IPNTRANSFORMAVisión institucional
Volver al proyecto

Nivel superior · Renovación propuesta

INGENIERIA EN INTELIGENCIA ARTIFICIAL

IA confiable y evaluable

Por qué esta evolución puede aportar valor

IA confiable y evaluable

Como en la formación de CMU, fundamentos y responsabilidad deben acompañar las aplicaciones; mayor autonomía exige mejores controles.

Contenidos y rutas para explorar

01

Agentes

Diseñar sistemas que usan herramientas y ejecutan pasos con permisos y supervisión.

02

Modelos multimodales

Combinar texto, imagen u otras señales cuidando calidad y límites.

03

Seguridad y evaluación

Construir pruebas de error, sesgo y comportamiento adverso antes de uso.

Qué podemos aprender de la experiencia internacional

Referente para contrastar la propuesta

Carnegie Mellon · Currículo de Inteligencia Artificial

Conecta matemáticas, estadística y computación con aprendizaje automático, percepción, interacción y ética.

Conservar fundamentos y evaluar sistemas antes de incorporarlos a una tarea. Es un referente de estructura formativa; no prueba que todos los programas deban convertirse en carreras de IA.

Consultar el referente ↗

La existencia de esta práctica no prueba una mejora automática de egreso o empleo. La propuesta local debe comprobar aprendizaje y viabilidad; no anuncia alianza ni equivalencia institucional.

Una aplicación concreta para esta carrera

Comparar un sistema inteligente con una línea base no generativa.

La evidencia que importa

Error, sesgo, costo y capacidad de intervención humana.

Este caso permite contrastar los contenidos anteriores con una necesidad de proveedores, organizaciones o servicios públicos vinculados con los polos y corredores del Plan México.

Escuelas desde las que puede desarrollarse

Regresar y seguir explorando