Mayor Información

Unidad de Posgrado de la Facultad de Ingeniería Económica, Estadística y CC.SS.
 
Horario de Atención (Por pandemia solo e-mail y WhatsApp)
Lunes a Viernes; 09:00 a 13:00 y 14:00 a 18:00 Horas.
 
 
posgrado.fieecs@uni.edu.pe

Examen de Admisión

Presentación

La Unidad de Posgrado de la Facultad de Ingeniería Económica, Estadística y CC.SS. de la Universidad Nacional de Ingeniería (UNI) tiene el agrado de presentar nuestro Doctorado en Ingeniería Estadística. 

El programa de Doctorado en Ciencias e Ingeniería Estadística (DCIES) está diseñado para científicos o profesionales investigadores en ciencia y tecnología, así como docentes universitarios. El estudiante de este programa doctoral profundizará su estudio en fundamentos de la teoría estadística, probabilidad o aprendizaje de máquina mediante el desarrollo de investigaciones científicas en diversas áreas del conocimiento, ingeniería y tecnología.

Perfil del egresado

El egresado del programa DCIES es un profesional o académico con capacidad para desarrollar investigaciones científicas en estadística o ingeniería estadística y sus aplicaciones en otras áreas del conocimiento y la tecnología. Posee fortalezas en comunicación de investigaciones y resultados estadísticos en cualquier campo de aplicación.

Malla curricular

El programa curricular del DCIES está organizado en 64 créditos totales distribuidos en 40 créditos de investigación científica, 6 créditos de fundamentos teóricos y 18 créditos en cursos de líneas de investigación aplicada. En tal sentido, los cursos de investigación científica constituyen el 64.5% de los créditos totales distribuidos en 6 ciclos académicos semestrales.

PRIMER CICLO

Cursos Obligatorios
Créditos
DCIES-111
Formulación de proyecto de investigación I2
DCIES-121
Teoría de probabilidades3
DCIES-131
Teoría estadística
3

DCIES-141

Estadística computacional

3
Total de créditos en el ciclo
11

SEGUNDO CICLO

Cursos Obligatorios
Créditos
DCIES-211
Formulación de proyecto de investigación II 2
DCIES-221
Estadística bayesiana aplicada
3
DCIES-231
Procesos estocásticos
3
DCIES-241

Estadística aplicada

3
Total de créditos en el ciclo
11

TERCER CICLO

Cursos Obligatorios
Créditos
DCIES-311
Ejecución del proyecto de investigación I3
DCIES-321
Técnicas de redacción científica4
DCIES-331
Aprendizaje de máquina
3

DCIES-341

Estadística espacial

3
Total de créditos en el ciclo
13

CUARTO CICLO

Cursos Obligatorios
Créditos
DCIES-411
Ejecución del proyecto de investigación II4
DCIES-421
Publicación en revista científica indexada I
8
Total de créditos en el ciclo
12

QUINTO CICLO

Cursos Obligatorios
Créditos
ECPG-111
Ejecución del proyecto de investigación III
4
ECPG-121
Publicación en revista científica indexada II
8
Total de créditos en el ciclo
12

SEXTO CICLO

Cursos Obligatorios
Créditos
ECPG-211
Redacción y sustentación de Tesis Doctoral5
Total de créditos en el ciclo
5

Sumilla de los cursos

Curso: Formulación de proyecto de investigación I
Tipo: Investigación científica
Créditos: 2
Horas lectivas totales: 24

Sumilla:

Comprender el proceso de elaboración y sustentación de una tesis científica y tecnológica. La investigación científica y el método científico. Estado del arte. Revisión de la literatura científica. Determinación del vacío de conocimiento. Delimitación de la estructura (integrativa, temática, cronológica, metodológica o teórica). Gestión de la documentación científica.

Curso: Teoría de probabilidades
Tipo: Fundamentos teóricos
Créditos: 3
Horas lectivas totales: 36

Sumilla:

1) Espacios de probabilidad: Teorema de extensión de Carathédory, Medidas de probabilidad, Variables aleatorias, Integral de Lebesgue, Esperanza matemática, Tipos de convergencia, Medidas producto, Teorema de Fubini, Independencia, Teorema de extensión de Kolmogorov, Teorema de Radón-Nikodim, Esperanza condicional. 2) Leyes de los grandes números: Convergencia en probabilidad y convergencia casi-segura, Ley débil de los grandes números, Lemas de Borel-Cantelli, Ley fuerte de los grandes números. 3) Teorema de límite central (TLC): Convergencia en distribución, Función característica, TLC para variables aleatorias I.I.D. 4) Teoria de Martingalas: Desigualdad de Doob, Convergencia en Lp, Integrabilidad Uniforme, Convergencia en L1, Teorema de parada óptima. 5) Movimiento Browniano: Construcción, Propiedades de Markov, Princípio de Reflexión, Tiempos de Paso.

Curso: Teoría estadística
Tipo: Fundamentos teóricos
Créditos: 3
Horas lectivas totales: 36

Sumilla:

Estimación. Suficiencia. Sesgo. Consistencia. Información de Fisher. El método delta, transformaciones estabilizadoras de la varianza. Pruebas de Hipótesis. Lema fundamental de Neyman-Pearson, la prueba de la razón de verosimilitud generalizada, el problema de Behrens-Fisher. La prueba de multiplicadores de Lagrange, la prueba de Wald, el teorema de Wilks.

Curso: Estadística computacional
Tipo: Investigación aplicada
Créditos: 3
Horas lectivas totales: 36

Sumilla:

Introducción a probabilidad y técnicas estadísticas modernas desde un punto de vista computacional. Métodos gráficos y distribuciones probabilísticas adecuados para analizar datos. Métodos de optimización numérica y simulación estadística. Aplicaciones en diversos modelos estadísticos con datos reales.

 

Curso: Formulación de proyecto de investigación II
Tipo: Investigación científica
Créditos: 2
Horas lectivas totales: 24

Sumilla:

Formulación de Hipótesis Científicas. Aspectos metodológicos y diseño de la investigación. Definir el diseño y método apropiado que permita responder la pregunta de investigación. Diseño estadístico de datos. Organización del documento (introducción, problema, evidencia y solución). Consolidación.

Curso: Estadística bayesiana aplicada
Tipo: Investigación aplicada
Créditos: 3
Horas lectivas totales: 36

Sumilla:

Introducción a estadística bayesiana aplicada desde el punto de vista del modelamiento estadístico. Se usará el método de Monte Carlo vía cadenas de Markov (MCMC) para aplicar diversos modelos estadísticos considerando las características de los datos.

 

Curso: Procesos estocásticos
Tipo: Investigación aplicada
Créditos: 3
Horas lectivas totales: 36

Sumilla:

Fundamentos de los procesos estocásticos. Aplicaciones en finanzas cuantitativas y teoría de riesgo. Principales procesos estocásticos utilizados en las aplicaciones modernas. Ecuaciones diferenciales estocásticas, el lema de Itˆo y la construcción de procesos que repliquen el comportamiento dinámico de las variables de interés.



Curso: Estadística aplicada
Tipo: Investigación aplicada
Créditos: 3
Horas lectivas totales: 36

Sumilla:

Aprendizaje supervisado. Regresión lineal y métodos relacionados. Selección de modelos, regresión mínimo angular, métodos stepwise. Clasificación. Análisis discriminante lineal, regresión logística y máquina de soporte vectorial. Métodos de Kernel. Modelos aditivos generalizados. Suavización Kernel. Algoritmo Gausianos mixtos. Modelos de selección y evaluación: validación cruzada y Bootstrap.




 

Curso: Ejecución del proyecto de investigación I
Tipo: Investigación científica
Créditos: 3
Horas lectivas totales: 36

Sumilla:

Actualización del vacío de conocimiento y formulación del problema de investigación. Desarrollo del planteamiento y justificación del problema, así como, de los objetivos de la investigación.

 

Curso: Técnicas de redacción científica
Tipo: Investigación científica
Créditos: 4
Horas lectivas totales: 48

Sumilla:

Discurso expositivo y estrategias discursivas. Aspectos micro, macro y super estructurales del texto. El experimento. Tipos de ilustraciones en textos académicos. Aspectos funcionales y estructurales de la composición escrita. Marcadores de discurso. Discurso expositivo científico. Características y géneros del discurso científico. Estrategia expositiva Estructura jerárquica y esquemas de contenido. Párrafo y desarrollo de secciones y capítulos.

 

Curso: Aprendizaje de máquina
Tipo: Investigación aplicada
Créditos: 3
Horas lectivas totales: 36

Sumilla:

Estudiar la aplicación con criterio de las principales técnicas de Machine Learning ante problemas reales de predicción o clasificación en presencia de incertidumbre en diferentes áreas del conocimiento. Predicción, aprendizaje supervisado y no supervisado, validación cruzada, overfitting. Algoritmos de aprendizaje supervisados más populares para hacer predicción y clasificación. Principales técnicas de reducción de dimensionalidad. Métodos más usados de aprendizaje no supervisado. Temas relacionados con redes neuronales y optimización. Se utilizará Python y/o R.

 

Curso: Estadística espacial
Tipo: Investigación aplicada
Créditos: 3
Horas lectivas totales: 36

Sumilla:

El curso cubre la teoría y aplicación de modelos estadísticos para analizar procesos indexados al espacio tales como calidad del aire, precipitación, accidentes de tránsito, movimientos sísmicos, cobertura del suelo, abundancia de especies, incidencia y prevalencia de enfermedades, entre otros. El curso es dividido en tres áreas: (i) variación espacial continua que se enfoca en procesos espaciales con conjunto de indexación continua, (ii) procesos puntuales en los que la ubicación de los eventos son las variables de interés, y (iii) variación espacial discreta que se enfoca en procesos espaciales con conjunto de indexación discreta. Durante el desarrollo de cada rama, se explicará su posible extensión para procesos espacio-temporales.

Curso: Ejecución del proyecto de investigación II
Tipo: Investigación científica
Créditos: 4
Horas lectivas totales: 48

Sumilla:

Desarrollo del marco teórico. Especificación del paradigma y la hipótesis sustantiva. Desarrollo y actualización del marco teórico.

 

Curso: Publicación en revista científica indexada I
Tipo: Investigación científica
Créditos: 8
Horas lectivas totales: 96

Sumilla:

Preparación de un artículo científico sobre estado del arte publicable en revista indexada.

 

Curso: Ejecución del proyecto de investigación III
Tipo: Investigación científica
Créditos: 4
Horas lectivas totales: 48

Sumilla:

Desarrollo de la metodología. Contrastación con el estado del arte. Experimentación y resultados. Ubicación de los resultados en el estado del arte. Conclusiones y recomendaciones.

 

Curso: Publicación en revista científica indexada II
Tipo: Investigación científica
Créditos: 8
Horas lectivas totales: 96

Sumilla:

Preparación de una presentación para Congreso Científico. Orientación sobre los procedimientos para publicación en Congreso para estudiantes de doctorado.

Curso: Redacción y sustentación de Tesis Doctoral
Tipo: Investigación científica
Créditos: 5
Horas lectivas totales: 60

Sumilla:

Presentación del escrito. Sustentación oral de la Tesis. Edición del documento escrito.

Docentes y Asesores

Dr. José Cerda

Universidade de São Paulo

Oregon State University

Universidad Nacional de Ingeniería

jcerdah@uni.edu.pe

Procesos estocásticos

Optimización estocástica

 

Dr. Helder Rojas

ICMAT, España

Instituto Estadística y Matemática, Sao Paulo

Universidad Nacional de Ingeniería

hrojas@uni.edu.pe

Teoría de probabilidades

Adversarial machine learning

Reinforcement Learning

 

Dr. Luis Huamanchumo

Universidad Nacional de Ingeniería

Coordinador del DCIES

lhuamanchumo@uni.edu.pe

Análisis Estadístico Multivariado

Investigación científica

 

PhD. Anna Sikov

Hebrew University of Jerusalem

asikov@uni.edu.pe

Series de tiempo

Modelos dinámicos

Modelos de espacio de estado

 

Dr. Carlos Arrizabalaga

Universidad de Navarra

carrizabalagal@uni.edu.pe

Investigación científica

Editor de revistas académicas

 

Dr. Jimmy Rosales

Universidad Nacional de Ingeniería

jrosales@uni.edu.pe

Ciencias de la computación

Aprendizaje de máquina

Investigación científica

 

PhD. Erick Chacón

Lancaster University

Universidad Nacional de Ingeniería

echacon@uni.edu.pe

Modelamiento espacio temporal

Estadística bayesiana

 

 

Contáctenos

Rellena los datos