniería de Datos para Inteligencia Artificial. Canales de datos, calidad, etiquetado, versionado de datos, almacenamiento para entrenamiento, trazabilidad y protección de datos personales. Producto: canal de datos para un proyecto de aprendizaje automático.

IAA-505 · Visión por Computador. Formación de imágenes, filtrado, características, clasificación, detección, segmentación, seguimiento, redes convolucionales aplicadas, cámaras y sensores. Producto: sistema de visión para un caso de inventario o calidad.

IAA-506 · Metodología de la Investigación. Pregunta de investigación, revisión de literatura, diseño experimental, reproducibilidad, redacción científica, citación, ética de la investigación. Producto: anteproyecto de investigación.

IAA-601 · Agentes Inteligentes y Sistemas Multiagente. Arquitecturas de agentes, planificación, razonamiento bajo incertidumbre, aprendizaje en agentes, comunicación y coordinación entre agentes, agentes basados en modelos de lenguaje, simulación. Producto: sistema multiagente para un problema logístico o de atención.

IAA-602 · Cómputo de Alto Rendimiento. Paralelismo en memoria compartida y distribuida, programación de aceleradores, perfilado, escalabilidad, programación de trabajos en clúster, eficiencia energética. Producto: aplicación paralela medida y optimizada.

IAA-603 · Despliegue de Modelos (MLOps I). Empaquetado, contenedores, interfaces de programación, pruebas de modelos, versionado de modelos, monitoreo básico, despliegue en servidores propios y en nube pública. Producto: modelo desplegado con pruebas y monitoreo.

IAA-604 · Proyecto Técnico (TSU). Proyecto integrador que entrega una solución de inteligencia artificial aplicada a una organización real. Producto: informe técnico y defensa ante jurado; requisito de grado de la TSU.

IAA-605 · Pasantía Técnica (TSU). 240 horas en empresa del campo de práctica o en convenio, con tutor empresarial y tutor académico. Producto: informe de pasantía y evaluación del tutor empresarial.

TRV-601 · Servicio Comunitario. 120 horas de proyecto comunitario con aplicación de competencias de computación e inteligencia artificial. Producto: informe avalado por la comunidad; requisito de grado.

IAA-701 · Modelos de Lenguaje y su Integración en Productos. Arquitecturas de modelos de lenguaje, preentrenamiento y ajuste fino, instrucciones y evaluación, recuperación aumentada, agentes conversacionales, costos de inferencia, seguridad y privacidad, integración en productos para pymes. Producto: producto con modelo de lenguaje integrado y evaluado.

IAA-702 · Aprendizaje por Refuerzo. Procesos de decisión de Markov, programación dinámica, métodos de Monte Carlo y de diferencias temporales, aproximación de funciones, políticas, aplicaciones en control, logística y recomendación. Producto: agente entrenado en un entorno simulado.

IAA-703 · Inteligencia Artificial Responsable y Regulación. Principios éticos internacionales, equidad, transparencia, explicabilidad, evaluación de impacto, gestión de riesgos, regulación comparada, Plan Nacional de Inteligencia Artificial y futuro Instituto Nacional, protección de datos personales. Producto: evaluación de impacto y plan de cumplimiento de un sistema real.

IAA-704 · Sistemas Distribuidos y Datos a Gran Escala. Consistencia, replicación, tolerancia a fallas, procesamiento distribuido por lotes y en flujo, colas de mensajes, almacenamiento distribuido. Producto: sistema distribuido de procesamiento de datos con pruebas de falla.

IAA-801 · Operación y Gobernanza de Modelos (MLOps II). Monitoreo de deriva, reentrenamiento, pruebas en producción, gobernanza, auditoría, documentación de modelos, costos, seguridad operativa. Producto: plataforma de operación de modelos documentada.

IAA-802 · Inteligencia Artificial Aplicada a Pymes y Sector Productivo. Diagnóstico de oportunidades, datos disponibles en pymes venezolanas, soluciones de pronóstico, atención automatizada, visión para inventarios, evaluación de retorno. Producto: solución implantada en una empresa del campo de práctica.

IAA-803 · Seminario de Trabajo Especial de Grado. Problema, estado del arte, diseño metodológico, plan de trabajo. Producto: anteproyecto aprobado por la Escuela.

IAA-804 · Electiva I y IAA-902 · Electiva II. Profundización sectorial o técnica según la oferta del semestre. Producto: proyecto aplicado al área elegida.

IAA-805 · Seguridad y Robustez de Sistemas de Inteligencia Artificial. Ataques adversarios, envenenamiento de datos, extracción de modelos, inyección de instrucciones en modelos de lenguaje, defensas, pruebas de robustez, seguridad de la cadena de suministro de software. Producto: evaluación de robustez de un modelo con plan de mitigación.

TRV-901 · Pasantía Profesional. 480 horas en empresa del campo de práctica o en convenio, con plan de trabajo y doble tutoría. Producto: informe y defensa de pasantía.

IAA-901 · Gestión de Proyectos y Productos de Inteligencia Artificial. Descubrimiento de producto, alcance, estimación, riesgo técnico, métricas de producto, equipos, comunicación ejecutiva. Producto: plan de producto y presentación ejecutiva.

TRV-1001 · Trabajo Especial de Grado. Investigación aplicada o desarrollo tecnológico con una organización real, bajo tutoría. Producto: trabajo escrito y defensa pública ante jurado.

IAA-1001 · Tópicos Avanzados en Inteligencia Artificial. Temas de frontera según la línea de investigación de la Escuela: modelos generativos multimodales, aprendizaje federado, inteligencia artificial neuro-simbólica, aprendizaje con pocos datos, eficiencia de modelos. Producto: revisión crítica y prototipo.

IAA-1002 · Emprendimiento Tecnológico y Transferencia. Modelos de negocio de productos de inteligencia artificial, propiedad intelectual, licencias abiertas, formulación de proyectos para financiamiento, transferencia a pymes y organismos públicos. Producto: propuesta de emprendimiento o transferencia ante un panel.

7. Componente práctico

Pasantía Técnica (IAA-605, semestre 6, 240 h) y Pasantía Profesional (TRV-901, semestre 9, 480 h). Se cumplen en GalaxIA Empresarial, Nexus Pay, FTG Investment & Consulting C.A., Comercial El Cóndor, Agroinsumos Capital, Maderas La Rola o en organizaciones en convenio (centros de investigación, startups, organismos públicos). Plan de trabajo aprobado por la Escuela, tutor empresarial y tutor académico, bitácora semanal, informe final y evaluación compartida (60 % tutor empresarial, 40 % tutor académico). La Pasantía Técnica es requisito de grado de la TSU; la Pasantía Profesional lo es de la Ingeniería.

Servicio Comunitario (TRV-601, 120 h, 0 UC). Conforme a la Ley de Servicio Comunitario del Estudiante de Educación Superior, a partir del semestre 6 (más del 50 % de la carga académica aprobada). Proyectos tipo: automatización de procesos en escuelas y centros de salud comunitarios, alfabetización digital y en inteligencia artificial, asistentes informativos para consejos comunales. Coordinado por la Coordinación de Extensión.

Proyecto Técnico (IAA-604) y Trabajo Especial de Grado (TRV-1001). El Proyecto Técnico cierra la TSU con una solución de inteligencia artificial aplicada e implantada o lista para implantar. El Trabajo Especial de Grado es investigación aplicada o desarrollo tecnológico con tutoría académica y, cuando aplica, empresarial; defensa pública ante jurado de tres miembros. Línea de investigación de la Escuela: modelos de inteligencia artificial para pymes, lenguaje natural en español venezolano y visión por computador para cadenas de suministro.

8. Componente tecnológico multimodal (Acuerdo 0173 arts. 15, 26-31)

Modelo de producción y estudio (común a todas las carreras). Cada unidad curricular de este plan se produce una sola vez como curso en video generado con inteligencia artificial —32 lecciones de unos 6 minutos con presentador y voz sintéticos, planos y gráficos generados— sobre guion de un autor experto y con validación académica, y queda montada en la plataforma con sus lecturas, ejercicios y banco de evaluación. El estudiante la cursa desde su casa, en Venezuela o en el exterior, dentro del calendario del semestre, con una sesión sincrónica semanal con su tutor. Las unidades marcadas L se evalúan en línea; las M añaden una evaluación final presencial o sincrónica supervisada con verificación de identidad; las P se concentran en períodos intensivos presenciales (laboratorios, campo, prácticas) en la sede central de Caracas o en instalaciones por convenio. Los laboratorios de cómputo y datos son entornos virtuales en la nube. El catálogo se regraba en un 15 % cada año. Respaldo de la data académica en territorio venezolano (Acuerdo 0173 art. 30); recursos con licencia abierta (arts. 26-29).

Plataforma. Plataforma de gestión del aprendizaje institucional con módulos cortos (video, audio, lectura, evaluación inmediata y micro-ejercicio), foros, entrega de tareas, rúbricas, videoconferencia integrada, control académico y expediente digital. Acceso desde computador y teléfono con bajo consumo de datos; contenidos descargables.

Laboratorios físicos. Laboratorio de Inteligencia Artificial y Cómputo de Alto Rendimiento en la sede de Caracas: estaciones de trabajo, clúster de servidores con aceleradores de cómputo, almacenamiento compartido de alta velocidad, red de laboratorio, cámaras y sensores para visión por computador, laboratorio de física con instrumentación básica, laboratorio de arquitectura de computadores y redes. Espacio de las unidades P y de las sesiones presenciales de las unidades M.

Laboratorios virtuales. Entornos de cómputo remotos con cuadernos interactivos y acceso programado al clúster, simuladores de agentes y entornos de aprendizaje por refuerzo, bases de datos de práctica, conjuntos de datos anonimizados del campo de práctica, capacidad de cómputo en nube pública para cargas puntuales, repositorio institucional de código, datos y modelos.

Recursos educativos abiertos (arts. 26-29). Contenidos propios con licencias abiertas; libros de texto abiertos y cursos abiertos (sección 11); repositorio de la Escuela con metadatos y versionado.

Respaldo de datos en territorio venezolano (art. 30). La data académica reside y se respalda en centro de datos ubicado en territorio venezolano, con copias cifradas, pruebas de restauración semestrales y plan de continuidad. El uso de nube pública extranjera se limita a cómputo de práctica con datos anonimizados; ningún dato personal de estudiantes sale del territorio nacional.

Soporte al estudiante. Mesa de ayuda en horario extendido, inducción obligatoria al modelo multimodal, tutoría académica por cohorte, orientación vocacional, alertas tempranas de prosecución.

Proporción de modalidades (en UC y %).

9. Perfil docente requerido (Acuerdo 0173 art. 25)

Roles del personal académico en el modelo digital. Los perfiles de esta tabla se cubren con tres figuras: autores expertos que escriben el guion, los ejercicios y el banco de evaluación de cada unidad (contratados por unidad producida), validadores académicos que aprueban la versión final, y tutores académicos en nómina que acompañan a la cohorte, uno por cada 70 estudiantes activos, con respuesta en 48 horas y sesión sincrónica semanal. El «número estimado de docentes» de la tabla se lee como número de autores y validadores necesarios para producir las unidades del área; los tutores se dimensionan por matrícula en 02-factibilidad/estudio-factibilidad-II.md. Todos acreditan certificación en educación mediada por TIC (Acuerdo 0173 art. 25).

Al régimen completo (10 semestres activos) se estima una planta de 26 a 30 docentes, con al menos 30 % a tiempo completo o dedicación exclusiva, un coordinador de la Escuela con doctorado en computación o afín y al menos dos docentes-investigadores adscritos a la línea de investigación.

10. Evaluación de los aprendizajes y de la carrera

Criterios. Evaluación continua por competencias con ponderación publicada al inicio; mínimo tres evaluaciones parciales y un producto final; escala de 1 a 20, aprobación con 10; evidencias conservadas en el expediente digital.

Instrumentos. Cuestionarios con retroalimentación inmediata, ejercicios de programación con corrección automática y revisión docente, informes de laboratorio, proyectos con datos y problemas reales evaluados con rúbricas, portafolio de código y modelos, presentaciones orales, coevaluación.

Evaluación presencial de competencias prácticas. Toda unidad M o P incluye evaluación final presencial de competencias prácticas en la sede de Caracas (o núcleo autorizado) con verificación de identidad; las unidades L incluyen al menos una evaluación sincrónica con verificación de identidad. Laboratorios de física, arquitectura, redes y cómputo de alto rendimiento se evalúan únicamente en sede. Pasantías, Proyecto Técnico y Trabajo Especial de Grado se defienden presencialmente.

Integridad académica. Uso declarado de herramientas de generación automática de código y texto, verificación de comprensión por defensa oral y evaluaciones presenciales; sanciones del reglamento estudiantil ante plagio o suplantación.

Evaluación de la carrera y mejora continua (Acuerdo 0173 art. 20). Comité curricular con participación estudiantil y de empresas del campo de práctica; indicadores semestrales de prosecución, deserción, aprobación, satisfacción y empleabilidad; encuesta a tutores empresariales; revisión del plan cada dos años, con especial atención a la actualización de IAA-701, IAA-1001 y las electivas; informe a la Coordinación de Sistemas Multimodales y al Consejo Universitario; notificación al CNU de las modificaciones.

11. Recursos y bibliografía

Recursos educativos abiertos. Libros de texto abiertos de cálculo, álgebra lineal, física y estadística de la iniciativa OpenStax; cursos abiertos de universidades con licencia abierta en aprendizaje automático, aprendizaje profundo y sistemas; repositorios de preprints de acceso abierto; conjuntos de datos públicos y anonimizados del campo de práctica en el repositorio institucional; documentación abierta de bibliotecas de código libre.

Matemática y física. Stewart, J., Cálculo de una variable y Cálculo de varias variables. Strang, G., Introduction to Linear Algebra. Rosen, K., Matemática discreta y sus aplicaciones. Zill, D., Ecuaciones diferenciales con aplicaciones de modelado. Burden, R. y Faires, J., Análisis numérico. Nocedal, J. y Wright, S., Numerical Optimization. Walpole, R., Myers, R., Myers, S. y Ye, K., Probabilidad y estadística para ingeniería y ciencias. Serway, R. y Jewett, J., Física para ciencias e ingeniería.

Computación. Cormen, T., Leiserson, C., Rivest, R. y Stein, C., Introduction to Algorithms. Patterson, D. y Hennessy, J., Computer Organization and Design. Hennessy, J. y Patterson, D., Computer Architecture: A Quantitative Approach. Tanenbaum, A. y Bos, H., Sistemas operativos modernos. Kurose, J. y Ross, K., Redes de computadoras: un enfoque descendente. Silberschatz, A., Korth, H. y Sudarshan, S., Fundamentos de bases de datos. Tanenbaum, A. y van Steen, M., Distributed Systems. Kleppmann, M., Designing Data-Intensive Applications. Pacheco, P., An Introduction to Parallel Programming. Kirk, D. y Hwu, W., Programming Massively Parallel Processors.

Inteligencia artificial y aprendizaje automático. Russell, S. y Norvig, P., Inteligencia artificial: un enfoque moderno. Bishop, C., Pattern Recognition and Machine Learning. Murphy, K., Probabilistic Machine Learning: An Introduction y Advanced Topics. Goodfellow, I., Bengio, Y. y Courville, A., Deep Learning. Zhang, A., Lipton, Z., Li, M. y Smola, A., Dive into Deep Learning. Prince, S., Understanding Deep Learning. Jurafsky, D. y Martin, J., Speech and Language Processing. Szeliski, R., Computer Vision: Algorithms and Applications. Sutton, R. y Barto, A., Reinforcement Learning: An Introduction. Wooldridge, M., An Introduction to MultiAgent Systems. Huyen, C., Designing Machine Learning Systems.

Inteligencia artificial responsable, ética y regulación. Floridi, L., The Ethics of Artificial Intelligence. Barocas, S., Hardt, M. y Narayanan, A., Fairness and Machine Learning. UNESCO, Recomendación sobre la Ética de la Inteligencia Artificial (2021). OCDE, Principios sobre Inteligencia Artificial (2019, revisados 2024). Unión Europea, Reglamento (UE) 2024/1689 sobre inteligencia artificial (referencia comparada). Mincyt, Plan Nacional de Inteligencia Artificial 2025-2031. Red Iberoamericana de Protección de Datos, Estándares de Protección de Datos Personales para los Estados Iberoamericanos (2017). República de Panamá, Ley 81 de 2019 y Decreto Ejecutivo 285 de 2021. Constitución de la República Bolivariana de Venezuela, arts. 28 y 60; Ley Especial contra los Delitos Informáticos; Ley sobre Mensajes de Datos y Firmas Electrónicas; Ley de Infogobierno.

Gestión y emprendimiento. Osterwalder, A. y Pigneur, Y., Generación de modelos de negocio. Ries, E., El método Lean Startup. Gitman, L. y Zutter, C., Principios de administración financiera.

Inglés técnico. Glendinning, E. y McEwan, J., Oxford English for Information Technology. Esteras, S. R., Infotech: English for Computer Users.

12. Salida intermedia TSU

Título. Técnico Superior Universitario en Inteligencia Artificial Aplicada.

Unidades curriculares que acumula. Todas las de los semestres 1 a 6 (132 UC), incluidas las transversales TRV-101, TRV-201, TRV-102, TRV-202, TRV-302, TRV-402, TRV-103 y TRV-301, y el ciclo básico de matemática I-IV y física I-II.

Requisitos de grado del TSU. Aprobar las 132 UC de los semestres 1 a 6; aprobar la Pasantía Técnica (IAA-605, 240 h) y el Proyecto Técnico (IAA-604) con defensa ante jurado; cumplir el Servicio Comunitario (TRV-601, 120 h); solvencia con la Secretaría.

Continuidad. El egresado TSU ingresa directamente al semestre 7 de la Ingeniería sin pérdida de unidades de crédito y cursa las 68 UC restantes (semestres 7 a 10), incluidas la Pasantía Profesional y el Trabajo Especial de Grado. El egresado de la TSU en Inteligencia Artificial Aplicada del Instituto Universitario de Tecnología (B), cuyo plan es idéntico a los semestres 1 a 6, se incorpora en las mismas condiciones.

Perfil del TSU. Técnico capaz de preparar datos, entrenar y evaluar modelos de aprendizaje automático y profundo, construir sistemas básicos de lenguaje natural y visión por computador, desplegar modelos bajo supervisión y operar infraestructura de cómputo de laboratorio.