Curriculo Flexible 2021-2015 Finesi

Currículo flexible por competencias 2021-2025
UNIVERSIDAD NACIONAL DEL ALTIPLANO – PUNO

FACULTAD DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA
ESCUELA PROFESIONAL DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA
PROGRAMA DE ESTUDIOS DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA
CURRÍCULO FLEXIBLE POR COMPETENCIAS

2021-2025
Puno- Perú
2021
0
1
UNIVERSIDAD NACIONAL DEL ALTIPLANO - PUNO

FACULTAD DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA
ESCUELA PROFESIONAL DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA
PROGRAMA DE ESTUDIOS DE INGENIERÍA ESTADÍSTICA E INFORMÁTICA
AUTORIDADES UNIVERSITARIAS
Dr. HECTOR CALUMANI BLANCO

Rector
Dr. DANTE ATILIO SALAS AVILA

Vicerrector Académico
Dr. ARIEL ROGELIO VELAZCO CÁRDENAS

Vicerrector de Investigación
M.Sc. ERNESTO NAYER TUMI FIGUEROA

Decano FINESI
M.Sc. REMO CHOQUEJAHUA ACERO

Director de Escuela
PUNO – PERÚ
2021
2
PRESENTACIÓN
La Estructura Curricular de la Escuela Profesional de Ingeniería Estadística e Informática,

es un documento de gestión universitaria que marca las directrices y el comportamiento de
organización, para que se alcancen las aspiraciones establecidas para los años 2021 –
2025.
El resultado de la estructura curricular es la búsqueda de formar profesionales competentes
en el área de estadística e informática que aporten al desarrollo nacional y local con
conocimientos sólidos y actualizados.
La Estructura Curricular de la Escuela Profesional de Ingeniería Estadística e Informática
2021-2025, pretende cambios importantes de acuerdo al desarrollo de la ciencia y recoge
las dimensiones, factores y criterios de evaluación que establece el Sistema Nacional de
Evaluación, Acreditación y Certificación de la Calidad Educativa (SINEACE).
La elaboración del presente documento es producto del trabajo colectivo en talleres con la
participación de estudiantes, egresados, docentes, personal administrativo y grupos de
interés, así mismo constituye el compromiso de todos para alcanzar las metas propuestas,
con el objetivo de acreditar la Escuela Profesional de Ingeniería Estadística e Informática.
El cumplimiento de la Estructura Curricular es responsabilidad y compromiso de todos
cuantos formamos parte de la Escuela Profesional de Ingeniería Estadística e Informática,
es decir docentes, estudiantes, egresados, administrativos y todos aquéllos que se sienten
de una u otra forma vinculadas a la Facultad de Ingeniería Estadística e Informática y
aspiran a mejorar a mejorarla en beneficio de la sociedad.
3
ÍNDICE
Contenido
PRESENTACIÓN ................................................................................................................................................... 3
RESOLUCIONES RECTORALES Y DECANALES......................................................................... 7
I. BASE LEGAL .......................................................................................................................................... 14
II. OBJETIVOS Y PROPOSITOS ............................................................................................................. 19
2.1. Misión Visión ............................................................................................................................................ 19
2.2. Objetivos Institucionales......................................................................................................................... 19
2.3. Propósito del Programa de Estudios ..................................................................................................... 20
2.4. Objetivos Educacionales del programa ............................................................................................... 20
2.5. Objetivos académicos. ............................................................................................................................. 20
III. JUSTIFICATION DE LA DEMANDA SOCIAL DEL PROGRAMA ESTUDIOS ................ 22
3.1 Análisis de la oferta y demanda del servicio educativo.............................................................. 22
3.2 Análisis de la oferta y demanda del perfil de egreso................................................................... 23
IV. FUNDAMENTACIÓN DEL CURRÍCULO DEL PROGRAMA DE ESTUDIOS .......... 24
4.1 Fundamentos Éticos............................................................................................................................... 24
4.2 Fundamentos epistemológicos ............................................................................................................ 24
4.3 Fundamentos psicopedagógicos ......................................................................................................... 25
V. SISTEMA DE PERFILES ........................................................................................................................ 0
5.1. Análisis funcional de la profesión. ......................................................................................................... 0
5.2. Definición de perfiles ................................................................................................................................ 0
5.2.1 Perfil del Ingresante............................................................................................................................ 0
5.2.2 Perfil del Egresado ............................................................................................................................. 0
Competencias Genéricas .............................................................................................................................. 0
Competencias Específicas............................................................................................................................ 1
5.2.3 Perfil del Graduado ............................................................................................................................. 2
VI. ESTRUCTURACION CURRICULAR ............................................................................................ 3
6.1. Malla Curricular del Programa de Estudios de Ingeniería estadística e informática ....... 3
6.2. Áreas Curriculares................................................................................................................................... 7
6.2.1 Área de Estudios Generales ......................................................................................................... 7
6.2.2 Área de Estudios Específicos ....................................................................................................... 7
6.2.3 Área de Estudios de Especialidad .............................................................................................. 8
6.3. Plan de Estudios ...................................................................................................................................... 11
6.3.1 Estructura del plan de estudios................................................................................................. 11
6.3.2 Resumen del plan de estudios por áreas de formación ..................................................... 13
6.3.3 Resumen de condición de cursos para optar el grado académico de bachiller: ........ 13
CERTIFICACIÓN DE COMPETENCIA ............................................................................................................. 14
Denominación de la certificación: Administrador de base de datos ....................................................... 14
Denominación de la certificación: Administrador de redes de computadoras ....................................... 15
Denominación de la certificación: Programador de computadoras ........................................................ 16
Denominación de la certificación: experto en ciencia de datos e investigación estadística .......... 17
6.3.4 Estrategias didácticas de aprendizaje-enseñanza ............................................................... 17
6.3.5 Recursos para la enseñanza y el aprendizaje ............................................................................. 23
6.3.6 Evaluación del aprendizaje ........................................................................................................ 26
6.4. Cartas Descriptivas ................................................................................................................................ 29
VII. ADMINISTRACIÓN DEL CURRÍCULO ....................................................................................... 208
7.1 Plana docente ........................................................................................................................................... 208
VIII. GRADO ACADEMICO Y TITULO PROFESIONAL ........................................................... 211
4
8.1 Grado Académico: ......................................................................................................................... 211

8.2 Título Profesional: ......................................................................................................................... 211
8.3 Duración de estudios: ................................................................................................................... 211
8.4 Organización académico administrativo de la Facultad........................................................ 212
8.5 Cuadro de equivalencias de planes de estudios ...................................................................... 215
8.6 Líneas de investigación ................................................................................................................ 217
Áreas y temas de investigación. ............................................................................................................. 217
IX. SEGUIMIENTO AL EGRESADO .................................................................................................... 219
X. EVALUACIÓN DEL CURRÍCULO ................................................................................................. 220
XI. ANEXOS .................................................................................................................................................. 221
5
ANEXOS: REGLAMENTOS
6
RESOLUCIONES RECTORALES Y DECANALES
Resolución rectoral de organización y funcionamiento
7
Resolución rectoral de creación de la escuela profesional
8
9
Resolución rectoral de cambio de nombre
10
Resolución de asamblea universitaria de modificación de nombre en estatuto

universitario
11
Resolución de asamblea universitaria de creación de la escuela profesional
12
13
I. BASE LEGAL
El diseño del currículo en la UNA Puno, se sustenta en los siguientes documentos
normativos:
Constitución Política del Perú.
Artículo 13º. La educación tiene como finalidad el desarrollo integral de la persona
humana. El Estado reconoce y garantiza la libertad de enseñanza. Los padres de familia
tienen el deber de educar a sus hijos y el derecho de escoger los centros de educación y de
participar en el proceso educativo.
Artículo 18º. La educación universitaria tiene como fines la formación profesional, la

difusión cultural, la creación intelectual y artística y la investigación científica y
tecnológica. El Estado garantiza la libertad de cátedra y rechaza la intolerancia.
Las universidades son promovidas por entidades privadas o públicas. La ley fija las
condiciones para autorizar su funcionamiento.
La universidad es la comunidad de profesores, alumnos y graduados. Participan en ella los
representantes de los promotores, de acuerdo a ley.
Cada universidad es autónoma en su régimen normativo, de gobierno, académico,

administrativo y económico. Las universidades se rigen por sus propios estatutos en el
marco de la Constitución y de las leyes.
Artículo 20º. Los colegios profesionales son instituciones autónomas con personalidad de
derecho público. La ley señala los casos en que la colegiación es obligatoria.
LEY N° 30220, Ley universitaria

La universidad es una comunidad académica orientada a la investigación y a la docencia,
que brinda una formación humanista, científica y tecnológica con una clara conciencia de
nuestro país como realidad multicultural. Adopta el concepto de educación como derecho
fundamental y servicio público esencial. Está integrada por docentes, estudiantes y
graduados. Participan en ella los representantes de los promotores, de acuerdo a ley.
Las universidades son públicas o privadas. Las primeras son personas jurídicas de derecho
público y las segundas son personas jurídicas de derecho privado.
Artículo 6. Fines de la universidad

La universidad tiene los siguientes fines:
6.1. Preservar, acrecentar y transmitir de modo permanente la herencia científica,
tecnológica, cultural y artística de la humanidad.
6.2. Formar profesionales de alta calidad de manera integral y con pleno sentido de
responsabilidad social de acuerdo a las necesidades del país.
6.3. Proyectar a la comunidad sus acciones y servicios para promover su cambio y
desarrollo.
14
6.4. Colaborar de modo eficaz en la afirmación de la democracia, el estado de derecho y la

inclusión social.
6.5. Realizar y promover la investigación científica, tecnológica y humanística la creación
intelectual y artística.
6.6. Difundir el conocimiento universal en beneficio de la humanidad.
6.7. Afirmar y transmitir las diversas identidades culturales del país.
6.8. Promover el desarrollo humano y sostenible en el ámbito local, regional, nacional y
mundial.
6.9. Servir a la comunidad y al desarrollo integral.
6.10. Formar personas libres en una sociedad libre.
Artículo 45. Obtención de grados y títulos

La obtención de grados y títulos se realiza de acuerdo a las exigencias académicas que cada
universidad establezca en sus respectivas normas internas. Los requisitos mínimos son los
siguientes:
45.1 Grado de Bachiller: requiere haber aprobado los estudios de pregrado, así
como la aprobación de un trabajo de investigación y el conocimiento de un idioma
extranjero, de preferencia inglés o lengua nativa.
45.2 Título Profesional: requiere del grado de Bachiller y la aprobación de una tesis
o trabajo de suficiencia profesional. Las universidades acreditadas pueden establecer
modalidades adicionales a estas últimas. El título profesional sólo se puede obtener
en la universidad en la cual se haya obtenido el grado de bachiller.
Artículo 100. Derechos de los estudiantes

Son derechos de los estudiantes:
100.1 Recibir una formación académica de calidad que les otorgue conocimientos
generales para el desempeño profesional y herramientas de investigación.
100.2 La gratuidad de la enseñanza en la universidad pública.

100.3 Participar en el proceso de evaluación a los docentes por período académico con
fines de permanencia, promoción o separación.
100.4 Tener la posibilidad de expresar libremente sus ideas, sin que pueda ser sancionado
por causa de las mismas.
100.5 Participar en el gobierno y fiscalización de la actividad universitaria, a través de los
procesos electorales internos, de acuerdo con esta Ley y la regulación que
establezca cada universidad.
100.6 Ejercer el derecho de asociación, para fines vinculados con los de la universidad.
15
100.7 Tener en las universidades privadas, la posibilidad de acceder a escalas de pago

diferenciadas, previo estudio de la situación económica y del rendimiento
académico del alumno.
100.8 Contar con ambientes, instalaciones, mobiliario y equipos que sean accesibles para
las personas con discapacidad.
100.9 Ingresar libremente a las instalaciones universitarias y a las actividades académicas

y de investigación programadas.
100.10 Utilizar los servicios académicos y de bienestar y asistencia que ofrezca la
institución universitaria.
100.11 Solicitar reserva de matrícula por razones de trabajo o de otra naturaleza

debidamente sustentada. No excederá de tres (3) años consecutivos o alternos.
100.12 En el caso de las universidades públicas, la gratuidad de la enseñanza se garantiza
para el estudio de una sola carrera.
100.13 El alumno tiene el derecho de gratuidad para el asesoramiento, la elaboración y la
sustentación de su tesis, para obtener el grado de Bachiller, por una sola vez.
100.14 Los demás que disponga el Estatuto de la universidad.
1.3. Texto Único ordenado del Estatuto Universitario 2015
(Aprobado mediante R.R.N° 1044-2015-R-UNA de fecha abril de 2015)

Artículo 8. Autonomía universitaria
8.3 Académico, implica la potestad auto determinativa para fijar el marco del proceso de
enseñanza-aprendizaje dentro de la institución universitaria. Supone el señalamiento de los
planes de estudios, programas de investigación, formas de ingreso y egreso de la
institución, etc. Es formalmente dependiente del régimen normativo y es la expresión más
acabada de la razón de ser de la actividad universitaria.
Artículo 38. Régimen de estudios de pregrado

Los currículos de las escuelas profesionales que oferta la UNA-PUNO son de sistema
semestral, por créditos, flexible y por competencias. Pueden ser en la modalidad presencial,
semipresencial o a distancia, diseñados de acuerdo a los enfoques pedagógicos y a la
concepción de la educación universitaria expresado en el Proyecto Educativo Universitario.
Son conducidos por una comisión especial presidida por el Director de la Escuela
Profesional y reconocida por Resolución de Decanato. Su elaboración es de
responsabilidad de los docentes.
Artículo 43. Crédito académico de pregrado
El crédito académico es una medida del tiempo formativo exigido a los estudiantes para
lograr aprendizajes teóricos y prácticos. Para estudios presenciales se define un crédito
16
académico semestral como equivalente a un mínimo de dieciséis (16) horas lectivas de

teoría o el doble de horas de práctica.
Artículo 47 Diseño curricular

Las escuelas profesionales diseñan y actualizan sus estructuras curriculares o currículos de
acuerdo a las demandas sociales, culturales y de políticas educativas regionales y
nacionales que contribuyan al desarrollo del país, recogiendo las exigencias de los
estándares de licenciamiento y acreditación y del Proyecto Educativo universitario de la
UNA-PUNO. Determinan orientaciones curriculares para el otorgamiento del grado de
bachiller en la especialidad respectiva y el título profesional.
47.1. Los estudios generales de pregrado
Los estudios generales son obligatorios. Tiene una duración no menor de treinta y
cinco (35) créditos. Deben estar dirigidos a la formación integral de los estudiantes.
47.2 Los estudios específicos y de especialidad de pregrado

Son los estudios que proporcionan los conocimientos propios de la profesión y
especialidad correspondiente. El periodo de estudios debe tener una duración no
menor de ciento sesenta y cinco (165) créditos. Cada escuela profesional determina
en su estructura curricular la pertinencia y duración de las prácticas preprofesionales,
de acuerdo a sus especialidades.
Artículo 48. Módulos de competencia ocupacional y/o profesional

Todas las escuelas profesionales de la UNA-PUNO incorporan en sus estructuras
curriculares módulos de competencia ocupacional y/o profesional, de manera tal que a la
conclusión de los estudios de dichos módulos permiten obtener una certificación progresiva
para facilitar al estudiante su incorporación al mercado laboral. Para la obtención de dicha
certificación el estudiante debe elaborar y sustentar un proyecto que demuestre la
competencia alcanzada.
Artículo 49. Evaluación y actualización de la estructura curricular

El currículo se debe actualizar cada tres (03) años o cuando sea conveniente, según los
avances científicos y tecnológicos conforme al reglamento.
Artículo 50. Enseñanza del idioma extranjero o nativo

La enseñanza del idioma extranjero, de preferencia inglés, o la enseñanza de una lengua
nativa, de preferencia quechua o aimara, es obligatoria en los estudios de pregrado.
Artículo 51. Cursos electivos

Algunos cursos electivos pueden llevarse indistintamente en las facultades de la UNA-
PUNO y/o en las universidades de las redes interregionales, dependiendo de la escuela
profesional correspondiente que reconocerán los créditos asignados a dichas asignaturas.
Se podrá incorporar hasta doce (12) créditos de libre disponibilidad procedentes de una
universidad acreditada.
17
Artículo 52. Convalidación de cursos en Universidades Extranjeras

Con la finalidad de facilitar la internacionalización de la universidad, los cursos
desarrollados en universidades extranjeras son convalidados con el total de los créditos
correspondientes en las escuelas profesionales.
Artículo 54. Grados académicos y títulos.

La UNA-PUNO otorga, a nombre de la Nación, los grados académicos de bachiller,
maestro y doctor, así como los títulos profesionales y los títulos de segunda especialidad
profesional.
Las escuelas profesionales acreditadas consignan tal condición en el título a otorgar. Para
fines de homologación o revalidación, los grados académicos o títulos otorgados por
universidades o escuelas de educación superior extranjeras se rigen por lo dispuesto en la
ley Universitaria vigente.
Artículo 55. Requisitos de los grados y títulos

La obtención de los grados y títulos se realiza de acuerdo a las exigencias académicas
establecidas por la UNA-PUNO en sus reglamentos respectivos. Los requisitos mínimos
son los siguientes.
55.1 Grado de bachiller: requiere haber aprobado los estudios de pregrado, así como la
aprobación de un trabajo de investigación y el conocimiento de un idioma extranjero,
de preferencia inglés o lengua nativa.
55.2 Título profesional: requiere del grado de bachiller y la aprobación de una tesis o
trabajo de suficiencia profesional de tres (03) años de desempeño en el área. Las
escuelas profesionales de la UNA-PUNO acreditadas pueden establecer modalidades
adicionales. El título profesional de la UNA-PUNO sólo podrá otorgarse a
estudiantes que hayan obtenido previamente el grado de bachiller en esta casa de
estudios.
18
II. OBJETIVOS Y PROPOSITOS
2.1. Misión Visión
UNA-PUNO FACULTAD ESCUELA

PROFESIONAL
“Formar profesionales y Formar profesionales en Formar ingenieros
posgraduados calificados y pregrado y postgrado estadísticos e
competitivos; aportando a íntegras y competitivas informáticos
la sociedad los resultados con docentes de calidad, competentes, con,
M
de la investigación desarrollando formación básica sólida,
I científica, tecnológica y investigación científica crítica, sistémica y
humanística, con y tecnológica para la analítica, fundamentada
S identidad cultural y solución de problemas en conocimientos
responsabilidad social, de la Región y el País científicos y tecnológicos
I que contribuyan al actualizados, con actitud
Ó desarrollo sostenible de la de aprender y emprender,
región y del país (Plan dotados con
N estratégico institucional responsabilidad social y
2020-2022) que contribuyan al
desarrollo sostenible de la
región y del país.
V Todos los peruanos acceden a una educación que les permite desarrollar su potencial
I desde la primera infancia y convertirse en ciudadanos que valoran su cultura, conocen
S sus derechos y responsabilidades, desarrollan sus talentos y participan de manera
I innovadora, competitiva y comprometida en las dinámicas sociales, contribuyendo al
O desarrollo de sus comunidades y del país en su conjunto.
N
2.2. Objetivos Institucionales.

Los Objetivos Estratégicos Institucionales de la Universidad Nacional del Altiplano, se
encuentran en el Plan Estratégico Institucional 2020-2022, aprobado con R.R. N° 0441-
2019-R-UNA (PEI, 2020-2022, p. 17).
OEI.1 Consolidar la formación profesional de calidad, para los estudiantes de

pregrado, posgrado y especializaciones.
OEI.2 desarrollar la innovación e investigación formativa, científica, tecnológica y
humanista, realizadas por estudiantes y docentes.
OEI.3 Fortalecer las actividades de responsabilidad social, extensión cultural y
proyección social hacia la comunidad universitaria
OEI.4 Fortalecer la gestión institucional
OEI.5 Implementar la gestión de riesgos de desastres
19
2.3. Propósito del Programa de Estudios
El propósito del programa de estudios de Ingeniería Estadística e informática, consiste

en formar profesionales competitivos dotados de técnicas estadística e informáticas
actualizadas para dar solución a los problemas de la sociedad regional y nacional,
mediante la exigencia académica con responsabilidad social, fomentando la
innovación, desarrollo e investigación.
2.4. Objetivos Educacionales del programa
Objetivo 1: El egresado es un profesional competente que obtiene y explica modelos

estadísticos y algoritmos computacionales que contribuyan a una adecuada toma de
decisiones.
Objetivo 2. El egresado es un profesional competente que diseña e implementa sistemas

de bases de datos para la mejor administración de las instituciones públicas y privadas.
Objetivo 3. El egresado es un profesional competente que desarrolla aplicaciones

informáticas utilizando lenguajes de programación de alto nivel y aplicaciones de
soporte.
Objetivo 4. El egresado es un profesional competente que participa en proyectos de

gestión de redes
Objetivo 5. El egresado es un profesional que utiliza metodologías estadísticas y/o

informáticas para promover y desarrollar la investigación científica con el propósito de
generar nuevos conocimientos.
Objetivo 6. Fortalece las actividades de responsabilidad social, extensión cultural y

proyección social hacia la comunidad universitaria
2.5. Objetivos académicos.

Los objetivos académicos de la escuela profesional de Ingeniería estadística e
informática de la UNA Puno son:
1. Lograr aprendizaje de calidad en los estudiantes a través del desarrollo de
competencias generales y específicas del programa de estudios de Ingeniería
estadística e informática.
2. Promover una actitud científica en los estudiantes a través de la investigación
formativa.
20
3. Incorporar la investigación docente en el desarrollo de asignaturas del plan de

estudios.
4. Fomentar en los estudiantes una actitud de servicio y de compromiso con la sociedad
5. Gestionar un sistema de seguimiento y mejoramiento continuo de los procesos
académicos
21
III. JUSTIFICATION DE LA DEMANDA SOCIAL DEL PROGRAMA

ESTUDIOS
El estudio de demanda social y mercado ocupacional de la escuela profesional de
Ingeniería estadística e Informática de la UNA Puno, se ha elaborado por el CENTRO
DE DESARROLLO EMPRESARIAL EXCEL Mizpahde S.C.R.L, en diciembre del
2020.
3.1 Análisis de la oferta y demanda del servicio educativo.

En este punto se trata de hacer un diagnóstico sobre la oferta del servicio educativo
para formar al estudiante en el programa de estudios. - También se analiza la oferta
del servicio educativo para la formación profesional.
Pag(93). Con los resultados podemos concluir que la Escuela Profesional de
Ingeniería Estadística e Informática tiene garantizado el número plazas a contratar en
los próximos 10 años, porque esta tendencia se incrementa considerablemente siendo
mayor al número proyectado de Ingenieros Estadísticos e Informáticos titulados
egresados de la Facultad porque observamos que para el año 2029 el número de
Ingenieros a contratar será de 147, pero la oferta solo alcanza a 50 bachilleres y el
de titulados en el año 2029 se proyecta a 71 lo que indica que existe una demanda
insatisfecha de Ingenieros Estadísticos e Informáticos en la región Puno y el País.
De esta manera, el mercado laboral para el Ingeniero Estadístico e Informático se
encuentra determinado por la relación entre la oferta y la demanda de servicios, sin
embargo esta proporción no se presenta en forma simple, debido a que las
necesidades de demanda del sector de las Tecnologías de Información y
Comunicación en la sociedad están determinadas por políticas económicas regionales
y nacionales además de los diversos estratos de la sociedad así como por el egreso
no planeado del número de Técnicos Informáticos de todos los institutos y de la
región.
En el mercado de trabajo del egresado Ingeniero Estadístico e Informático, existen
instituciones públicas y privadas, las cuales dan respuesta a la demanda de ingenieros
Estadísticos e Informáticos, pero que necesitan especializarse en temas específicos
que son determinantes al momento de la selección y contrato de personal, es así que
existen pocas plazas para estos servicios, este escaso número de plazas es uno de los
factores que originan que el egresado Ingeniero Estadístico e Informático opte por
realizar la práctica privada y algunos otros casos optan por migrar a otra profesión
que no necesariamente es similar a la Ingeniería Estadística e Informática.
Las entidades públicas no brindan suficientes plazas, de acuerdo a esto el egresado

va a tener que organizar un emprendimiento o una empresa privada (consultoría),
conociendo la zona en donde se establece y de los recursos económicos de los que
dispone, teniendo varias disposiciones tales como la práctica independiente, la
práctica compartida con algunos socios profesionales iguales o similares a su carrera.
Por lo tanto, la educación debe de estar orientada, de tal manera que ayude a los
egresados del programa de estudios de Ingeniería Estadística e Informática a realizar
labores para las cuales fueron formados, para prepararse a una vida profesional que
se vuelve diversa, a mejorar su capacidad para trabajar en equipo, utilizando la
información de manera independiente, en este sentido, el Ingeniero Estadístico e
Informático es un profesional que puede desarrollar su práctica de forma privada,
existiendo diferentes modelos para ello.
22
3.2 Análisis de la oferta y demanda del perfil de egreso.

pag 73). En cuanto al grado de satisfacción de los egresados del programa de estudios
de Ingeniería Estadística e Informática, el 71% se encuentra satisfecho mientras un
18% se encuentra plenamente satisfecho, sumando un total del 89% que se
encuentran satisfechos con la formación e infraestructura recibida dentro del
programa de estudios, de Ingeniería Estadística e Informática y solo un 9% se
encuentra indiferente con la formación recibida en el programa de estudios.
(Pag 92). En los próximos años tendremos una escasez de profesionales calificados
en desarrollo de programas informáticos, Big Data, Ciberseguridad, Data Science,
Blockchain, Especialistas en Experiencia Usuario (UX), Inteligencia Artificial y
todas las necesidades que se han acelerado en la pandemia. Las carreras TIC
(Tecnologías de la Información y Comunicación) actualmente cuentan con una oferta
salarial mucho mejor que el promedio, pero presentan un déficit de profesionales del
área, según un estudio de Edutic, organización dedicada a fomentar el uso de las
tecnologías en el sector Educación en Perú, Chile, Colombia y México. Se trata de
ocho carreras principales como: informática, sistemas, telecomunicaciones, redes, y
las más actuales, como ciberseguridad, gestión tecnológica, gestión de infraestructura
y desarrollo de videojuegos; las cuales cuentan con un salario promedio que
sobrepasa los S/ 7,000, y ofrecen la posibilidad de trabajar desde cualquier parte del
mundo, con un amplio espectro de posibilidades laborales, tanto a nivel local como
internacional
23
IV. FUNDAMENTACIÓN DEL CURRÍCULO DEL PROGRAMA DE ESTUDIOS

4.1 Fundamentos Éticos
a) Responsabilidad: Promueve en nuestra universidad el cumplimiento de las
obligaciones y la toma de decisiones en el curso de las acciones institucionales. 9
La ética de la responsabilidad es entendida como aquella actitud de una persona
que, en sus acciones, considera el conjunto de las previsibles consecuencias y se
pregunta cuáles son.
b) Solidaridad: Se trata de un valor ampliamente fomentado. Genera un compromiso
de quienes reciben la ayuda desinteresada, como remedio a los males del
individualismo y el egoísmo dentro del funcionamiento dinámico de nuestra
universidad.
c) Autonomía: Está sustentada en el desenvolviendo de sus miembros integrantes
como realizadores de valores. Se entiende como la libertad para poner en práctica
la voluntad orientada por los conocimientos adquiridos cultural y socialmente
(Gasche). Esto implica actuar dentro de la universidad con libertad plena en sí
mismo al verse rodeado dentro de una comunidad de valores. La ley moral expresa
solamente la autonomía de la razón pura, es decir, la libertad y esta es la condición
formal de todas las máximas bajo la cual pueden todas concordar con la ley
práctica suprema.
4.2 Fundamentos epistemológicos

a) Proceso de conocimiento. En principio, el conocimiento es un proceso de
construcción e interpretación que supone una perspectiva de interacción sujeto-
objeto en contexto. El proceso de conocimiento es una actividad concreta de
sujetos concretos con necesidades práctico-vitales de orientación en un mundo
complejo y cambiante. La necesidad de saber conlleva la realización de fines
concretos vinculados a intereses vitales y articula de modo indisociable teoría y
práctica. Sobre esta base puede constituirse una concepción de los distintos
procesos de saber en un sentido integrador.
b) Racionalidad de medios y fines. La racionalidad metodológica se entiende como
elección consiente de los procedimientos (medios, reglas tácticas y estrategias)
adecuados para el logro de los fines cognoscitivos y prácticos. La racionalidad de
los fines se entiende en el sentido de que los valores y metas pueden ser
analizados, discutidos y elegidos críticamente. Los fines y valores pueden ser
desechados por su carácter irrealizable, utópico o contradictorio con otros valores
y creencias.
c) Conocimiento como producto histórico. Los conceptos, ideas y modelos
teóricos, como elementos del conocimiento humano, son constructos o
interpretaciones simbólicas del sujeto; entendidos como aproximados, falibles y
perfectibles; y presentan un carácter parcial y condicionado por el contexto
histórico y conceptual del conocimiento.
d) Desarrollo epistémico. La ruptura paradigmática absoluta y la falsación absoluta
son posiciones extremas e insatisfactorias en la concepción del progreso del
24
conocimiento. Más allá de ellas, es posible armonizar las revoluciones

contemporáneas en el conocimiento con la vigencia de logros clásicos del
conocimiento.
4.3 Fundamentos psicopedagógicos
Los fundamentos psicopedagógicos del modelo educativo universitario tienen
diferentes enfoques teóricos y se sustenta en varias teorías psicológicas:
a) Aprendizaje como interacción social: Es aquel que permite el desarrollo
cognitivo como un proceso complejo que va de lo interpsicológico a lo
intrapsicológico y fundamenta el desarrollo del ser humano como resultado de la
interacción social y como dinámica natural del mismo en relación a su entorno, su
culturay a la comunidad que pertenece (Vygotsky, 1981).
b) Aprendizaje significativo: La interacción entre los significados potencialmente
nuevos y las ideas pertinentes en la estructura cognoscitiva del estudiante dan lugar
a los significados reales. Es fundamental conocer la estructura cognitiva del
estudiante que adquiere una serie de experiencias y conocimientos que influyen en
su aprendizaje. Por lo tanto, el aprendizaje tiene que ser significativo, posible y quien
aprende tiene que atribuir un significado y dar importancia relevante al conocimiento
nuevo (Ausubel, 1983).
c) Aprendizaje por descubrimiento: Es aquel que permite obtener conocimientos
experienciales, donde el docente ofrecerá a los estudiantes oportunidades de aprender
por sí mismos (Bruner, 1996).
d) Aprendizaje y educación emocional: Son componentes que permiten el
desarrollo del proceso educativo, continuo y permanente, para el desarrollo
cognitivo y de las competencias emocionales, constituyendo ambos elementos
esenciales para el desarrollo integral de la persona (Bisquerra, 2009).
25
V. SISTEMA DE PERFILES
5.1. Análisis funcional de la profesión.
PROPOSITO FUNCION
PRINCIPAL CLAVE UNIDADES DE COMPETENCIA ELEMENTOS DE CONPETENCIA CURSO
CG1. Utiliza el lenguaje para comprender,

argumentar y producir textos académicos en
FORMACION contextos comunicativos interculturales Argumenta contextos comunicativos interculturales Comprensión y Argumentación
CIUDADANA
CG2. Fundamenta las racionalidades y las
teorías del conocimiento científico para la Fundamenta las teorías del conocimiento científico para la investigación y la Pensamiento racional y ética
investigación y la comprensión de la realidad comprensión de la realidad
El propósito del Propone y evalúa soluciones contextuales Matemática básica

programa de estudios Conoce conceptos y principios químicos, mediante la observación y hechos
de Ingeniería CG3. Resuelve problemas contextualizados experimentales, de fenómenos naturales y ambientales. Química general
Estadística e haciendo uso de las ciencias básicas
FORMACIÓN Resuelve problemas contextualizados mediante el cálculo de límites,
informática, consiste permitiendo el desarrollo autónomo del
BÁSICA continuidad y derivadas de funciones reales de variable real Calculo Diferencial
en formar estudiante con criterio objetivo y juicios
profesionales lógicos de valor. comprende e interpreta el comportamiento de los fenómenos naturales Física General
competitivos dotados
de técnicas estadística Aplica las herramientas del cálculo integral y transformar los fenómenos de
e informáticas la ciencia y la tecnologías Calculo integral y ecuaciones diferenciales
actualizadas para dar Desarrollo integral de la personalidad del estudiante con autoconocimiento
solución a los que le permita saber ser, saber hacer, saber convivir y conservar una salud Estrategias de aprendizaje
problemas de la CG4. Desarrolla emprendimiento creativo
mental optima, desde la perspectiva biológica, psicológica y social
sociedad regional y DESARROLL vinculado a su proyecto de vida, orientado a la
nacional, mediante la O PERSONAL construcción del tejido social cultural y socio Conoce y desarrollar su potencial de emprendedor Taller de innovación y emprendimiento
exigencia académica laboral.
con responsabilidad Seguridad y defensa nacional
social, fomentando la Conoce el concepto de estado y geopolítica nacional
innovación, CG5. Explica las relaciones entre los elementos
desarrollo e RESPONSABI sociales y naturales para la preservación de la
investigación LIDAD vida, valorando la identidad e interculturalidad Conoce el funcionamiento de ecosistemas y la importancia de las plantas,
SOCIAL en un mundo diversificado. animales, suelo, agua y aire Ecología y desarrollo sostenible
Conoce la estructura general y específica de un programa y un lenguaje de
CE1. Diseña y desarrolla soluciones
programación Análisis y diseño de algoritmos
informáticas, aplicaciones web y soluciones
empresariales bajo estándares internacionales Aplica los conceptos y principios de un lenguaje de programación para
para aportar con el desarrollo tecnológico, construir programas de computadora Lenguajes de programación I
asumiendo una actitud científica y responsable
DESARROLL
utilizando principios, técnicas, herramientas y Aplica las técnicas de programación avanzada para construir programas de
A SISTEMAS
computadoras Lenguajes de programación II
0
INFORMATI métodos que aseguren la funcionabilidad y

Aplica la lógica en la inteligencia artificial para construir programas de
COS calidad del software.
utilidad por computadora Lenguajes de programación III
Aplica análisis y diseño de sistemas para construir programas de
computadora Ingeniería de software I
Aplica análisis y diseño web para construir programas de utilidad por
computadora Ingeniería de software II
Desarrolla software a medida Taller de desarrollo de software

Conoce y aplica los conocimiento de internet de la cosas y la computación en
la nube en la solución de problemas convencionales Internet de las cosas y computación en las nubes
Fortalece su formación profesional Practicas pre profesionales
Elabora planes de muestreo y obtiene tamaños de muestra adecuados Muestreo
utiliza la metodología estadística para calcular pruebas de hipótesis uní y k

dimensionales Inferencia Estadística
Conoce los modelos discretos Modelos discretos
Formula modelos de programación lineal, Análisis de sensibilidad,
problemas de transporte Métodos de optimización
Realiza pruebas de hipótesis y valida predicción usando la metodología
Bootstrap y validación cruzada Estadística Computacional
Obtiene modelos estadísticos multivariantes para datos sin variable respuesta Aprendizaje no supervisado
CE2. Construye y analiza modelos estadísticos
y/o algoritmos computacionales para la toma Obtiene modelos estadísticos univariantes Series de tiempo
MODELAMIE
de mejores decisiones en condiciones de Obtiene modelos estadísticos multivariantes para datos con variable
NTO
incertidumbre, para el desarrollo de la región y respuesta Aprendizaje supervisado
ESTADISTIC
el país, asumiendo una actitud científica y
O Sistematiza, modela e interpreta el comportamiento de la sociedad digital Ciencia de datos I
ética, utilizando técnicas estadísticas y/o
informáticas referidas a la ciencia de datos Usa las técnicas estadísticas para probar hipótesis de datos experimentales Diseños experimentales I
Sistematiza, modela e interpreta el comportamiento de la sociedad digital Ciencia de datos II

Aplica las técnicas de Inteligencia Artificial en la resolución de problemas
complejos Inteligencia artificial
Usa las técnicas estadísticas para probar hipótesis de datos experimentales Diseños experimentales II
Maneja las diferentes técnicas estadísticas para el análisis científico de datos Taller de estadística
Obtiene modelos predictivos avanzados. Tecnologías emergentes
Desarrolla consultoría en estadística y ciencia de datos Estadística Espacial
Comprende y diseña la estructura y funcionamiento de un computador. Arquitectura de computadoras
1
Diseña redes de datos con tecnologías cableadas e inalámbricas de acuerdo a

los estándares. Arquitectura de redes y protocolos
CE3. Diseña, configura y administra redes de Implementa y gestiona la infraestructura y servicios de redes de datos basado
telecomunicaciones basado en estándares de en estándares nacionales e internacionales vigentes. Administración de redes
calidad y políticas de seguridad vigentes con
responsabilidad y compromiso social Explica las técnicas usadas para la fragmentación, replicación y asignación
de datos, durante el proceso de diseño de una base de datos distribuida. Sistemas distribuidos
BASE DE Define requerimientos computacionales e implementa, evalúa sistemas,
DATOS Y procesos y componentes. Computación paralela y de propósito general
REDES DE
COMPUTAD Diseña e Implementa un sistema de gestión de base de datos, que le permitan
ORAS almacenar y manipular información de manera eficaz Sistemas de gestión de base de datos I
CE4. Gestiona sistemas de bases de datos y
Analiza y diseña e implementa sistemas de información Análisis y diseño de sistemas de información
sistemas de información asumiendo una actitud
científica, crítica y ética con conocimiento de Almacena y manipular grandes volúmenes de datos, de manera eficiente Sistemas de gestión de base de datos II
fundamento teórico y manejo de políticas de
Gestiona proyectos de Tecnologías de información y comunicación Gestión de Proyectos Tics
seguridad de información y estándares de
calidad Realiza auditoria informática aplicando las técnicas de criptografía simétrica
y asimétrica para proteger elementos de software y hardware Seguridad y Auditoria Informática
Desarrolla planes de gestión y planes de comercio electrónico Inteligencia de negocios
Conoce la estadística básica y obtiene estadísticos descriptivos para lod
diferentes tipos de variables Estadística básica
conoce la teoría del cálculo de probabilidades en casos de la vida real Cálculo de probabilidades
Resuelve problemas utilizando la teoría de la estructura de datos Estructura de datos
Obtiene probabilidades en variables aleatorias discretas y continuas Distribuciones de probabilidad
Obtiene soluciones lineales y no lineales utilizando la programación
numérica Programación numérica
Traduce textos al idioma ingles Ingles
Usa las técnicas no paramétricas en la investigación científica Estadística no paramétrica
Obtiene y analiza modelos lineales y no lineales Regresión lineal y no lineal
INVESTIGAC
Conoce la teoría de los modelos lineales para aplicar en modelos de ciencia
ION CE5. Utiliza metodologías estadísticas para
de datos Modelos lineales
CIENTIFICA promover y desarrollar la investigación
científica con el propósito de generar nuevos Obtiene modelos y realiza inferencia estadísticos utilizando la estadística
conocimientos en beneficio del país y la bayesiana Estadística bayesiana
humanidad con responsabilidad y ética con Conoce la metodología de la investigación científica para desarrollar
conocimiento de técnicas estadísticas proyectos de investigación Metodología de la investigación
actualizadas. Maneja las técnicas de marketing en entornos dinámicos describiendo los
componentes del proceso. Marketing
obtiene cartas de control para establecer la calidad de procesos industriales Control estadístico de procesos
Realiza investigación para mejorar la toma de decisiones empresariales Investigación de mercados

Conoce la metodología, elabora tesis y conoce la estructura de artículos
Taller de tesis
científicos
2
5.2. Definición de perfiles
5.2.1 Perfil del Ingresante
En la UNA-Puno articulamos con lo previsto en la educación pública del país y

asumimos el perfil de egreso previsto en el Currículo Nacional, como el perfil
del ingresante, que son los siguientes logros del estudiante egresado de
Educación Básica Regular:
 Se reconoce como persona valiosa y se identifica con su cultura en

diferentes contextos.
 Propicia la vida en democracia a partir del reconocimiento de sus derechos
y deberes y de la comprensión de los procesos históricos y sociales de
nuestro país y del mundo.
 Practica una vida activa y saludable para su bienestar, cuida su cuerpo e
interactúa respetuosamente en la práctica de distintas actividades físicas,
cotidianas o deportivas.
 Aprecia manifestaciones artístico-culturales para comprender el aporte del
arte a la cultura y a la sociedad, y crea proyectos artísticos utilizando los
diversos lenguajes del arte para comunicar sus ideas a otros.
 Comunica en su lengua materna, en castellano como segunda lengua en
inglés como lengua extranjera de manera asertiva y responsable para
interactuar con otras personas en diversos contextos y con distintos
propósitos.
 Indaga y comprende el mundo natural y artificial utilizando conocimientos
científicos en diálogo con saberes locales para mejorar la calidad de vida y
cuidando la naturaleza.
 El estudiante interpreta la realidad y toma decisiones a partir de
conocimientos matemáticos que aporten a su contexto.
 Gestiona proyectos de emprendimiento económico o social de manera ética,
que le permiten articularse con el mundo del trabajo y con el desarrollo
social, económico y ambiental del entorno.
 Aprovecha responsablemente las tecnologías de la información y de la
comunicación (TIC) para interactuar con la información, gestionar su
comunicación y aprendizaje.
 Desarrolla procesos autónomos de aprendizaje en forma permanente para la
mejora continua de su proceso de aprendizaje y de sus resultados.
 Comprende y aprecia la dimensión espiritual y religiosa en la vida de las
personas y de las sociedades.
5.2.2 Perfil del Egresado
Competencias Genéricas
0
CG1. Utiliza el lenguaje para comprender, argumentar y producir textos

académicos en contextos comunicativos interculturales.
CG2. Fundamenta las racionalidades y las teorías del conocimiento científico para
la investigación y la comprensión de la realidad con ética, pensamiento crítico
reflexivo en contextos académicos y socioculturales.
CG3. Resuelve problemas contextualizados haciendo uso de las ciencias

básicas permitiendo el desarrollo autónomo del estudiante con criterio objetivo
y juicios lógicos de valor.
CG4.Desarrolla emprendimiento creativo vinculado a su proyecto de vida,

orientado a la construcción del tejido social cultural y sociolaboral.
CG5. Explica las relaciones entre los elementos sociales y naturales para la
preservación de la vida, valorando la identidad e interculturalidad en un mundo
diversificado
Competencias Específicas
CE1. Diseña y desarrolla soluciones informáticas, aplicaciones web y

soluciones empresariales bajo estándares internacionales para aportar con el
desarrollo tecnológico, asumiendo una actitud científica y responsable
utilizando principios, técnicas, herramientas y métodos que aseguren la
funcionabilidad y calidad del software.
CE2. Construye y analiza modelos estadísticos y/o algoritmos computacionales

para la toma de mejores decisiones en condiciones de incertidumbre, para el
desarrollo de la región y el país, asumiendo una actitud científica y ética,
utilizando técnicas estadísticas y/o informáticas referidas a la ciencia de datos.
CE3. Diseña, configura y administra redes de telecomunicaciones basado en

estándares de calidad y políticas de seguridad vigentes con responsabilidad y
compromiso social.
CE4. Gestiona sistemas de bases de datos y sistemas de información asumiendo

una actitud científica, crítica y ética con conocimiento de fundamento teórico y
manejo de políticas de seguridad de información y estándares de calidad.
CE5. Utiliza metodologías estadísticas para promover y desarrollar la
investigación científica con el propósito de generar nuevos conocimientos en
beneficio del país y la humanidad con responsabilidad y ética con conocimiento
de técnicas estadísticas actualizadas.
1
5.2.3 Perfil del Graduado
Ser un profesional competente para ejercer la profesión en estadística e

informática
Profesionales interesados por la investigación científica, tecnológica,
humanista, cuestionadores permanentes, que buscan la innovación de los
conocimientos, de los procesos y de los paradigmas existentes y con
desarrollo de habilidades para integrar grupos interdisciplinarios,
experiencias previas para producir nuevos conocimientos.
Profesionales dispuestos a diseñar proyectos de investigación y participar
activamente en forma individual o grupal en la solución de problemas locales,
regionales o nacionales.
Personas interesadas en hacer frente a los cambios tecnológicos y ejercer la
profesión en forma competente.
Profesionales con capacidad para comprender el comportamiento empresarial
en referencia a los sistemas de información, para diseñar o agenciar nuevas
alternativas que mejoren el desarrollo empresarial.
Personas capaces de desarrollar la función de responsabilidad social,
integrando las actividades académicas, investigación, extensión y gestión,
para tener impacto en la sociedad.
2
VI. ESTRUCTURACION CURRICULAR
6.1. Malla Curricular del Programa de Estudios de Ingeniería estadística e informática

PERFIL DE EGRESO
AREAS DE (Competencias genéricas y
ESTUDIOS especificas) I II III IV V VI VII VIII IX X
CG1. Utiliza el lenguaje para
comprender, argumentar y Comprensión
producir textos académicos en y
contextos comunicativos Argumentació
interculturales. n
CG2. Fundamenta las
racionalidades y las teorías del
conocimiento científico para la
investigación y la comprensión de Pensamiento
la realidad con ética, pensamiento racional y
crítico reflexivo en contextos ética
académicos y socioculturales
CG3. Resuelve problemas Matemática Calculo
contextualizados haciendo uso de básica Diferencial
GENERAL
las ciencias básicas permitiendo el
desarrollo autónomo del
estudiante con criterio objetivo y Química Física
juicios lógicos de valor. general General
CG4. Desarrolla emprendimiento
creativo vinculado a su proyecto
de vida, orientado a la Estrategias de Taller de
construcción del tejido social aprendizaje innovación y
cultural y sociolaboral. emprendimie
nto
CG5. Explica las relaciones entre
los elementos sociales y naturales
Seguridad y
para la preservación de la vida,
defensa
valorando la identidad e Ecología y
nacional
interculturalidad en un mundo desarrollo
diversificado. sostenible
ESPECIFI CE5. Utiliza metodologías Calculo
COS estadísticas para promover y Cálculo de integral y Programa Regresión Estadístic
desarrollar la investigación Estadística probabilidad ecuaciones ción lineal y a Investigación Taller de
científica con el propósito de básica es diferenciales numérica no lineal bayesiana Marketing de mercados tesis
3
generar nuevos conocimientos en Distribucion Estadístic Metodolog Control

beneficio del país y la humanidad es de a no ía de la estadístico
con responsabilidad y ética con probabilidad paramétric Modelos investigaci de
conocimiento de técnicas a lineales ón procesos
estadísticas actualizadas. Ingles
CE1. Diseña y desarrolla Lenguajes

Internet de las
soluciones informáticas, Análisis y de Lenguajes Lenguajes Ingeniería Ingeniería Practicas
cosas y
aplicaciones web y soluciones diseño de programació de de de de pre
computación
empresariales bajo estándares algoritmos nI programac programac software I software II profesiona
en las nubes
internacionales para aportar con el ión II ión III les
desarrollo tecnológico, asumiendo
una actitud científica y Métodos
responsable utilizando principios, de Taller de Inteligencia
técnicas, herramientas y métodos optimizaci desarrollo artificial
que aseguren la funcionabilidad y ón de
calidad del software. software
Aprendizaj Aprendizaj Tecnologí
CE2. Construye y analiza Muestreo e no e Ciencia de Ciencia de as
modelos estadísticos y/o Inferencia supervisad supervisad datos I datos II emergente
algoritmos computacionales para Estadística o o s
la toma de mejores decisiones en
DE Diseños
condiciones de incertidumbre, Modelos Estadística
ESPECIAL para el desarrollo de la región y el experimen
discretos Computaci Series de Estadística
IDAD tales I
país, asumiendo una actitud onal tiempo Espacial
científica y ética, utilizando Diseños
técnicas estadísticas y/o experimentale
informáticas referidas a la ciencia s II
de datos. Taller de
estadística
CE3. Diseña, configura y Arquitectu Arquitectu
Computac
administra redes de ra de ra de redes Administr
ión
telecomunicaciones basado en computado y ación de
paralela
estándares de calidad y políticas ras protocolos redes
de seguridad vigentes con Sistemas
responsabilidad y compromiso distribuido
social s
CE4. Gestiona sistemas de bases Gestión de Seguridad y Inteligenc
Sistemas
de datos y sistemas de Estructura Sistemas Proyectos Auditoria ia de
de gestión
información asumiendo una de datos de gestión TICs Informática negocios
4
actitud científica, crítica y ética de base de de base de

con conocimiento de fundamento datos I datos II
teórico y manejo de políticas de Análisis y
seguridad de información y diseño de
estándares de calidad sistemas
de
informació
n
5
6
6.2. Áreas Curriculares
6.2.1 Área de Estudios Generales

La función del área de estudios generales es asegurar aprendizajes vitales
que le permita al estudiante formarse como persona, como ciudadano,
para comunicarse en forma oral y escrita con pensamiento lógico y crítico.
Además, sirve para reflexionar y situarse en diversos contextos sociales,
culturales, reafirmando su cultura e identidad.
El área de estudios generales está conformada por 10 cursos entre ellos
cursos obligatorios de formación general. El total de créditos es 35.
HORAS
semanales HV
N° CICLO AREA CODIGO CURSOS TH CRE
(Adicionales)
HT HP
Estudios Comprensión y
1 I EG101 3 2 5 4 2
generales Argumentación
Estudios Pensamiento
2 I EG102 2 2 4 3 2
generales racional y ética
Estudios Matemática
3 I EG103 3 2 5 4 2
generales básica
Taller de
Estudios
4 II EG104 innovación y 2 2 4 3 2
generales
emprendimiento
Ecología y
Estudios
5 II EG105 desarrollo 2 2 4 3 2
generales
sostenible
Estudios Estrategias de
6 I EG114 2 2 4 3 2
generales aprendizaje
Estudios
7 I EG108 Química general 3 2 5 4 2
generales
Estudios
8 II EG109 Física general 3 2 5 4 2
generales
Estudios Calculo
9 II EG111 3 2 5 4 2
generales Diferencial
Estudios Seguridad y
10 III 2 2 4 3 2
generales defensa nacional
EG119
TOTAL 25 20 45 35 20
6.2.2 Área de Estudios Específicos

El Área de Estudios Específicos está orientada a organizar competencias
(capacidades, conocimientos y actitudes) y valores, tendientes a formar al
7
profesional de Ingeniería Estadística e Informática. Es de naturaleza

teórico práctica y tiene por finalidad proporcionar, al futuro profesional en
Ingeniería Estadística e Informática, una formación integral y académica
a nivel de pregrado en base a referidos a estadística e informática básicas
propias de la profesión.
El área de estudios específicos está conformada por 16 cursos de
formación. El total de créditos es 59.
Nro HORAS N VH
CICLO ÁREA CODIGO CURSO
. HT HP TH créditos Adicionales
1 I Específicos EST201 Estadística básica 4 2 6 5 2
2 II Específicos EST202 Cálculo de probabilidades 4 2 6 5 2
3 Específicos EST203 Estructura de datos 2 2 4 3 2

Distribuciones de
4 Específicos EST204 2 2 4 3 2
probabilidad
III
Calculo integral y
5 Específicos MAT205 3 2 5 4 2
ecuaciones diferenciales
6 Específicos EST206 Ingles 1 2 3 2 2
7 IV Específicos EST207 Programación numérica 2 2 4 3 2
8 V Específicos EST208 Estadística no paramétrica 2 2 4 3 2
Regresión lineal y no
lineal
VI
10 Específicos EST210 Modelos lineales 4 2 6 5 2
11 Específicos EST211 Estadística bayesiana 3 2 5 4 2
VII Metodología de la
investigación
13 Específicos ADM213 Marketing 2 2 4 3 2

VIII Control estadístico de
procesos
Investigación de
15 IX Específicos EST215 2 2 4 3 2
Mercados
16 X Específicos EST216 Taller de tesis 4 2 6 5 2
TOTALES 43 32 75 59 32
6.2.3 Área de Estudios de Especialidad

El área de estudios de especialidad es de naturaleza teórico y práctica y
tiene como finalidad proporcionar al futuro profesional en ingeniería
Estadística e Informática su formación integral académica a nivel de
pregrado.
El área de estudios de especialidad está conformada por 36 cursos de
formación. El total de créditos es 140.
8
HORAS N VH
Nr CICL ÁRE cré
CODIGO CURSO H Adiciona
o. O A HT TH dit
P os les
Especi
1 II EST301 Análisis y Diseños de Algoritmos 2 4 6 4 2
alidad
Especi
2 EST302 Muestreo 3 2 5 4 2
alidad
III
Especi
3 EST303 Lenguajes de programación I 3 2 5 4 2
alidad
Especi Sistemas de gestión de base de
4 EST304 3 2 5 4 2
alidad datos I
Especi
5 EST305 Lenguajes de programación II 3 2 5 4 2
alidad
Especi
6 IV EST306 Inferencia Estadística 2 2 4 3 2
alidad
Especi
7 EST307 Modelos discretos 4 2 6 5 2
alidad
Especi Análisis y diseño de sistemas de
8 EST308 4 2 6 5 2
alidad información
Especi
9 EST309 Métodos de optimización 2 2 4 3 2
alidad
Especi
10 EST310 Lenguajes de programación III 3 2 5 4 2
alidad
Especi
11 V ELE311 Arquitectura de computadoras 3 2 5 4 2
alidad
Especi
12 EST312 Estadística Computacional 4 2 6 5 2
alidad
Especi Sistemas de gestión de base de
13 EST313 4 2 6 5 2
alidad datos II
Especi
14 EST314 Aprendizaje no supervisado 3 2 5 4 2
alidad
Especi
15 EST315 Gestión de Proyectos Tics 3 2 5 4 2
alidad
VI
Especi Arquitectura de redes y
16 EST316 2 2 4 3 2
alidad protocolos
Especi
17 EST317 Series de Tiempo 3 2 5 4 2
alidad
Especi
18 EST318 Sistemas distribuidos 3 2 5 4 2
alidad
Especi
19 EST319 Ingeniería de software I 3 2 5 4 2
alidad
VII
Especi
20 EST320 Aprendizaje supervisado 3 2 5 4 2
alidad
Especi
21 EST321 Administración de redes 3 2 5 4 2
alidad
Especi
22 EST322 computación paralela 3 2 5 4 2
alidad
Especi
23 EST323 Ingeniería de software II 3 2 5 4 2
alidad
Especi
24 VIII EST324 Ciencia de datos I 3 2 5 4 2
alidad
Especi
25 EST325 Diseños experimentales I 3 2 5 4 2
alidad
Especi
26 EST326 Taller de desarrollo de software 0 2 2 1 2
alidad
Especi Seguridad y Auditoria
27 EST327 3 2 5 4 2
alidad Informática
Especi
28 IX EST328 Ciencia de datos II 3 2 5 4 2
alidad
Especi Internet de las cosas y
29 EST329 2 2 4 3 2
alidad computación en las nubes
9
Especi
30 EST330 Diseños experimentales II 3 2 5 4 2
alidad
Especi
31 EST331 Inteligencia artificial 3 2 5 4 2
alidad
Especi
32 EST332 Taller de estadística 0 2 2 1 2
alidad
Especi
33 EST333 Tecnologías emergentes 4 2 6 5 2
alidad
Especi
34 EST334 Estadística Espacial 4 2 6 5 2
alidad
X
Especi
35 EST335 Inteligencia de negocios 4 2 6 5 2
alidad
Especi
36 EST336 Practicas pre profesionales 0 6 6 3 2
alidad
TOTALES 101 78 179 140 72
10
6.3. Plan de Estudios

6.3.1 Estructura del plan de estudios
HORAS N VH
CODI prerrequis
CICLO ÁREA CURSO H H T crédit adiciona
GO itos
T P H os les
sin
Generale
EG101 Comprensión y Argumentación 3 2 5 4 2 prerrequisit
s
o
sin
Generale
EG102 Pensamiento racional y ética 2 2 4 3 2 prerrequisit
s
o
sin
Generale
EG103 Matemática básica 3 2 5 4 2 prerrequisit
s
o
I
sin
Generale
EG114 Estrategias de aprendizaje 2 2 4 3 2 prerrequisit
s
o
sin
Generale
EG108 Química general 3 2 5 4 2 prerrequisit
s
o
sin
Específic EST20
Estadística básica 4 2 6 5 2 prerrequisit
os 1
o
SUB TOTAL 29 23 12
Generale
EG111 Calculo Diferencial 3 2 5 4 2 EG103
s
Generale
EG109 Física general 3 2 5 4 2 EG108
s
Generale Taller de innovación y
EG104 2 2 4 3 2 EG101
s emprendimiento
II Específic EST20
Cálculo de probabilidades 4 2 6 5 2 EST202
os 2
Generale
EG105 Ecología y desarrollo sostenible 2 2 4 3 2 EG102
s
sin
Especiali EST30
Análisis y Diseños de Algoritmos 2 4 6 4 2 prerrequisit
dad 1
o
TOTALES 30 23 12
Específic MAT20 Calculo integral y ecuaciones
3 2 5 4 2 EG111
os 5 diferenciales
Generale
EG119 Seguridad y defensa nacional 2 2 4 3 2 EG114
s
Específic EST20
Estructura de datos 2 2 4 3 2 EST301
os 3
Especiali EST30
III Muestreo 3 2 5 4 2 EG104
dad 2
Específic EST20
Distribuciones de probabilidad 2 2 4 3 2 EST203
os 4
Especiali EST30
Lenguajes de programación I 3 2 5 4 2 EST301
dad 3
Específic EST20
Ingles 1 2 3 2 2 EG105
os 6
TOTALES 30 23 14
Especiali EST30 Sistemas de gestión de base de
3 2 5 4 2 EST204
dad 4 datos I
Especiali EST30
Lenguajes de programación II 3 2 5 4 2 EST303
dad 5
Específic EST20
IV Programación numérica 2 2 4 3 2 MAT201
os 7
Especiali EST30
Inferencia Estadística 2 2 4 3 2 EST205
dad 6
Especiali EST30
Modelos discretos 4 2 6 5 2 MAT201
dad 7
11
Especiali EST30 Análisis y diseño de sistemas de

4 2 6 5 2 EST204
dad 8 información
TOTALES 30 24 12
Especiali EST30
Métodos de optimización 2 2 4 3 2 EST207
dad 9
Especiali EST31
Lenguajes de programación III 3 2 5 4 2 EST305
dad 0
Especiali ELE31
Arquitectura de computadoras 3 2 5 4 2 EG109
dad 1
V
Específic EST20
Estadística no paramétrica 2 2 4 3 2 EST302
os 8
Especiali EST31
Estadística Computacional 4 2 6 5 2 EST306
dad 2
Especiali EST31 Sistemas de gestión de base de EST304 y
4 2 6 5 2
dad 3 datos II EST308
TOTALES 30 24 12
Especiali EST31
Aprendizaje no supervisado 3 2 5 4 2 EST312
dad 4
Especiali EST31
Gestión de Proyectos Tics 3 2 5 4 2 EST313
dad 5
Especiali EST31
Arquitectura de redes y protocolos 2 2 4 3 2 ELE311
dad 6
VI
Especiali EST31
Series de Tiempo 3 2 5 4 2 EST208
dad 7
Específic EST20
Regresión lineal y no lineal 3 2 5 4 2 EST309
os 9
Específic EST21
Modelos lineales 4 2 6 5 2 EST307
os 0
TOTALES 30 24 12
Especiali EST31
Sistemas distribuidos 3 2 5 4 2 ELE316
dad 8
Específic EST21
Estadística bayesiana 3 2 5 4 2 EST317
os 1
Especiali EST31 EST310 y
Ingeniería de software I 3 2 5 4 2
dad 9 EST315
VII
Específic EST21
Metodología de la investigación 3 2 5 4 2 EST210
os 2
Especiali EST32
Aprendizaje supervisado 3 2 5 4 2 EST314
dad 0
Especiali EST32
Administración de redes 3 2 5 4 2 ELE316
dad 1
TOTALES 30 24 12
computación paralela 3 2 5 4 2
dad 2 EST321
Especiali EST32
Ingeniería de software II 3 2 5 4 2 EST319
dad 3
Específic ADM2
Marketing 2 2 4 3 2 EST211
os 13
Especiali EST32
VIII Ciencia de datos I 3 2 5 4 2 EST320
dad 4
Especiali EST32
Diseños experimentales I 3 2 5 4 2 EST209
dad 5
Especiali EST32
Taller de desarrollo de software 0 2 2 1 2 EST319
dad 6
Específic EST21
Control estadístico de procesos 2 2 4 3 2 EST212
os 4
TOTALES 30 23 14
Especiali EST32
Seguridad y Auditoria Informática 3 2 5 4 2 EST322
dad 7
Especiali EST32
IX Ciencia de datos II 3 2 5 4 2 EST324
dad 8
Especiali EST32 Internet de las cosas y
2 2 4 3 2 EST323
dad 9 computación en las nubes
12
Especiali EST33
Diseños experimentales II 3 2 5 4 2 EST325
dad 0
Específic EST21 EST214 y
Investigación de Mercados 2 2 4 3 2
os 5 ADM213
Especiali EST33
Inteligencia artificial 3 2 5 4 2 EST326
dad 1
Especiali EST33
Taller de estadística 0 2 2 1 2 EST324
dad 2
TOTALES 30 23 14
Específic EST21 EST329 y
Taller de tesis 4 2 6 5 2
os 6 EST331
Tecnologías emergentes 4 2 6 5 2
dad 3 EST328
Especiali EST33
X Estadística Espacial 4 2 6 5 2 EST327
dad 4
Especiali EST33
Inteligencia de negocios 4 2 6 5 2 EST215
dad 5
Especiali EST33
Practicas pre profesionales 0 6 6 3 2 *
dad 6
TOTALES 30 23 10
29
TOTAL GENERAL 234 124
9
* El pre requisito para el curso de Prácticas Pre Profesionales es haber culminado el noveno ciclo académico
satisfactoriamente y 211 créditos académicos. las cuales tendrán una duración de 18 semanas como mínimo y
supervisión continua.
6.3.2 Resumen del plan de estudios por áreas de formación
N° de N° de N° de créditos
Áreas %
Cursos Créditos
Ley N° 30220
Estudios Generales 10 35 15% 35
Estudios Específicos 16 59 25%
199
Estudios de Especialidad 36 140 60%
TOTAL 62 234 100% 234
6.3.3 Resumen de condición de cursos para optar el grado académico de

bachiller:
Condición de cursos N° de Cursos N° de Créditos

Obligatorios 62 234
Electivos 0 0
TOTAL 62 234
13
CERTIFICACIÓN DE COMPETENCIA
Los estudiantes del Programa de Estudios de Ingeniería Estadística e Informática

una vez, de haber logrado las competencias del perfil puede optar la certificación
de competencia profesional.
Requisitos:
1) Presentar y sustentar un proyecto que demuestre la competencia alcanzada
2) Aprobar el 100% de los cursos de cada competencia considerado
3) Para la certificación se considerará en dos niveles: Bueno y excelente:
Denominación de la certificación: Administrador de Base de Datos

Horas
Semanales HV
Perfil de egreso de competencia Cicl Crédit
Cursos vinculados TH Adicio
específica o os
HT HP nales
CE5. Utiliza metodologías
estadísticas para promover y Investigación de
desarrollar la investigación VIII 2 2 4 3 3
Mercados
científica con el propósito de
generar nuevos conocimientos en
beneficio del país y la humanidad
con responsabilidad y ética con Marketing VIII 2 2 4 3 2
conocimiento de técnicas
estadísticas actualizadas.
Estructura de datos III 2 2 4 3 2
Sistemas de gestión de
IV 3 2 5 4 2
base de datos I
CE4. Gestiona sistemas de bases Análisis y diseño de
de datos y sistemas de sistemas de IV 4 2 6 5 2
información asumiendo una información
actitud científica, crítica y ética Sistemas de gestión de
con conocimiento de fundamento V 4 2 6 5 2
base de datos II
teórico y manejo de políticas de Gestión de Proyectos
seguridad de información y VI 3 2 5 4 2
Tics
estándares de calidad. Seguridad y Auditoria
IX 3 2 5 4 2
Informática
Inteligencia de
IX 4 2 6 5 2
negocios
Total 27 18 45 36 19
14
Denominación de la certificación: Administrador de redes de computadoras
Horas
Perfil de egreso de Semanales HV
Cursos vinculados Ciclo TH Créditos
competencia específica Adicionales
HT HP
Arquitectura de
V 3 2 5 4 2
computadoras
CE3. Diseña, configura y
administra redes de Arquitectura de
VI 2 2 4 3 2
telecomunicaciones basado redes y protocolos
en estándares de calidad y
Sistemas distribuidos VII 3 2 5 4 2
políticas de seguridad
vigentes con responsabilidad Administración de
y compromiso social VII 3 2 5 4 2
redes
computación paralela VIII 3 2 5 4 2
Total 14 10 24 19 10
15
Denominación de la certificación: Programador de computadoras

Perfil de egreso de Cursos Cicl Horas TH Créd HV
competencia específica vinculados o Semanales itos Adicionale
HT HP s
CE1. Diseña y desarrolla Análisis y II 2 4 6 4 2
soluciones informáticas, Diseños de
aplicaciones web y soluciones Algoritmos
empresariales bajo estándares Lenguajes de III 3 2 5 4 2
internacionales para aportar programación I
con el desarrollo tecnológico, Lenguajes de IV 3 2 5 4 2
asumiendo una actitud programación II
científica y responsable métodos de V 2 2 4 3 2
utilizando principios, técnicas, optimización
herramientas y métodos que Lenguajes de V 3 2 5 4 2
aseguren la funcionabilidad y programación III
calidad del software Ingeniería de VII 3 2 5 4 2
software I
Ingeniería de VIII 3 2 5 4 2
software II
Taller de VIII 0 2 2 1 2
desarrollo de
software
Internet de las IX 2 2 4 3 2
cosas y
computación en
las nubes
Inteligencia IX 3 2 5 4 2
artificial
CE5. Utiliza metodologías Programación IV 2 2 4 3 2
estadísticas para promover y numérica
desarrollar la investigación
científica con el propósito de
generar nuevos conocimientos
en beneficio del país y la
humanidad con responsabilidad
y ética con conocimiento de
técnicas estadísticas
actualizadas.
Total 26 24 50 38 22
16
Denominación de la certificación: experto en ciencia de datos e investigación

estadística
Horas
Perfil de egreso de Semanales HV
Cursos vinculados Ciclo TH Créditos
competencia específica Adicionales
HT HP
Muestreo III 3 2 5 4 2
Inferencia Estadística IV 2 2 4 3 2
CE2. Construye y analiza
Estadística Computacional V 4 2 6 5 2
modelos estadísticos y/o
algoritmos Aprendizaje no supervisado VI 3 2 5 4 2
computacionales para la Series de Tiempo VI 3 2 5 4 2
toma de mejores
decisiones en condiciones Modelos discretos VI 3 2 5 4 2
de incertidumbre, para el
Aprendizaje supervisado VII 3 2 5 4 2
desarrollo de la región y
el país, asumiendo una Ciencia de datos I VIII 3 2 5 4 2
actitud científica y ética, diseños experimentales I VIII 3 2 5 4 2
utilizando técnicas Ciencia de datos II IX 3 2 5 4 2
estadísticas y/o Taller de estadística IX 0 2 2 1 2
informáticas referidas a la
ciencia de datos. diseños experimentales II IX 3 2 5 4 2
Estadistica espacial X 4 2 6 5 2
Tecnologías emergentes X 4 2 6 5 2
CE5. Utiliza
I 4 2 5 5 2
metodologías estadísticas Estadstica basica
para promover y
desarrollar la Distribuciones de probabilidad III 2 2 4 3 2
investigación científica
con el propósito de III 4 2 6 5 2
Calculo de probabilidades
generar nuevos
conocimientos en V 2 2 4 3 2
Estadística no paramétrica
beneficio del país y la VI 4 2 6 5 2
humanidad con Modelos lineales
responsabilidad y ética Regresión lineal y no lineal VI 3 2 5 4 2
con conocimiento de
metodologia de la investigacion VII 3 2 5 4 2
técnicas estadísticas
actualizadas. Estadística bayesiana VIII 3 2 5 4 2
Total 66 44 109 88 44
6.3.4 Estrategias didácticas de aprendizaje-enseñanza

La estrategia es el conjunto de acciones planificadas sistemáticamente en
el tiempo que se llevan a cabo para lograr un determinado fin u objetivo.
La estrategia didáctica es el conjunto de procedimientos, apoyados en
métodos y técnicas de enseñanza, que tienen por objeto el cumplimiento
de los objetivos de aprendizaje.
Las estrategias didácticas a utilizarse en la Escuela Profesional de
Ingeniería Estadística e Informática están enmarcadas en la construcción
de aprendizajes en forma reflexiva, flexible y significativa, en los
estudiantes, entre las principales tenemos:
17
Debate.
Es una competencia intelectual que debe efectuarse en un clima de libertad,
tolerancia y disciplina. Se elige un moderador, quien se encarga de hacer
la presentación del tema y de señalar los puntos a discutir y el objetivo del
debate. Se caracteriza por ser una disputa abierta con réplica por parte de
un equipo defensor y por otro que está en contra de la afirmación
planteada. Requiere de una investigación documental rigurosa para poder
replicar con fundamentos.
Seminario.
El seminario es una estrategia expositiva por parte del alumno en relación
con un tema. Puede incluir la discusión y el debate, requiere profundidad
y el tiempo destinado es largo. Para llevarlo a cabo se requiere efectuar
una investigación (bibliográfica, de campo o experimental) para
fundamentar las ideas expuestas durante la discusión.
Taller.
El taller es una estrategia grupal que implica la aplicación de los
conocimientos adquiridos en una tarea específica, generando un producto
que es el resultado de la aportación de cada uno de los miembros del
equipo. Al realizar un taller se debe promover un ambiente flexible, contar
con una amplia gama de recursos y herramientas para que los alumnos
trabajen el producto esperado.
Su duración es relativa a los objetivos perseguidos o la competencia a
trabajar; por ello, puede llevarse a cabo en un día o en varias sesiones de
trabajo. Es importante que dentro del taller se lleve a cabo el aprendizaje
colaborativo, para lo cual es ideal asignar roles entre los miembros del
equipo.
Aprendizaje basado en problemas.

El aprendizaje basado en problemas es una metodología en la que se
investiga, interpreta, argumenta y propone la solución a uno o varios
problemas, creando un escenario simulado de posible solución y
analizando las probables consecuencias. El alumno desempeña un papel
activo en su aprendizaje, mientras que el docente es un mediador que guía
al estudiante para solucionar un problema. Los problemas deben alentar al
estudiante a participar en escenarios relevantes al facilitar la conexión
entre la teoría y su aplicación. Se puede trabajar con problemas abiertos o
cerrados; los primeros resultan idóneos para el nivel universitario, pues
son complejos y desafían a los alumnos a dar justificaciones y a demostrar
habilidades de pensamiento.
Trabajo previo a la sesión con los estudiantes:
 Formar equipos de trabajo de entre tres y siete alumnos en caso de
que el problema así lo requiera.
18
 Se asignan roles a los miembros del equipo. Por lo menos se deben

considerar los siguientes: líder, secretario y reportero.
 Elaborar reglas de trabajo.
Durante las sesiones con los estudiantes:

 Analizar el contexto junto con los estudiantes. Se puede partir de un
texto o un caso para lo cual es importante aclarar términos y
conceptos.
 Los alumnos identificarán el problema.
 Se formulan hipótesis.
 Se establecerán alternativas.
 Se selecciona la mejor alternativa.
 Durante el proceso, el docente supervisará y asesorará el trabajo de
los estudiantes.
 Se pone a prueba la alternativa mediante una simulación.
Ventajas del aprendizaje basado en problemas:

 Ayuda a analizar con profundidad un problema.
 Desarrolla la capacidad de búsqueda de información, así como su
análisis e interpretación.
 Favorece la generación de hipótesis, para someterlas a prueba y
valorar los resultados.
 Vincula el mundo académico con el mundo real.
 Favorece el aprendizaje cooperativo.
 Permite desarrollar la habilidad de toma de decisiones.
Estudio de caso.
Constituye una metodología que describe un suceso real o simulado
complejo que permite al profesionista aplicar sus conocimientos y
habilidades para resolver un problema.
Es una estrategia adecuada para desarrollar competencias, pues el
estudiante pone en marcha tanto contenidos conceptuales y
procedimentales como actitudes en un contexto y una situación dados.
Fases:
1. Fase de preparación del caso por parte del docente.
19
2. Fase de recepción o de análisis del caso por parte de los alumnos,

para lo cual deben realizar una búsqueda de información adicional
para un adecuado análisis.
3. Fase de interacción con el grupo de trabajo. Si el análisis se realizó
de manera individual es necesario que esta fase se realice en
pequeños grupos.
4. Fase de evaluación, la cual consiste en presentar ante el grupo los
resultados obtenidos del análisis individual o en pequeños grupos; se
discute a cerca de la solución y se llega a la conclusión.
5. Fase de confrontación con la resolución tomada en una situación
real.
Ventajas:
 Desarrolla habilidades del pensamiento crítico.
 Desarrolla una competencia comunicativa que consiste en saber
argumentar y contrastar.
 Promueve el aprendizaje colaborativo y la escucha respetuosa ante
las opiniones de los demás.
 Soluciona problemas.
 Aplica e integra conocimientos de diversas áreas de conocimientos.
Aprendizaje orientado a proyectos.
Los proyectos son una metodología integradora que plantea la
inmersión del estudiante en una situación o una problemática real que
requiere solución o comprobación. Se caracteriza por aplicar de manera
práctica una propuesta que requiere solucionar un problema real desde
diversas áreas de conocimiento, centrada en actividades y productos de
utilidad social. Surge del interés de los alumnos.
Los proyectos incluyen varios pasos:
1. Observación y documentación de un tema de interés o una
problemática específica de la profesión.
2. Formulación de una pregunta que exprese una situación por
resolver.
3. Planteamiento de una hipótesis a comprobar.
4. Selección y adecuación de método a utilizar y que permita resolver
la pregunta de investigación.
5. Recopilación, análisis e interpretación de la información.
6. Redacción de las conclusiones.
7. Presentación de los resultados de la investigación.
Los proyectos exigen un alto grado de responsabilidad por parte de los
alumnos y el docente, sobre todo en los proyectos a mediano plazo, puesto
20
que se lleva a la práctica en un contexto dado y se requiere constancia y

seguimiento en el desarrollo del mismo.
Ventajas:
 Permiten desarrollar los diversos aspectos de las competencias, en sus
tres dimensiones de saber y articulando la teoría con la práctica.
 Favorecen prácticas innovadoras.
 Ayudan a solucionar problemas.
 Permiten transferir conocimientos, habilidades y capacidades a
diversas áreas de conocimiento.
 Permiten aplicar el método científico.
 Favorecen la meta cognición.
 Fomentan el aprendizaje cooperativo.
 Ayudan a administrar el tiempo y los recursos.
 Alientan el liderazgo positivo.
 Fomentan la responsabilidad y el compromiso personal.
 Contribuyen a desarrollar la autonomía.
 Permiten un acercamiento a la realidad de la comunidad, el país y el
mundo.
En conclusión, las estrategias didácticas se refieren a planes de acción que
pone en marcha el docente de forma sistemática para lograr aprendizaje de
los estudiantes. Se planean y aplican flexible autor reflexionado
continuamente sobre el proceso formativo para ajustar a este y afrontar las
incertidumbres que puede surgir en el desarrollo de las componentes
curriculares, teniendo en cuenta la complejidad del acto educativo.
Las estrategias didácticas de Aprendizaje-Enseñanza, utilizados en los
diferentes componentes curriculares de la Escuela Profesional de Ciencias
Físico Matemáticas están el siguiente cuadro.
ESTRATEGIAS DIDACTICAS DE APRENDIZAJE - ENSEÑANZA
FUNCIÓN DE LA NOMBRE DE LA TIPOS DE
ESTRATEGIA ESTRATEGIA ESTRATEGIA
Preguntas - guía
Preguntas Preguntas literales
Preguntas exploratorias
Indagar, activar o SQA: qué sé, qué quiero
generar los saber, qué aprender
conocimientos RA-P-RP: respuesta
previos anterior, pregunta, respuesta
posterior
Errores conceptuales
Ideas Lluvia de ideas
21
Torbellino de ideas
Ideas previas
Ideas alternativas
Esquemas conceptuales
alternativos
Procesamiento simple:
Palabras clave
Imágenes mentales
Parafraseo
Procesamiento complejo:
Elaboración
Elaboración de inferencias.
Resumen
Analogías
Elaboración conceptual
Correlación
Matriz de clasificación
Matriz
Matriz de inducción
Cuadro sinóptico
Cuadros
Cuadro comparativo
Promover la Técnica heurística UVE de
comprensión Gowin
mediante la
Diagrama radial
elaboración y
organización de la Diagrama de árbol
Diagramas
información Diagrama causa-efecto
Diagrama de flujo
Mapa mental
Mapa conceptual
Mapa semántico
Mapa cognitivo tipo sol.
Mapa cognitivo de telaraña
Mapas cognitivos para la Mapa cognitivo de
jerarquización y aspectos comunes
organización de la Mapa cognitivo de ciclos
información Mapa cognitivo de
secuencia
Mapa cognitivo de cajas
Mapa cognitivo de calamar
Mapa cognitivo de
algoritmo
FUNCIÓN DE LA NOMBRE DE LA TIPOS DE
ESTRATEGIA ESTRATEGIA ESTRATEGIA
Con intervención de
Promover la especialistas
comprensión mediante Debate
la elaboración y Estrategias grupales
Simposio
organización de la
información Mesa redonda
Foro
22
Seminario
Taller
En las que todo el grupo
participa activamente
Discusión dirigida
Juego de roles
Estudio de casos
Philips 6 - 6
La investigación activa
Micro enseñanza
Técnica de la rejilla
Aprendizaje orientado a
proyectos (AOP)
Aprendizaje basado en
problemas (ABP)
Aprendizaje Aprendizaje in situ
Aprendizaje basado en TIC
Aprendizaje mediante el
servicio
Aprendizaje cooperativo
Contribuir al desarrollo Investigación formativa
de competencias Investigación Investigación con tutoría
Método experimental
Método de aula laboratorio
Participación activa y
socializada del Método de proyectos
aprendizaje Método de
redescubrimiento
Estudio de casos
Simulación
Tópico generativo
6.3.5 Recursos para la enseñanza y el aprendizaje
Infraestructura y equipamiento
Descripción de la infraestructura (aulas, laboratorios, centro de cómputo,
biblioteca) y equipamiento (material de laboratorio, equipos de cómputo,
material bibliográfico, aulas virtuales) necesario para el uso de los
estudiantes y docentes.
Para las escuelas profesionales que corresponda se debe asegurar
convenios con las instituciones de producción o servicios, públicos o
privados, para los internados y prácticas pre profesionales, que aseguren el
logro de las competencias profesionales. Debe anexar dichos convenios.
Adjuntar ilustraciones visuales.
23
Infraestructura
La Escuela Profesional de Ingeniería estadística e Informática, en la
actualidad cuenta con 2 pabellones, uno de tres pisos y el otro de dos pisos
distribuidos de la siguiente manera:
Pabellón nuevo (de acuerdo a los estándares del CONEAU):
 01 auditórium
 05 Aulas de enseñanza –Aprendizaje
 03 ambientes de laboratorios
 01 portería
 01 biblioteca especializada con sala de lectura
 04 servicios higiénicos
Pabellón antiguo (no adecuado para CONEAU)

 07 Aulas de enseñanza –Aprendizaje
 04 ambientes de laboratorios
 01 sala de docentes
 01 sala para Auto acreditación
 06 servicios higiénicos
 Tercer piso, pabellón administrativo:
- 01 ambiente para Decanatura con servicio higiénico
- 02 ambientes para oficinas
- 01 ambiente para secretaria
- 01 sala para doctorado
- 02 servicios higiénicos
Equipos:
El jefe de laboratorio reporta a la fecha:
- Laboratorio 1
20 equipos de cómputo HP
- Laboratorio 2
20 equipos de cómputo Lenovo
- Laboratorio 4
13 equipos de cómputo
24
- Laboratorio de redes
- Laboratorio de servidores
- 06 servidores con consola
- data display
- 33 estabilizadores
Convenios:
 CONVENIO DE COOPERACIÓN INTERINSTITUCIONAL

ENTRE EL INSTITUTO NACIONAL DE ESTADÍSTICA E
INFORMÁTICA Y LA UNIVERSIDAD NACIONAL DEL
ALTIPLANO – PUNO.
 CONVENIO ESPECÍFICO DE COOPERACIÓN DOCENTE
ASISTENCIAL ENTRE LA RED DE SALUD DE PUNO Y LA
FACULTAD DE INGENIERÍA ESTADÍSTICA E
INFORMÁTICA DE LA UNIVERSIDAD NACIONAL DEL
ALTIPLANO DE PUNO.
Recursos didácticos
Listado de medios y materiales didácticos que la escuela profesional
pone al servicio de los docentes y estudiantes, tales como computadoras,
equipos de multimedia, software, equipos de laboratorio y otros. Adjuntar
ilustraciones visuales de los equipos
El Jefe de Biblioteca reporta:
 Tesis: 899
 Informes: 178
 Folletos: 35
 Revistas: 34
 Libros originales: 3215
Herramientas para entornos virtuales
 5 servidores
 Página web
 Host
 Internet propio
 Google Meet
 webex
25
 Zoom
 classrom
 Lauracia
 Moodle
6.3.6 Evaluación:
 Evaluación de Competencias
La evaluación de las competencias se basa en criterios para comparar el

desempeño real de las competencias en un momento determinado, con su
criterio de desempeño asociado fijado con anterioridad. Esto supone diseñar
instrumentos en donde los estudiantes en periodos de tiempo puedan
demostrar con ejecuciones de un saber hacer, un saber actuar con evidencias
a nivel básico, nivel intermedio y nivel logrado, que deben demostrar
conforme las competencias considerados en el perfil de egreso.
Modelo de Evaluación de las Competencias del Perfil de Egreso
Fuente: Elaboración propia para el proceso formativo
 Evaluación de los aprendizajes

En el enfoque del currículo por competencias desarrollaron la concepción y
procesos propios de la Evaluación Formativa, que tiene las siguientes
exigencias:
La evaluación del aprendizaje, es un proceso interactivo que permite la

valoración sobre el nivel de logro del aprendizaje alcanzado por el
estudiante, en el desarrollo de las competencias, con el propósito de tomar
decisiones que conlleven a la mejora de los procesos de aprendizaje-
enseñanza.
26
Son propósitos de la evaluación del proceso de aprendizaje en las escuelas

profesionales:
a. Verificar y fortalecer la calidad del logro de las competencias de los
estudiantes.
b. Evidenciar el grado de efectividad de las estrategias, actividades y
materiales utilizados por el docente para el logro de aprendizajes.
c. Generar la información requerida por la administración académica para
efectos de promoción, reconocimientos y beneficios, tutoría, becas,
ayudantía de cátedra, servicio social, certificaciones, grados y títulos.
d. Proponer medidas de mejora continua para los procesos de aprendizaje-
enseñanza.
e. Consignar los calificativos conforme reflejen el esfuerzo académico de
los estudiantes de manera justa.
La evaluación formativa, tiene por finalidad de determinar el nivel de

desarrollo de las competencias en los estudiantes y se evalúan por medio de
actividades que permitan establecer juicios de valor y tomar decisiones de
retroalimentación sobre la calidad de logros de aprendizaje durante la unidad
didáctica, sus evidencias de acción, objeto u producto (según sea el caso),
así también de los logros de aprendizaje del curso en su totalidad.
Implica comprender la evaluación como parte de los procesos de enseñanza

y aprendizaje, ya que se puede utilizar para brindar información a los
estudiantes sobre su proceso formativo a través de la retroalimentación
efectiva y sirve para tomar decisiones pedagógicas de acuerdo a los
problemas detectados. Así la evaluación se transforma en un indicador de
avance en el proceso de aprendizaje.
De acuerdo al Reglamento de evaluación de los aprendizajes, se emplearán

las siguientes evidencias, técnicas e instrumentos de evaluación de los
aprendizajes:
27
Fuente: Reglamento General de evaluación de los aprendizajes de la UNA Puno
28
6.4. Cartas Descriptivas
1. DATOS INFORMATIVOS
a. Curso : Comprensión y argumentación
b. Código : EG101
c. Prerrequisito : Ninguno
d. N° de horas : Teóricas: 03 y prácticas: 02, Total: 05
e. N° de créditos : 04 Créditos
f. N° de horas virtuales/unidad : 02 Horas
g. Área curricular : Estudios generales
h. Ciclo del plan de estudios :I
i. Características del curso : Formación ciudadana
2. SUMILLA
El presente curso pertenece al área de estudios generales, es de carácter teórico-
práctica y tiene como propósito promover el desarrollo de la capacidad de
comprensión y argumentación lingüística en contextos comunicativos interculturales.
El contenido comprende los siguientes ítems: la textolingüística, procesos de lectura,
procesos de la comprensión de textos, niveles de comprensión de textos, técnicas y
estrategias para la comprensión de textos, argumentación, retórica y lógica de la
argumentación, punto de controversias, mecanismos discursivos y lingüísticos de la
argumentación, tipos de argumentos y falacias argumentativas.
3. PERFIL DE EGRESO
CG1: Utiliza el lenguaje para comprender, argumentar y producir textos académicos
en contextos comunicativos interculturales.
CRITERIOS DE DESEMPEÑO CONOCIMIENTO Y COMPRENSIÓN

ESENCIALES
El estudiante debe saber:
El estudiante es competente si:
1. La textolingüística
A. Los principios de la – El texto como objeto lingüístico.
textolingüística son empleados
– Elementos semánticos: propiedades,
para la caracterización del texto
unidades y categorías textuales.
y el contexto.
– Componentes modales y relacionales del
texto
B. Los procedimientos de la 2. Procesos de lectura
descodificación lingüística y los – El acto de la lectura
conocimientos previos son – Descodificación lingüística
aplicados en el proceso de la
– Conocimientos previos: lengua, cultura y
lectura.
mundo
29
3. Procesos de la comprensión de
textos – Reglas transformacionales:
C. Las reglas transformacionales y •Supresión-selección
lógicas son utilizadas en la •Generalización-relación
sistematización de los •Construcción-redacción – Reglas
contenidos textuales. lógicas:
•Inductivo
•Deductivo
•Clasificación.
D. Los criterios de niveles de 4. Niveles de comprensión textual
comprensión son empleados en – Literal: información semántica
el proceso de jerarquización de – Inferencial: información pragmática
la información textual. – Criterial: juicio crítico de la información
E. Las técnicas de procesamiento y 5. Técnicas y estrategias para la
estrategias de organización son comprensión de textos
Utilizadas para la – Técnicas de procesamiento de la
sistematización de la información
información textual. – Estrategias de organización
visual de la información
F. Los criterios de las propiedades 6. Argumentación
textuales y racionalidad – Conceptualización
lingüística son empleados para – Propiedades
la caracterización de la – Racionalidad lingüística
argumentación.
G. Los criterios básicos de la 7. Retórica y lógica de la argumentación
retórica y la lógica son – Situación comunicativa
aplicados para la identificación – Tipos de razonamiento lingüístico:
de la situación comunicativa y deductivo, inductivo y causal
tipos de razonamiento
lingüístico.
8. Mecanismos discursivos y lingüísticos de
H. Los mecanismos discursivos y la argumentación
lingüísticos son empleados en la – Puntos de controversia
resolución de los puntos de – Estructuras del texto argumentativo:
controversia. • Simples
• Complejas
9. Tipos de argumento
I. Los tipos de argumentos son
– Argumento de autoridad
utilizados en el proceso de la
– Argumento por ejemplificación
construcción de los textos
– Argumento por analogía
argumentativos.
– Argumento de causalidad
J. Los mecanismos de 10. Falacias
identificación de las falacias son argumentativas –
Tipos de falacias:
• Falacias no formales
30
empleados para la evaluación de • Falacias formales

los textos argumentativos.
4. LOGROS DE APRENDIZAJE
LOGRO DE LOGRO DE APRENDIZAJE EVIDENCIAS

APRENDIZAJE DEL DE UNIDAD (acción/producto)
CURSO
I UNIDAD:
Emplea los Aplica el proceso de Reseña textual
procedimientos descodificación y las reglas producto de la
lingüísticos para la transformacionales para la comprensión global
comprensión y
comprensión de textos. de un texto.
argumentación lingüística
en contextos II UNIDAD: Ensayo libre
comunicativos Aplica los mecanismos aplicando los
interculturales. discursivos y lingüísticos en la principios de la
producción de textos argumentación.
argumentativos.
5. EVALUACIÓN DEL APRENDIZAJE
Técnicas Instrumentos
Examen Prueba escrita
Análisis documental Ficha de observación / Lista de cotejos
Observación Rúbrica
6. REFERENCIAS BIBLIOGRÁFICAS
ANSCOMBRE, J. C. y DUCROT, O. (1988). La argumentación en la lengua. Madrid:

Editorial Gredos.
ARENAS, N., ERICE, X., FARINA, M. GOMENSORO, A., PÁRRAGA, C.,
ACEVEDO, A., et al. (2004). Comprensión de textos y resolución de problemas.
EDIUNC.
BASSOLS, M. y TORRENT, A. M. (2003). Modelos textuales. Barcelona: Ediciones
OCTAEDRO, S.
LBERNÁRDEZ, E. (1993). Introducción a la lingüística del texto. Madrid: Espasa-
Calpe.
CARRILLO G., L. (2007). Argumento y argumentación. Recuperado:
http://www.cervantesvirtual.com/descargaPdf/argumentacin-y-argumento-0/.
CAVALLO, G. y CHARTIER, R. (eds.). (2004). Historia de la lectura en el mundo
occidental. Madrid: Santillana Ediciones Generales, S. L.
31
CORTEZ, M., y GARCÍA, F. (2010). Estrategias de comprensión lectora y producción

de textos. Lima: Editorial San Marcos.
ESCANDELL, M. V. (2008). Introducción a la pragmática. Recuperado:
https://linguno.files.wordpress.com/2013/10/144549186-1-introduccion-a-la-
pragmaticavictoria-escandel-p1-1.pdf
EEMEREN, F. (2012). Maniobras estratégicas en el discurso argumentativo. Madrid-
México: CSIC/Plaza y Valdez.
EVANGELISTA, D. (2013). Lingüística del texto. Lima: Editorial San Marcos
GONZALES, A. (2004). Estrategias de comprensión lectora. Madrid: Editorial Síntesis.
HERNANDEZ, A. y QUINTEROS, A. (2001). Comprensión y composición escrita.
Madrid: Editorial Síntesis.
IACONA, A. (2018). La argumentación. Recuperado:
http://www.casadelibrosabiertos.uam.mx/contenido/contenido/Libroelectronico/Argume
nta cion.pdf
MARAFIOTI, R. (2003). Los patrones de la argumentación: la argumentación en los
clásicos y en el siglo XX. Buenos Aires: Editorial Biblos.
PERELMAN, C. (1997). El imperio retórico. Retórica y argumentación. Bogotá:
Editorial Norma, S. A.
PERELMAN, C. y OLBRECHTS-TYTECA, L. (1989). Tratado de la argumentación:
La nueva retórica. Madrid: EDITORIAL GREDOS, S. A.
PÉREZ, H. (2006). Comprensión y producción de textos educativos. Bogotá: Editorial
Aula Abierta.
PLANTIN, C. y MUÑOZ, N. I. (2011). El hacer argumentativo. Buenos Aires: Editorial
Biblos.
SAID NOEDA, B. (1996). La dimensión pragmática de la lingüística del texto.
Recuperado: https://core.ac.uk/download/pdf/16359902.pdf
VAN DIJK, T. A. (1995). Texto y Contexto. Madrid: Cátedra.
..............................(1995). La ciencia del texto. Barcelona: Paidós.
VIGNAUX, G. (1976). La argumentación: ensayo de la lógica discursiva. Buenos
Aires: librería Hachette.
WESTON, A. (2006). Las claves de la argumentación. Recuperado:
http://fundacionmerced.org/bibliotecadigital/wp-content/uploads/2013/05/las-claves-de-
laargumentacion-corregido.pdf
WODAK, R., y MEYER, M. (2003). Métodos de análisis crítico del discurso.
Barcelona: Editorial Gedisa.
ZACHARIS, J. C. (1991). Comunicación oral: enfoque racional. México: Limusa.
32
a. Curso : Pensamiento racional y ética
b. Código : EG102
d. № de horas : Teóricas: 02, Practicas: 02 y Total de horas: 04
e. № de créditos : 03 Créditos
f. N° de horas virtuales/unidad: 02 Horas
g. Área curricular : Estudios Generales
h. Ciclo del plan de estudios : I
2. SUMILLA
El presente curso pertenece al área de estudios generales, es de carácter teórico – práctico
y tiene como propósito promover el desarrollo de la capacidad de fundamentación de las
racionalidades y las teorías del conocimiento científico para la investigación y la
comprensión de la realidad con ética, pensamiento crítico reflexivo en contextos
académicos y socioculturales.
Está organizado en las siguientes unidades de aprendizaje:
• Fundamentos del pensamiento racional.
• Fundamentos de ética.
3. PERFIL DE EGRESO
CG2. Fundamenta las racionalidades y las teorías del conocimiento científico para
la investigación y la comprensión de la realidad con ética, pensamiento crítico
reflexivo, en contextos académicos y socioculturales.
CRITERIO DE CONOCIMIENTO Y COMPRENSIÓN

DESEMPEÑO ESENCIALES
El estudiante es competente si: El estudiante debe saber:
A. Los conceptos de teoría del 1. Conceptos de Teoría del Conocimiento.

conocimiento son identificados • Realidad, pensamiento, lenguaje y
para fundamentar el conocimiento conocimiento, conocimiento formal,
científico y la investigación. lógica y realidad; conocimiento
empírico.
B. Las posturas epistemológicas del 2. Realismo y antirrealismo.
realismo y antirrealismo son • Realismo ontológico, gnoseológico,
explicadas como presupuestos semántico, metodológico, axiológico,
para la investigación científica. ético, práctico. Realismo, materialismo,
cientificismo, positivismo,
fenomenología, constructivismo.
33
C. Las racionalidades teórica y 3. Racionalidad Teórica y Práctica.

práctica son comprendidas para el • Conceptos científicos, Teorías científicas;
enfoque científico de la realidad. Teoría de la Cultura y el Cambio Social.
D. Las teorías de la ética y la moral 4. Ética y moral.
son analizadas y comprendidas • Objeto, importancia, concepciones y
para discernir el bien y el mal. debates de la ética contemporánea.
E. La acción humana es explicada 5. Fundamentos deontológicos.
mediante los fundamentos éticos • La acción humana. Decisión racional. Lo
y deontológicos en el marco del mejor posible.
contexto histórico-social.
LOGRO DEL EVIDENCIAS

LOGRO DE UNIDAD
CURSO (acción/producto)
I UNIDAD:
Analiza críticamente Emplea el conocimiento racional Ensayo.
el conocimiento para la comprensión de la
racional y ético para la realidad.
comprensión de la II UNIDAD:
realidad física y Emplea los fundamentos éticos
Ensayo.
social. para una conducta moral
responsable.
5. EVALUACIÓN DEL APRENDIZAJE:

BILBAO, G., et al (2006). Ética para ingenieros. Sevilla: Desclée De Brouwer, S.A.
BOBBIO, F. (1988). Teoría del conocimiento. Lima: MAYJOSA
BUNGE, M. (2007). A la caza de la realidad. La Controversia sobre el realismo.
Barcelona: Editorial Gedisa, S.A.
BUNGE, M. (2015). Evaluando filosofías. Barcelona: Editorial Gedisa.
34
BUNGE, M. (2016). Materia y mente. México DF.: Siglo XXI editores.

DÍEZ, J, y MOULINES, C. (2008). Fundamentos de filosofía de la ciencia. Barcelona:
Ariel.
GIUSTI, M., y TUBINO, F. (2010). Debates de la ética contemporánea. Lima: Fondo
Editorial PUCP.
MILLAS, J. (2017). El pensamiento racional como sustituto de la experiencia.
Recuperado:
https://revistafilosofia.uchile.cl/index.php/RDF/article/view/46301/48299
MOSTERÍN, J. (2008). Lo mejor posible. Racionalidad y acción humana. Madrid:
Alianza Editorial.
MOSTERÍN, J. (2011). Epistemología y racionalidad. Lima: Fondo Editorial UIGV.
MOSTERÍN, J. (2016). Conceptos y teoría en la ciencia. Madrid: Alianza Editorial.
OTTO APEL, K. y DUSSEL, E. (2004). Ética del discurso y ética de la liberación.
Madrid: Editorial Trotta. POPPER, K. (2001). Conocimiento objetivo. Madrid: Edit.
Tecnos.
RESCHER, N. (1999). Razón y valores en la era científico tecnológico. Barcelona:
Ediciones Paidós Ibérica.
RODRÍGUEZ, M. (2005). Sobre ética y moral. Recuperado:
http://www.revista.unam.mx/vo.6/num3/art19/mar_art19.pdf
THAGARD, P. (2008). La mente. Introducción a las ciencias cognitivas. Buenos Aires:
Katz Editores. VEGA, M. (2017). Ética y deontología. Lima: Fondo Editorial PUCP.
35
a. Curso : Matemática básica
b. Código : EG103
i. Características del curso : Investigación, desarrollo e innovación (I + D + i)
2. SUMILLA
El presente curso corresponde al área de estudios generales, es de carácter teórico-
práctico, y tienen como propósito de fortalecer las capacidades de análisis, síntesis y
comprensión por parte de los estudiantes que se inician en su formación profesional, con
respecto al uso de herramientas básicas de matemática, que les permitirán proponer y
evaluar soluciones de problemas contextuales, fundamentándolos con criterio objetivo y
juicios lógicos de valor desarrollando así su autonomía intelectual. Los contenidos a
desarrollar son:
• Números reales
• Funciones
• Funciones algebraicas y trascendentes
• Matrices y determinantes
3. PERFIL DE EGRESO
CG3. Resuelve problemas contextualizados haciendo uso de las ciencias básicas,
permitiendo el desarrollo autónomo del estudiante, con criterio objetivo y juicios lógicos
de valor.

1. Números reales
A. Las propiedades de los números • Propiedades
reales y las gráficas en plano • Exponentes y radicales
coordenado son utilizadas para • Expresiones algebraicas y racionales
resolver problemas • Solución de ecuaciones y Modelado con
contextualizados. ecuaciones
• Desigualdades
• Coordenadas cartesianas y gráficas
36
• Rectas y modelado con rectas
2. Funciones
• Concepto de función
• Gráficas de funciones
B. Las funciones y sus propiedades • Información a partir de la gráfica una
son utilizados para resolver, función
modelar y obtener información de
problemas contextualizados. • Transformaciones de funciones
• Operaciones con funciones
• Función Inversa
• Modelado con funciones
3. Funciones algebraicas y trascendentes
• Funciones y modelos cuadráticos
• Funciones polinomiales, racionales,
C. Las propiedades de las exponenciales, logarítmicas, gráficas y
funciones algebraicas y aplicaciones
trascendentes son utilizadas para • Circunferencia unitaria
resolver, modelar y obtener • Funciones trigonométricas, gráficas y
información de problemas aplicaciones
contextualizados. • Funciones trigonométricas inversas
• Triángulos rectángulos
• Ley de senos y cosenos
• Identidades trigonométricas
4. Sistema de ecuaciones y Matrices
• Sistema de ecuaciones lineales con dos
incógnitas, modelado y aplicaciones
• Sistema de ecuaciones lineales con varias
D. Los conceptos y propiedades de incógnitas y aplicaciones
las Matrices y determinantes • Matrices y sistemas de Ecuaciones
son aplicados para resolver Lineales
sistemas de ecuaciones lineales. • Álgebra de Matrices
• Método de Gauss-Jordan
• Inversa de una matriz
• Determinantes y Regla de Cramer
37
EVIDENCIAS
LOGRO DEL CURSO LOGRO DE UNIDAD
(acción/producto)
Resuelve problemas y I UNIDAD:
ejercicios Resuelve problemas y
contextualizados, ejercicios contextualizados,
aplicando conceptos y utilizando propiedades de los Portafolio de
resolución de
propiedades números reales y las gráficas en
problemas
matemáticas con plano coordenado, con criterio
criterio objetivo y objetivo y juicios lógicos de
juicios lógicos de valor
valor
II UNIDAD Portafolio de resolución de
Utiliza las propiedades las problemas
matrices y los determinantes
para resolver sistemas de
ecuaciones lineales, con
criterio objetivo y juicios
lógicos de valor

5.1. Técnicas
• Resolución de problemas
• Exámenes escritos
• Observación
• Otros (ver Reglamento de Evaluación del Aprendizaje)
5.2. Instrumentos
• Pruebas Escritas de desarrollo
• Rubricas
• Listas de cotejo
• Otros (ver Reglamento de Evaluación del Aprendizaje)
Stewart J., Redlin L. y Watson S. (2012). Precálculo. Matemáticas para el cálculo.

México.
Cengage Learning Editores.
38
Larson R., Hostetler R. (2012). Precálculo. México. Editorial Reverté.

Figueroa, R. (2014). Matemática Básica 1. Lima: RFG.
Espinoza, E. (2012). Matemática Básica. Lima: Moshera.
Venero, A. (2016). Matemática Básica. Lima: Gemar.
Lazaro, M. (2005). Matemática Básica. Lima: Moshera.
Recursos Web
www.stewartmath.com
http://descartes.cnice.mec.es/
39
a. Curso : Estrategias de aprendizaje
b. Código : EG114
d. № de horas : Teóricas: 02, Prácticas: 02 y Total de horas: 04
e. № de créditos : 03 créditos
2. SUMILLA
práctica, y tiene como propósito es desarrollar habilidades para el aprendizaje
estratégico a través de técnicas del trabajo intelectual y técnicas de estudio en el
acceso, procesamiento, y uso de la información para el conocimiento. Considera en
su desarrollo: El Aprendizaje, cerebro y aprendizaje, estilos de aprendizaje,
aprendizaje estratégico, uso de organizadores del conocimiento, técnicas de estudio,
la investigación monográfica. Propicia el trabajo en equipo y culmina con la
presentación de los productos según protocolo planteado.
3. PERFIL DE EGRESO
CG4.Desarrolla emprendimiento creativo vinculado a su proyecto de vida, orientado
a la construcción del tejido social, cultural y socio laboral.
CRITERIO DE DESEMPEÑO CONOCIMIENTO Y COMPRENSIÓN

ESENCIALES
A. El aprendizaje es definido a partir del 1. Aprendizaje.

análisis documental en informe escrito. • Aprender en la Universidad.
2. Importancia de la
B. Las funciones del cerebro en el alimentación • Sueño
aprendizaje son identificadas en • Actividad física.
representaciones gráficas. 3. Cuadrantes de Dominancia
cerebral
C. El estilo de aprendizaje es identificado en 4. Estilos de aprendizaje
forma personal a partir del análisis • Programación neurolingüística
documental. • Test para identificar mi estilo de
aprendizaje
• Como potenciar el aprendizaje
• Emociones y aprendizaje
• Neuro aprendizaje
40
D. El aprendizaje estratégico es propuesto a 5. Aprendizaje estratégico y

partir del uso de estrategias auto autorregulación
reguladoras sistematizadas en informe • Plan para la autorregulación del
escrito. aprendizaje
• Matriz de gestión del tiempo
• La agenda electrónica y uso de
herramientas de planificación (Google
calendar, Outlook calendar u otros)
E. 6. Organizadores del conocimiento
(Herramientas digitales)
Los organizadores del conocimiento
• Herramientas para el aprendizaje en
son utilizados en la sistematización de
red
textos de estudio estableciendo una
• Herramientas digitales para crear e-
taxonomía.
books
• Herramienta de anotaciones
F. 7. Recursos para el aprendizaje abierto:
Los recursos para el aprendizaje YouTube (videos), Slideshare
abierto son utilizados para la búsqueda (presentaciones), TEMOA, Currikii,
y producción de información. Repositorios abiertos de universidades,
portales temáticos o profesionales.
LOGRO DE LOGRO DE
EVIDENCIAS
APRENDIZAJE DEL APRENDIZAJE DE CADA
UNIDAD
I UNIDAD: Plan personal para el
Elabora un plan para aprendizaje de acuerdo con
Elabora un informe sobre
autorregular su proceso de el protocolo establecido.
el aprendizaje
aprendizaje.
universitario y su rol en
este proceso. II UNIDAD:
Portafolio digital con
Elabora un portafolio digital
recursos utilizados para
con recursos para potenciar
potenciar su aprendizaje
el aprendizaje universitario.
Resolución de problemas Pruebas escritas de desarrollo
Resolución de casos de estudio Lista de cotejo
Examen escrito Rúbrica
Observación Otros(reglamento de evaluación)
Otros(reglamento de evaluación)
41
6. REFERENCIAS BIBLIOGRÁFICAS:
(Campayo, 2018)(Buzan, 2004)(Ibarra, 1992)(Estupinyá, 2018)(Tirapu, 2018)(Prieto,

2018)(Allen, 2014)(Hancock, 2015)(Dispenza, 2014)(León Barbero, 2006)(Díaz, 2013)
Allen, D. (2014). Organizate con Eficacia.

Abril, J., y Faya, M. (2005). Metodología del estudio para aprender a aprender.
Argentina, Rio de la Plata: MAGISTERIO DEL RIO DE LA PLATA.
Arguelles, D., y Nagles, N. (2011). Estrategias para promover procesos de aprendizaje

autónomo (4ta edición). Bogotá. Colombia: Alfaomega.
Beas, J., Santa Cruz, J., Thomsen, P., y Utreras, S. (2000). Chile: Editorial Alfaomega.
Biggs, J. (2010). Calidad del aprendizaje universitario. Madrid, Madrid: Editorial
Narcea.
Buzan, T. (2004). How to Mind Map (E. Urano (ed.); Primera ed).
Campayo, R. (2018). Desarrolla una Mente Prodigiosa. In E. Timoteo (Ed.), Journal
Materials Processing Technology (Segunda Ed, Vol. 1, Issue 1).
http://dx.doi.org/10.1016/j.cirp.2016.06.001%0Ahttp://dx.doi.org/10.1016/j.powtec.201
6.12.055%0Ah
ttps://doi.org/10.1016/j.ijfatigue.2019.02.006%0Ahttps://doi.org/10.1016/j.matlet.2019.
04.024%0Ahtt ps://doi.org/10.1016/j.matlet.2019.127252%0Ahttp://dx.doi.org/10.1016
Carretié, L. (2011). Anatomía de la mente: Emoción, cognición y cerebro. Madrid.

Madrid: Editorial Piramide. Delgado, A. Oliver, R. (2009). Interacción entre la
evaluación continua y la autoevaluación formativa: la potenciación del aprendizaje
autónomo. RedU. Revista de Docencia Universitaria. Número 4. Recuperado de
http://www.um.es/ead/Red_U/4
Diaz Barriga, F., y Hernández, G., (2010). Estrategias docentes para un aprendizaje
significativo: Una interpretación constructivista (3ra ed.). México. México: Mc Graw
Hill
Díaz, F. H. (2013). Metodología del Estudio. In Journal of Chemical Information and

Modeling (Vol. 53, Issue 9).
Dispenza, J. (2014). El Placebo eres tu (Ediciones Urano (ed.)).
http://library1.nida.ac.th/termpaper6/sd/2554/19755.pdf
42
Estupinyá, P. (2018). El Ladrón de Cerebros. In Journal of Materials Processing

Technology (Vol. 1, Issue 1).
http://dx.doi.org/10.1016/j.cirp.2016.06.001%0Ahttp://dx.doi.org/10.1016/j.powte
c.2016.12.055%0Ah
ttps://doi.org/10.1016/j.ijfatigue.2019.02.006%0Ahttps://doi.org/10.1016/j.matlet.2
019.04.024%0Ahtt
ps://doi.org/10.1016/j.matlet.2019.127252%0Ahttp://dx.doi.org/10.1016
González, A.; Calderon, S.; Galache, T.; Torrico, A. (s.f) Uso de wikis para la
realización de trabajos colaborativo en el aula. Recuperado de
http://www.uv.es/asepuma/XIV/comunica/118.pdf
Hancock, J. (2015). Entrenando la memoria para estudiar con exito (P. E. L. UK (ed.);
Segunda Ed).
Ibarra, L. M. (1992). Aprende Mejor con Gimnasia cerebral. In Fin de siglo (Vol. 21).
León Barbero, J. (2006). La mente humana. In E. Trotta (Ed.), Eleuteria (Issue 3).
Oré, L. (2007). Mapas Mentales. Recuperado de http://www.mapasmentales.org
Pimienta, J. (2012). Estrategias de enseñanza aprendizaje: Docencia universitaria basada
en competencias. México. México: Editorial PEARSON.
Prieto, J. P. (2018). Estrategias de Enseñanza Aprendizaje. In Journal of Materials

Processing Technology (Vol. 1, Issue 1).
c.2016.12.055%0Ah
019.04.024%0Ahtt
Pansza, M., y Hernández, S. (1998) El estudiante: técnicas de estudio y aprendizaje.

México: Editorial Trillas.
Quintana Ávila, V. (2007) El estudio Universitario y Elementos de Investigación
Científica. Lima: Editorial Universitaria
Sambrano, J. (2002). El placer de aprender a aprender: súper aprendizaje para todos.

México, México: Editorial Alfaomega
Tirapu, J. (2018). ¿Para que sirve el Cerebro? In Journal of Materials Processing
Technology (2da Edició, Vol. 1, Issue 1).
43
c.2016.12.055%0Ah
019.04.024%0 Ahtt
44
a. Curso : Química general
b. Código : EG108
i. Características del curso : Investigación desarrollo e innovación (I+D+i)
2. SUMILLA
El presente curso corresponde al área de estudios generales, de carácter teórico-práctico
y tiene como propósito proporcionar fundamentos firmes en cuanto a conceptos y
principios químicos, mediante la observación y hechos experimentales, de fenómenos
naturales y ambientales. El curso se desarrolla en dos unidades de aprendizaje: Materia y
energía, estructura atómica, teoría cuántica, química nuclear, tabla periódica, enlace
químico, funciones inorgánicas, reacciones químicas, estequiometria, gases ideales,
soluciones, equilibrio químico, electroquímica, química de materiales y química del
carbono.
3. PERFIL DE EGRESO
permitiendo el desarrollo autónomo del estudiante, con criterio objetivo y juicios lógicos
de valor.

ESENCIALES
A. Las propiedades de la materia y 1. Materia y Energía.

energía son identificadas en
forma práctica.
B. La estructura atómica de los 2. Estructura atómica y teoría cuántica
materiales es identificada de
acuerdo a su configuración y
propiedades periódicas
C. Las reacciones nucleares son 3. Química nuclear
reconocidas según emisiones
radiactivas
D. Los elementos de la tabla 4. Tabla Periódica
periódica son descritos según sus
45
propiedades y aplicadas en
materiales
E. La estructura de los compuestos es 5. Enlace Químico.
desarrollada según los tipos de
enlace, estableciendo sus
características y aplicaciones.
F. Las fórmulas químicas y funciones 6. Funciones inorgánicas.
son identificadas según
nomenclatura IUPAC
G. Las transformaciones químicas son 7. Reacciones químicas
desarrolladas según la clase de
reacción química que se produce.
H. Los cálculos estequiométricos son 8. Estequiometria
resueltos de acuerdo a las leyes
ponderales y volumétricas.
I. Las variables del comportamiento 9. Gases ideales
de gases son identificadas según las
leyes y la teoría cinética de los gases
J. La concentración de las soluciones 10. Soluciones.
es determinada según la interacción
de soluto-solvente
K. La temperatura, concentración, 11. Equilibrio químico.
catálisis y presión sobre el equilibrio
químico y velocidad de reacción son
identificados con análisis crítico
L. Las celdas electrolíticas y 12. Electroquímica
galvánicas son reconocidas con
conocimientos de electroquímica
M. Los materiales son caracterizados
13. Química de materiales.
en función de sus propiedades.
N. La química del carbono es
clasificada en base a las propiedades 14. Química del carbono.
del carbono.

LOGRO DE UNIDAD
I UNIDAD:
Desarrolla Informe de laboratorio.
Conoce las propiedades de la
procedimientos y
materia y sus interacciones
cálculos sobre la Portafolio.
según las leyes y principios.
46
materia de acuerdo a II UNIDAD:

las relaciones Desarrolla procedimientos,
estequiométricas y cálculos químicos y Poster
comportamiento de las estequiométricos según formulas
sustancias químicas. y ecuaciones químicas.

Análisis documental Informes/trabajos
Observación encargados/exposición/poster
Ficha de observación/Lista de cotejos
CHANG R. (2012) Química. Décima segunda edición. México. Editorial Mac Graw
Hill.
WHITTEN, KENNET W; GAILEY-KENNET D., RAYMOND E. DAVIS. (1998).
Química General. 5ta Edic. Mac. Graw Hill: Tercera Edición. México.
RODRÍGUEZ M. (2014) Manual de Laboratorio de Química General. Puno Perú
Editorial Líder.
BROWN l. & MAY-BURSTEN. (2009) Química La Ciencia Central. Novena
Edición. México. Editorial Prentice Hall Hispanoamericana S.A.
VILLA G. M.R. (2007) Manual de Prácticas de Química
General https://sites google.com/site/mecanicauth/bibliografía
ASOCIACIÓN ADUNI (2000) Química Análisis Principios y aplicaciones. Lima.
Editorial Lumbreras.
47
a. Curso : Estadística Básica
b. Código : EST201
g. Área curricular : Estudios específicos
i. Características del curso : investigación I+D
2. SUMILLA
El presente curso pertenece al área de estudios específicos, es de carácter teórico-

práctico y tiene como propósito construir y analizar modelos estadísticos para la
toma de decisiones en condiciones de incertidumbre, utilizando técnicas estadísticas
e informáticas referidas a la ciencia de datos. Comprende el siguiente contenido.
 Recolección de datos
 La básica y Técnicas de exploración de datos
3. PERFIL DE EGRESO
CE5. Utiliza metodologías estadísticas para promover y desarrollar la
investigación científica con el propósito de generar nuevos conocimientos en
beneficio del país y la humanidad con responsabilidad y ética con conocimiento
de técnicas estadísticas actualizadas

ESENCIALES
El estudiante es competente si: Unidad I.
 El proceso de producción de datos,
A. Los métodos estadísticos son usados producción de información, producción de
para elaborar instrumentos de conocimiento y de soluciones para la toma
investigación válidos y confiables. de decisiones.
 Las poblaciones, los tipos de variables, las
diferentes escalas de medición de variables
en la investigación.
 Diseño de instrumentos de recolección de
datos con software especializado
Unidad II.
48
 Análisis estadístico para k-variables,

Tablas y gráficos estadísticos.
 Medidas estadísticas para variables
B. Utiliza la estadística para el manejo cualitativas: Proporción, razón, tasa,
de los métodos, técnicas índice.
estadísticas, y su aplicación, de  Medidas estadísticas para variables
acuerdo con situaciones reales. cuantitativas: De posición, dispersión,
asimetría, curtosis y de relación
 Uso de software especializado.
 Técnicas de exploración de datos
EVIDENCIAS
(acción/producto)
I UNIDAD:
Construye instrumentos de Proyectos
investigación válidos y Portafolio de resolución
confiables de problemas
Construye instrumentos de II UNIDAD:

investigación y obtiene Obtiene, procesa, presenta e
estadísticos descriptivos Proyectos
interpreta datos estadísticos
Portafolio de resolución
a fin de obtener
de problemas
conclusiones válidas para un
grupo específico de datos
Otros(reglamento de evaluación) Otros(reglamento de evaluación)
49
HERBERT JONES, 2019, “Modelo predictivo, Minería de datos, Análisis de

datos, Análisis de Regresión, Consulta de base de datos y aprendizaje automático
para principiantes”. Edición Kindle.
CASAS PABLO, 2018, “Data Science Live Book: An intuitive and Practical
Approach to Data Analysis, Data Prepration and Machine Learning, Suitable for
all Ages.
CALZADA BENZA, 2005, “Estadística”. Editorial San Marcos. Lima
MITACC MEZA M. 1990, “Tópicos de Estadística Descriptiva y
Probabilidades”. Ed. Limusa Lima.
GARCÍA ORÉ, Celestino. 2004. “Estadística Descriptiva y Probabilidades”.
Princeliness EIRL. Lima Perú.
MITACC MEZA Máximo.1991. "Tópicos de Estadística Descriptiva y
Probabilidad". Editorial San Marcos. Lima Perú.
MOYA RUFINO, SARAVIA GREGORIO, 2004. “Probabilidad e Inferencia
Estadística”. 4ta. Ed. San Marcos Lima Perú.
Manuel Córdova Zamora, 2003, "Estadística descriptiva e inferencial,
aplicaciones, quinta edición, Edit. MOSHERA S.R.L Perú.
Seymour Lipschutz y Marc Lipson, 2001,"Probabilidad" 2da edición Edit.
McGrawHill.
Avila A. (2003) Estadística Elemental, Lima, Est. Ediciones R
50
a. Curso : Cálculo diferencial
b. Código : EG111
c. Prerrequisito : EG103
h. Ciclo del plan de estudios : II
i. Características del curso : Investigación, desarrollo e innovación (I + D + i)
2. SUMILLA
El presente curso corresponde al área de estudios generales, es de carácter obligatorio y
teóricopráctico; se desarrolla con el propósito de fortalecer las capacidades de análisis,
síntesis y comprensión por parte de los estudiantes que se inician en su formación
profesional, con respecto al uso de herramientas del Cálculo Diferencial, que les
permitirán proponer y evaluar soluciones de problemas contextuales, fundamentándolos
con criterio objetivo y juicios lógicos de valor desarrollando así su autonomía intelectual.
Los contenidos a desarrollar son:
• Límites y Continuidad
• Derivadas
• Aplicaciones de las derivadas
3. PERFIL DE EGRESO
CG3. Resuelve problemas contextualizados haciendo uso de las ciencias básicas
permitiendo el desarrollo autónomo del estudiante con criterio objetivo y
juicios lógicos de valor.

1. Límites y Continuidad
A. Los conceptos de límites y • Función continua
continuidad son utilizados para • Limites
analizar propiedades de las
• Limites laterales
funciones reales de variable real.
• Límites al infinito e infinitos
• Límites de funciones trascendentes
B. Los límites de funciones reales son • Asíntotas
aplicados para resolver problemas • Problemas con límites
contextualizados • Continuidad y limites
51
2. Derivadas
• Concepto de derivada
C. Las fórmulas y reglas de derivación • Diferenciabilidad y continuidad
son utilizadas para calcular • Reglas de derivación
derivadas de funciones reales de • Derivadas de funciones implícitas
variable real. • Derivadas de orden superior
• Regla de la cadena
• Teoremas de derivadas
D. Las derivadas de funciones reales 3. Aplicaciones de las derivadas
son utilizadas para resolver • Rectas tangentes y normales
problemas contextualizados
• Razón de cambio
E. El concepto de derivada es
• Máximos y mínimos
utilizado para analizar
propiedades de las • Límites y formas indeterminadas
funciones reales de variable real • Series de Taylor
4. LOGROS DE APRENDIZAJE:
LOGRO DEL LOGRO DE EVIDENCIAS

CURSO UNIDAD (acción/producto)
I UNIDAD:
Resuelve ejercicios y
problemas, aplicando
definiciones y propiedades Portafolio de
resolución de
relacionadas con los límites y problemas.
continuidad de funciones
Resuelve problemas y reales de variable real, con
ejercicios criterio objetivo y juicios
contextualizados lógicos de valor.
mediante el cálculo de II UNIDAD:
límites, las propiedades Reconoce y calcula la derivada
de continuidad y el funciones reales de variable Portafolio de
resolución de
cálculo de derivadas de real, utilizando reglas y problemas.
funciones reales de fórmulas de derivación, con
variable real, con criterio objetivo y juicios
criterio objetivo y lógicos de valor
juicios lógicos de valor. III UNIDAD:
Resuelve problemas y Portafolio de resolución de
ejercicios contextualizados, problemas.
utilizando el concepto de
derivada, con criterio objetivo
y juicios lógicos de valor.
52
5.1. Técnicas
- Resolución de problemas
- Exámenes escritos
- Observación
- Otros (ver Reglamento de Evaluación del Aprendizaje)
5.2. Instrumentos
- Pruebas Escritas de desarrollo
- Rubricas
- Listas de cotejo
- Otros (ver Reglamento de Evaluación del Aprendizaje)
Zill D., Wright W. e Ibarra J. (2015). Matemáticas I Cálculo Diferencial. McGraw-
Hill Interamericana de España S.L.
Stewart J. (2013). Cálculo Trascendentes Tempranas. México. Cengage Learning
Editores.
Larson R., Edwards B. (2015). Cáculo Tomo I. México: Cengage Learning.
Espinoza E. (2017). Análisis Matemático I. Lima: Edukperu
Guidorizzi H. (2018). Um Curso de Cálculo Vol. 1. Rio de Janeiro:Livros Técnicos
e Científicos.
Leithold L.(1998), El Cálculo, México: Oxford University Press - Harla.
Pita C. (1998). Cálculo de una variable, México:Prentice-Hall Hispanoamericana
S.A.
Mitacc M., Hoyos F., Villanueva F. y Gomez G. (2019). Cálculo I. Universidad
de Lima.
Recursos Web
• https://es.khanacademy.org/math/differential-calculus
• https://www.tutellus.com/ciencias-naturales/matematicas/curso-completo-de-
calculodiferencial-1114
https://www.classcentral.com/course/edx-calculo-diferencial-4938
53
a. Curso : Física general
b. Código : EG109
d. Nº de horas : Teóricas: 03; Practicas: 02; Total: 05
e. Nº de Créditos : 04
f. Nº de horas virtuales/unidad : 02 horas
i. Características del curso : Investigación, desarrollo e innovación (I+D+i)
2. SUMILLA
El presente curso corresponde al área de estudios generales, es de carácter teórico-práctico
y su propósito es brindar una presentación clara y lógica de los conceptos, principios
básicos y leyes que permiten comprender e interpretar el comportamiento de los
fenómenos naturales y la resolución de problemas. Los contenidos a desarrollarse son:
movimiento, vectores, energía, movimiento rotacional, temperatura, calor,
termodinámica; carga eléctrica, fuerza eléctrica, campo, eléctrico, potencial eléctrico,
corriente eléctrica continua, magnetismo, voltajes inducidos y autoinductancia.
3. PERFIL DE EGRESO.
permitiendo el desarrollo autónomo del estudiante, con criterio objetivo y juicios
lógicos de valor.
CRITERIOS DE DESEMPEÑO CONOCIMIENTO Y COMPRENSIÓN

ESENCIALES
1. Magnitudes fundamentales
- Análisis dimensional
A. El análisis dimensional es utilizado
- Conversión de unidades, orden de
para validar las fórmulas
magnitud
dimensionales. - Sistemas de coordenadas y
trigonometría
B. Las magnitudes físicas, asociadas al 2. Desplazamiento, velocidad y
movimiento, son utilizadas para aceleración - Movimiento en
cuantificar y contextualizar el una dimensión
movimiento de los cuerpos. - Graficas de movimiento, caída
libre.
54
3. Vectores y sus propiedades

C. Los vectores son utilizados para - Componentes de un vector
explicar el movimiento en dos - Movimiento en dos
dimensiones. dimensiones - Movimiento
relativo
4. Fuerzas
D. Las leyes de Newton son utilizadas
- Primera, segunda ley de Newton
para comprender el equilibrio y la
- Tercera ley de Newton, fuerzas de
dinámica de los cuerpos.
rozamiento
5. Trabajo
E. Los conceptos de trabajo y energía son - Energía cinética, potencia y
potencial
utilizados para abordar los problemas
elástica
dinámicos.
- Teorema del trabajo y la energía
mecánica
- Conservación de la energía
- Trabajo de una fuerza variable
6. Definición de velocidad y aceleración
angular
F. Los conceptos de velocidad y - Relación entre la velocidad
aceleración lineal y angular son angular y
utilizados para determinar las leyes lineal
gravitacionales. - Aceleración centrípeta
- Ley de la gravitación de Newton
- Leyes de Kepler
7. Estados de la materia
G. Los conceptos de densidad y presión - Densidad y presión
son utilizados para interpretar y - Deformación
resolver problemas relacionados a los - Mediciones de la presión en
fluidos. líquidos y gases
- Principio de Arquímedes
H. Los conceptos de temperatura y ley 8. Temperatura y ley cero
de la termodinámica
cero de la termodinámica son utilizados
- Escalas de temperatura
para comprender y resolver problemas
- Dilatación de sólidos y líquidos
relacionados a los estados de la
- Descripción macroscópica de un
materia. gas
ideal
I. Los conceptos de calorimetría y 9. Calor y energía interna
transferencia de energía son aplicados a - Calor especifico
la comprensión y solución de - Calorimetría
problemas de equilibrio térmico y los - Calor latente y cambio de fase
cambios de estado de la materia. - Transferencia de energía
- Calentamiento global
55
10. Cargas eléctricas

- Ley de Coulomb, campo eléctrico
J. El concepto de carga eléctrica es
- Líneas de campo eléctrico,
aplicado a la comprensión de la
potencial
interacción eléctrica de los cuerpos.
eléctrico
- Energía eléctrica
11. Corriente eléctrica
K. El concepto de carga eléctrica en
- Resistencia y resistividad eléctrica
movimiento es aplicado a la
- Energía eléctrica y potencia
comprensión y solución de circuitos
- Ley de Ohm, ley de Kirchhoff
eléctricos.
- Circuitos eléctricos
12. Magnetismo
- Imán, campo magnético, ley de
Lorentz
- Campos magnéticos de un alambre
L. El concepto de magnetismo es utilizado recto
para determinar campos y fuerza y largo
magnéticas de alambres rectos y largos. - Fuerza magnética entre dos
conductores paralelos
- Campos magnéticos de
espira y
solenoides
13. Voltajes inducidos e inductancia
- Fem inducida y flujo magnético
M. La variabilidad del flujo magnético - Ley de inducción de Faraday y
inducido es utilizada para generar la Lenz
fuerza electromotriz en un circuito - Fem en movimiento,
eléctrico. generadores
eléctricos
- auto inductancia
LOGRO DE LOGRO DE EVIDENCIAS

APRENDIZAJE DEL APRENDIZAJE DE (acción /producto)
CURSO UNIDAD
I UNIDAD:
Utiliza las leyes físicas Sistematiza las leyes de
Portafolio de resolución de
para comprender la la mecánica para la
problemas
materia y resolver revisión d textos
académicos.
56
problemas científico- II UNIDAD:

tecnológicos. Aplica las leyes de la
termodinámica y Portafolio de resolución de
electromagnetismo problemas
para revisión de textos
académicos.
• Raymond A. Serway, Fundamentos de física (2018), México D.F., Cengage

Learning Editores, décima edición
• Sears y Zemansky, Fisica universitaria (2018), México D.F., Editorial Pearson,
primera edición
Simulaciones
• Univeristy Colorado Boluder (2011)
https://phet.colorado.edu/es_PE/simulations/filter?subjects=physics&type=html
&sort=alpha&view =grid
Curso iterativo de física en internet de Ángel Franco García (2015)
http://www.sc.ehu.es/sbweb/fisica3/
57
a. Curso : Taller de innovación y emprendimiento
b. Código : EG104
d. № de horas : Teóricas: 02, Prácticas: 02 y Total de horas: 04
2. SUMILLA
práctico, y tiene como propósito de reconocer y desarrollar en el estudiante su
potencial emprendedor, ya sea para emprender un nuevo negocio o bien para trabajar
como agente de cambio de su puesto de trabajo y para ello busca promover sus
competencias emprendedoras, su creatividad para aprender haciendo, ideando,
iterando y testeando soluciones a problemas reales, que le permitan modelar un
negocio innovador, sustentable y rentable factores que lo alienten a adoptar la
concepción emprendedora de vida.
3. PERFIL DE EGRESO
CG4. Desarrolla emprendimiento creativo vinculado a su proyecto de vida,
orientado a la construcción del tejido social, cultural y sociolaboral.

ESENCIALES
A. El entorno emprendedor y los roles 1. Emprendimiento: El Perfil Emprendedor

de emprendimiento son
• Tipos de emprendimiento:
identificados a partir del análisis de
desempeño de los actores del emprendedor, Intraemprendedor,
ecosistema. emprendedor social.
58
2. Competencias Emprendedoras:
• Capacidad de Realización: Búsqueda de
oportunidades, persistencia,
Cumplimiento de Compromisos, demanda
B. Las competencias emprendedoras de por calidad y eficiencia, toma de riesgos y
realización, planificación y relación resolución de problemas.
social son puestas en práctica en el
• Capacidad de Planificación:
desenvolvimiento de talleres
Establecimiento de metas, La búsqueda y
experienciales y sistematizadas en
gestión del conocimiento e información,
un informe escrito.
planificación sistemática y el control.
• Capacidad de Relación Social:
liderazgo, persuasión y elaboración de
redes de apoyo, autoconfianza.
C. Técnicas de creatividad, son
empleadas para la generación de 3. Creatividad
ideas e innovadoras bajo los • Técnicas de creatividad: Brainstorming, 6
principios de la disrupción e sombreros, mapas mentales, SCAMPER,
innovación.
biónica, analogías, relaciones forzadas,
PNI (positivo, negativo, interesante),
4x4x4, Cre-in, Método 635, Triz.
D. Ideas de negocio son propuestas, 4. Design Thinking:
prototipadas, valuadas y validadas • Proceso de Diseño, empatizar, definir,
con las herramientas de la idear,
metodología del Design thinking. prototipar, testear
•
Producto mínimo viable: pivot,
validación.
5. Innovación:
E. Prototipos innovadores son
modelados y testeados tomando en • Cultura innovadora, drivers, barreras de la
cuenta los principios de la innovación, ámbitos para la innovación,
innovación tendientes a generar disrupción, lentes de innovación,
ventajas competitivas en el innovación como ventaja competitiva
mercado. global Matriz de
Innovación
F. Modelos de negocio basados en 6. Innovación social: *economías creativas *
innovación social son analizados economía circular *economía azul *
en base a los principios de las economías verdes, eco-innovación,
economías naranjas, azules,
innovación en servicios, innovación de
verdes.
productos, innovación tecnológica.
59
7. Modelos de Negocios:
G. Modelos de negocio son diseñados
• Model business canvas, lean canvas, lean
tomando en cuenta la caja de
startup
herramientas de metodologías
agiles del model business canvas y • Mapa de la empatía, curva de valor,
matriz
lean canvas.
CREA, customer journey map,
H. Oportunidades para obtener fondos
concursables de capital semilla son 8. Feria empresarial /Concurso capital semilla
aprovechados a través de un fondos concursables.
análisis de requerimientos y
adecuación del modelo a las
propuestas.

APRENDIZAJE DEL APRENDIZAJE DE (acción /producto)
CURSO CADA UNIDAD
I UNIDAD: Portafolio -informe de los talleres
Desarrolla sus capacidades experienciales vivenciales
Sustenta el diseño y emprendedoras, ya que desarrollados en cada sesión con
validación de un modelo reconoce la importancia del énfasis en los aprendizajes
de negocio de un emprendimiento para el adquiridos: “competencias
producto y/o servicio desarrollo personal y local. emprendedoras”.
bajo los principios de laII UNIDAD:
innovación queConoce los factores claves,
Portafolio que contenga las
contribuyan a la soluciónmetodologías, herramientas
evidencias de los talleres de
de problemas de su y técnicas que fomentan el
entorno regional, creatividad, diseño y validación
emprendimiento, la
reflejando el perfil del creatividad e del proceso Design thinking.
emprendedor, creativo e Innovación
innovador desarrollado Lienzo de modelo de negocios
en el proceso de III UNIDAD: rentable sostenible e innovador
aprendizaje. Modela negocios
que le permita obtener capital
innovadores, rentables y
semilla para iniciar sus
sostenibles.
operaciones de emprendimiento.

Técnicas e instrumentos de evaluación:
Registro de evaluación, Cuestionario, Rúbrica de
evaluación Ficha de análisis de contenido.
60
(Guerrero et al., 2016)(Cenpromype, 2018)(Aranibar et al., 2010)(Rincón,
2019)(Tracy, 2016)
(E. De Bono, 2018) (Ries, 2012)(Blank & Dorf, 2014)(E. De Bono, 2018)(Junta de
Andalucia, 2017)
(Ortega et al., 2014) (Cornella et al., 2017)(Extremadura, 2017)(Osterwalder, 2010)
(Zaritzky, 2016)(F. V. Andía, 2014)(Marcos, 2017)(Osorio Urzúa & Elola Ceberio,
2010)(Ries, 2012)(Sieber & Valor, 2007)
(John Sculley, 2018) (E. D. E. Bono, 1986) (Osterwalder, 2017)(Cornella & Flores,
2010)
(Scharmer & Käufer, 2015)(Robinson & Aronica, 2013)
(Ismail et al., 2014)(Brown, 2019)
(Vance, 2018)(Clark & Osterwalder, 2018)(alfa, 2018)(V. Andía, 2018) (FODM,
2010)(FECYT,2017)
(Kromatic Tristan, n.d.)(Bachrach, 2018)(Cornella & Flores, 2010)(Ries,
2012)(CEFE, 1998)
(Guilera, 2011)(Guillebeau, 2013)
alfa. (2018). Planes de negocios para emprendedores. Journal of Materials
Processing Technology, 1(1), 1–8.
016.12.055%0Ah
19.04.024%0Ahtt ps://doi.org/10.1016/j.matlet.2019.127252%0Ahttp://dx.doi.o
Andía, F. V. (2014). PlaneArt: El Arte de la Planeacion (Vol. 1, Issue 1).
016.12.055%0Ah
Aranibar, J., Vaca, J., Maturana, M., Gutierrez, M., Rojas, M., & Tapia, S. (2010).
Módulo de formación para el espíritu emprendedor. In Módulo de formación para el
espíritu emprendedor.
Bachrach, E. (2018). AGILMENTE.
Blank, S., & Dorf, B. (2014). El Manual del Emprendedor.
Bono, E. De. (2018). El Pensamiento Lateral Manual de Creatividad. In Journal of
Materials Processing Technology (Vol. 1, Issue 1).
016.12.055%0Ah
Bono, E. D. E. (1986). Edward De Bono Seis Sombreros. Pensamiento, 98.
https://docs.google.com/viewer?a=v&pid=sites&srcid=dWNwLmVkdS5jb3xqdWFu
ZGF0dXxneDozM TkyMTdlOTkyN2VjNzU1
Brown, T. (2019). Designing Thinking. In Designing Thinking (p. 228).
https://doi.org/10.30965/9783846761366 CEFE. (1998). CEFE Ejercicios. 1910.
Cenpromype. (2018). Taller de Características Emprendedoras Personales (p. 22).
Clark, T., & Osterwalder, A. (2018). Tu Modelo de Negocio. Journal of Materials
Processing Technology, 1(1), 1–8.
016.12.055%0Ah
61
Cornella, A., & Flores, A. (2010). 10 Palabras Para Innovar.
Cornella, A., Malet, C., Mompó, F., & Brugarola, J. L. S. (2017). Verne El Modelo
de Innovacion de Infonomia. In Journal of Chemical Information and Modeling (Vol.
53, Issue 9). http://www.elsevier.com/locate/scp
Extremadura. (2017). Guía Didáctica Modelo Canvas. In Expertemprende Nevo
Iniciativa.
FECYT. (2017). innoEXPLORA innovando con las personas (Vol. 53, Issue 9).
http://www.elsevier.com/locate/scp
FODM. (2010). Manual Jovenes Emprendedores.
Guerrero, M., Urbano, D., Ramos, A. R., Ruiz-Navarro, J., Neira, I., & Fernández-
Laviada, A. (2016). Perfil
Emprendedor del Estudiante Universitario - Observatorio de Emprendimiento
Universitario Informe 2015-2016. https://www.crue.org/Documentos
compartidos/Publicaciones/Observatorio de Emprendimiento Universitario /
20161201_Observatorio de Emprendimiento Universitario_informe_web.pdf
Guilera, Ll. (2011). Anatomía de la creatividad. In Sabadell. FUNDIT.(disponible
pdf en www. esdi. es/ ….
http://webprod.esdi.es/content/pdf/anatomia-de-la-creatividad.pdf
Guillebeau, C. (2013). Grandes Ideas para Desarrollar Empresas 100€ Startup.
https://elcachimbo.files.wordpress.com/2016/10/100eu-startup-ponte-en-marcha-
chris-guillebeau.pdf Ismail, S., Malone, M., & Geest, Y. Van. (2014).
Organizaciones Exponenciales.
John Sculley. (2018). Moonshot. In Journal of Materials Processing Technology
(Vol. 1, Issue 1).
016.12.055%0Ah ttps://doi.org/10.1016
/j.ijfatigue.2019.02.006%0Ahttps://doi.org/10.1016/j.matlet.2019.04.024%0Ahtt
ps://doi.org/10.1016/j.matlet.2019.127252%0Ahttp://dx.doi.o
Junta de Andalucia. (2017). Plan de Empresa. Journal of Chemical Information and
Modeling, 53(9), 21–
25. http://www.elsevier.com/locate/scp
Kromatic Tristan. (n.d.). The Real Startup Book. https://kromatic.com/real Marcos,
D. (2017). De Start-Up a Scale-p.
Ortega, M. S., Bl, P., & Ceballos, Z. (2014). Desing thinking Lidera el presente. Crea
el futuro.
Osorio Urzúa, C. a., & Elola Ceberio, A. (2010). Procesos de innovación: claves para
su éxito o fracaso.
Osterwalder, A. (2010). Generación de modelos de negocio.
Osterwalder, A. (2017). The Value Proposition Canvas. BusinessModelGeneration,
230.
Ries, E. (2012). El método Lean Startup: Cómo crear empresas de éxito utilizando la
innovación continua.
Rincón, V. (2019). Gamificación : Manual de gamification para divertirse
aprendiendo
Robinson, K., & Aronica, L. (2013). Escuelas creativas. In Grijalbo (Ed.), Journal of
Chemical Information and Modeling (Vol. 53, Issue 9). Grijalbo.
Scharmer, O., & Käufer, K. (2015). LIDERAR DESDE EL FUTURO
EMERGENTE De los egosistemas a los ecosistemas económicos.
62
Sieber, S., & Valor, J. (2007). Efectos de la Innovación en la Industria.

Technological Innovation Project. e-Business Center PricewaterhouseCooper
&IESE. Gemma Golobardes y Cristina Puig, 3–36.
http://www.iese.edu/research/pdfs/ESTUDIO-53.pdf Tracy, B. (2016). Creatividad y
Resolucion de Problemas.
Vance, A. (2018). Elon Musk El Empresario que Anticipa El Futuro. In Journal of
Materials Processing Technology (Vol. 1, Issue 1).
6.12.055%0Ah ttps://doi.org/10.1016/j.ijfatigue.2019.02.006%0
Ahttps://doi.org/10.1016/j.matlet.2019.04.024%0Ahtt
ps://doi.org/10.1016/j.matlet.2019.127252%0Ahttp://dx.doi.o Zaritzky, J. L. (2016).
Manual de Juegos de empresa.
63
1. DATOS INFORMÁTICOS
a) Curso : Cálculo de Probabilidades
b) Código : EST202
c) Prerrequisito : EST202
d) Nº horas : Teóricas: 4, Prácticas: 2, Total horas: 6
e) Nº de créditos : 5
f) N° de horas virtuales/unidad : 2
g) Área Curricular : Estudios específicos
h) Ciclo del plan de estudios : II
i) Características del curso : Investigación, desarrollo e innovación
2. SUMILLA
El curso Cálculo de Probabilidades corresponde al área curricular de estudios
específicos, es de naturaleza teórica-práctica y tiene como propósito desarrollar
habilidades y destrezas para aplicar todas las etapas de análisis de datos para producir
información probabilística orientada a la toma de decisiones. El contenido del curso
que se desarrollará es:
- Cálculo de Probabilidades para Variables Aleatorias Cualitativas
- Cálculo de Probabilidades para variables aleatorias discretas
- Cálculo de Probabilidades para variables aleatorias continuas
3. PERFIL DE EGRESO
CE5. Utiliza metodologías estadísticas y/o informáticas para promover y desarrollar
la investigación científica con el propósito de generar nuevos conocimientos en
beneficio del país y la humanidad con responsabilidad y ética con conocimiento de
técnicas estadísticas actualizadas.
Criterio de Conocimiento y comprensión esenciales

desempeño
1. Cálculo de probabilidades para variables
aleatorias cualitativas.
A. Los fundamentos
- Técnicas de conteo.
teóricos de
- Variable aleatoria cualitativa uni, bi y tri
probabilidades son
dimensional.
utilizados para
resolver problemas - Variables condicionales o filtradas.
- Variable aleatoria cualitativa k-dimensional.
de variables
aleatorias
2. Cálculo de probabilidades para variables
cualitativas
B. Los fundamentos aleatorias discretas.
- Variable aleatoria discreta uni, bi y tri
teóricos de
probabilidades son dimensional y sus medidas probabilísticas.
utilizados para - Variables condicionales o filtradas discreta
resolver problemas y sus medidas probabilísticas.
de variables - Variable aleatoria discreta k-dimensional.
aleatorias discretas 3. Cálculo de probabilidades para variables
aleatorias contínuas.
- Variable aleatoria contínua uni, bi y tri
dimensional y sus medidas probabilísticas.
64
C. Los fundamentos - Variables condicionales o filtradas

teóricos de continuas y sus medidas probabilísticas.
probabilidades son - Variable aleatoria continua k-dimensional.
utilizados para - Teoría analítica del cálculo de
resolver problemas probabilidades
de variables
aleatorias continuas
Evaluación de:
LOGRO DE UNIDAD
CURSO Acción / producto
I Unidad:
Evalúa espacios Obtiene probabilidades para Resolución de ejercicios.
muéstrales utilizando variables Aleatorias Uni K-
Portafolio
variables aleatorias Dimensionales.
discretas y continuas proyectos
II Unidad:
uni y k-dimensionales.
Obtiene probabilidades en
variables aleatorias discretas
y continuas
Observación Otros(reglamento de evaluación)
6. REFERENCIAS BIBLIOGRÁFÍCAS
 Canavos G. (1994). Probabilidad y Estadística. Aplicaciones y Métodos. México:
McGraw Hill.
 Freeman H. (1970). Introducción a la Inferencia Estadística. México: Editorial
Trillas.
 Freund J. & Walpole R. (1990). Estadística Matemática con Aplicaciones.
México: Prentice Hall Hispanoamérica. S.A.
 Lluén C. & Arpasi R. (2017). Cálculo de Probabilidades. Un enfoque práctico.
Puno: Imprenta Gráfica Lider.
 Lluén C. & Arpasi R. (2017). Estadística para la investigación descriptiva. Puno:
Imprenta Gráfica Lider.
 Meyer P. (2001). Probabilidad y aplicaciones estadísticas. España: McGraw Hill.
65
a. Curso : Ecología y desarrollo sostenible
b. Código : EG105
i. Características del curso : Responsabilidad Social
2. SUMILLA
El presente curso pertenece al área de estudios generales, es de carácter teórico-práctica
y tiene como propósito de empoderar de conocimientos relacionados al funcionamiento
dinámico de ecosistemas, hábitats, que permitan analizar la importancia de las plantas,
animales, suelo, agua y aire, que conllevan a un proceso de sostenibilidad. Los aspectos
importantes son comprender y aplicar los conceptos de: Preservar, Proteger, Conservar y
manejar, el entorno que involucra la actividad humana y la naturaleza, relacionado con la
sabiduría ancestral de la pachamama. Este enfoque del curso ayudará al logro del perfil y
competencias de egreso de los estudiantes y puedan en su vida profesional, puedan
plantear estrategias de mitigación a los problemas relacionados con la ecología y el
proceso continuo de la sostenibilidad.
Los temas transversales del curso, estarán relacionados al análisis del funcionamiento de
ecosistemas terrestre y acuático, considerando los factores bióticos y abióticos: plantas,
animales, microorganismos, factores ambientales del clima, contaminación de suelo, aire,
agua y sus efectos en la biodiversidad que presenta los ecosistemas y/o hábitats y que
cualquier actividad humana, debe considerar la sostenibilidad de los recursos naturales y
el ambiente en general, respetando las costumbres y sabidurías ancestrales de la población
local.
3. PERFIL DE EGRESO
diversificado.
66

A. Los conceptos de la ecología y 1. Conceptualización de la ecología y

el desarrollo sostenible son desarrollo sostenible.
analizados para promover la 2. Ecosistema: Interacción elementos
preservación, protección, biológicos factores ambientales y sociales
conservación y manejo de las 3. Hábitat: Importancia y funcionamiento y
plantas, animales y efectos de las actividades humanas
microorganismos, con 4. Fragmentación y efecto de borde de los
responsabilidad social y ética hábitats, por actividades estocásticas y
antropogénicas.
5. Variables biológicas, químicas y físicas
en ecología
B. La evaluación de la 6. Biodiversidad importancia y sus
biodiversidad es aplicada para implicancias en la sostenibilidad
inferir sobre la importancia de 7. Análisis de agua, suelo, aire
los elementos que componen 8. Análisis de plantas y animales silvestres
los hábitats y ecosistemas y su 9. Bioindicadores de calidad de ecosistema
entorno antropológico y que y hábitat desde enfoque científico y la sabiduría
permita plantear estrategias de popular
mitigación, responsabilidad 10. Costumbres y tradiciones locales para
ambiental y ética conservar los recursos naturales en
comunidades rurales
11. Desarrollo sostenible: definición,
principios, Objetivos al desarrollo sostenible.
12. Monitoreo ambiental agua, suelo y aire
C. Los enfoques de sostenibilidad 13. Monitoreo de poblaciones de plantas y
y monitoreo ambiental de animales
recursos naturales y calidad 14. Índices de abundancia para medir la
calidad del hábitat) Shannon, Simpson y
ambiental son comprendidos
Morisita)
para desarrollar monitoreos 15. Resiliencia de la población frente al
ambientales, con disciplina cambio climático 16. Gestión ambiental de
ambiental, social y ética. residuos sólidos, aguas residuales y calidad del
aire.
17. Educación ambiental, una estrategia de
cambio de actitud de la población en general
67
APRENDIZAJE APRENDIZAJE DE (acción/producto)
DEL CURSO UNIDAD
I UNIDAD: -Informes analíticos en
Dominan en forma analítica forma individual y grupal
los conceptos teóricos sobre los enfoques de la
ecología y sustentabilidad
utilizados para ecosistemas,
Comprenden en forma a través del tiempo
hábitats y su interacción con
eficiente los métodos de
análisis de recursos las plantas, animales y la
naturales y calidad calidad ambiental
ambiental de acuerdo a los II UNIDAD:
principios de preservación, Aplican métodos de campo - Reportes estadísticos de
protección, conservación y la evaluación de campo
para la evaluación de la
manejo, en el contexto sobre plantas, animales,
biodiversidad de
interacción naturaleza- suelo, agua y aire.
ecosistemas, hábitats y
cultura - Informes científicos
monitoreo del agua, suelo sobre los resultados de
aire, en relación a las evaluación de campo y
actividades antropogénicas y laboratorio
sabiduría ambiental local.
Técnicas:
- Exposiciones magistrales, enfatizando experiencias exitosas

- Lectura de artículos científicos sobre casos exitosos
- Dinámica grupal de discusión de temas de interés actual
Instrumentos:
- Fichas de sistematización
- Informes analíticos de casos exitosos
- Análisis de videos, según caso de estudio
- Fichas gráficas de casos de estudio
6. Referencias Bibliográficas
Canales-Gutiérrez. A., Solís B. Quispe, L y Pancca, R. 2020. Breeding of Eisenia

foetida (Red Worm in different susbtrates of biological development. Ecología
Aplicada 19 (2).
http://www.scielo.org.pe/scielo.php?pid=S1726-
22162020000200087&script=sci_abstract&tlng=en
68
Canales-Gutiérrez, A. 2015. Ecología: Teoría y Práctica. Editorial Meru

Corporation. 180 pp
Herrel, A. Speck, T. y Rowe, N. 2016. Ecology and biomechanics: Approach to the

ecology of animals and plants. Editorial Taylor and Francis USA.
https://www.academia.edu/3118685/Herrel_A_T_Speck_and_N_P_Rowe_Eds_200
6_Ecology_and_Bi
omechanics_A_Mechanical_Approach_to_the_Ecology_of_Animals_and_Plants_B
oca_Raton_CRC_T aylor_and_Francis
Hu S., Chen X., Jing F., Liu W., Wen X. 2021. An assessment of spatial distribution
and source identification of five toxic heavy metals in Nanjing, China College of
Resources and Environmental Sciences, Nanjing Agricultural University, Nanjing,
210095, P.R. China. Environ. Eng. Res. 2021; 26(3):
200135 ISSN 1226-1025https://doi.org/10.4491/eer.2020.135
http://eeer.org/upload/eer-2020-135.pdf
Lacerot, G., J.P. Lozoya, F. Teixeira de Mello. 2020. Plásticos en ecosistemas

acuáticos: presencia, transporte y efectos. Ecosistemas 29(3):2122.
https://doi.org/10.7818/ECOS.2122
Juniper, T. 2019. The Ecology Book: Big ideas simple

explained. Publicado: DK.
ISBN : 9780241350386. 352 pp. https://www.amazon.com/-/es/DK/dp/1465479589
69
1) DATOS INFORMATIVOS
a) Curso : Análisis y Diseño de Algoritmos

b) Código : EST301
c) Prerrequisito : Ninguno
d) Nº de horas : Teoría: 2, Práctica: 4, Total: 6
e) Número de créditos :4
f) Nro de horas virtuales :2
g) Área curricular : Especialidad
h) Ciclo del plan de estudios : II
i) Características del curso : I+D+I, experiencia pre profesional
2) SUMILLA
El curso de Análisis y Diseño de Algoritmos corresponde al área curricular de
especialidad, es de naturaleza teórico-práctico, cuyo propósito es de conocer la estructura
general y específica de un programa y un lenguaje de programación. Algoritmos.
Estructura de Control. Estructura de datos en un lenguaje de programación. Funciones
dentro de un lenguaje de programación, tipos de recursividad. Algoritmos de búsqueda
y ordenamiento. Manejo de archivos planos. Su contenido comprende:
- Algoritmos cualitativos
- Algoritmos cuantitativos
3) PERFIL DE EGRESO
CE1. Diseña y desarrolla soluciones informáticas, aplicaciones web y soluciones
empresariales bajo estándares internacionales para aportar con el desarrollo
tecnológico, asumiendo una actitud científica y responsable utilizando principios,
técnicas, herramientas y métodos que aseguren la funcionabilidad y calidad del
software.
Criterio de desempeño Conocimientos y comprensión esenciales

Unidad I.
A. Los algoritmos
Algoritmos numéricos simples
cualitativos son utilizados
para desarrollar criterios Análisis básico de algoritmos, desempeño, notación y
de calidad en complejidad.
procedimientos.
Algoritmos fundamentales de búsqueda y ordenación.
Equilibrio entre tiempo vs. Espacio.
Algoritmos recursivos y relaciones de recurrencia
Unidad II.
Algoritmos del tipo O(NLogN)
70
B. Los algoritmos Algoritmos sobre grafos, búsquedas, recorridos por

cuantitativos se utilizan amplitud y profundidad, cerradura transitiva, Dijkstra,
para desarrollar Prim
aplicaciones cuantitativas.
Estrategias algorítmicas Fuerza bruta, algoritmos
voraces, divide y vencerás, backtraking, branch and
bound.
Algoritmos heurísticos
Complejidad P y NP (Cook), reducción
4) LOGROS DE APRENDIZAJE DEL CURSO
Evidencias
Logro del curso Logro de unidad (acción/producto)
Aplica algoritmos Unidad I. - Presenta informe de
cualitativos y Entiende adecuadamente prácticas
cuantitativos para los procedimientos - Articula Portafolios
construir programas de ordenados y lógicos con Prepara proyectos
-
computadora variables cualitativas.
Unidad II.
Desarrolla programas en
base a algoritmos
cuantitativos.
5) EVALUACIÓN DEL APRENDIZAJE

Observacion Otros(reglamento de evaluación)
6) REFERENCIAS BIBLIOGRÁFICAS
- Sedgewick, Robert (). Algorithms. ISBN 978-0321573513.
Registrado en https://www.amazon.com/-/es/Robert-Sedgewick/dp/032157351X
- Skiena, Steven (). El manual del diseño de algoritmos. Registrado en
https://www.amazon.com/-/es/manual-dise%C3%B1o-Algoritmo-Steven-
Skiena/dp/1849967202
- Joyanes Aguilar, Luis (2008). Fundamentos de Programación.
McGRAWHILL/INTERAMERICANA DE ESPAÑA, S. A. U. Registrado en
https://combomix.net/wp-content/uploads/2017/03/Fundamentos-
deprogramaci%C3%B3n-4ta-Edici%C3%B3n-Luis-Joyanes-Aguilar-2.pdf
- D.S. MALIK, (2011), Programación en C++: Incluye Estructuras de Datos y

Diseño de Programas. 5ta. Edición. CourseTechnology CENCAGE.
71
- Adam Drozdek, (2001) Estructura de Datos y Algoritmos en C++ 2da. Ed.

Brooks Cole/Thompson Learning. 664 pág.
- Mark Allen Weiss, (2006) Estructuras de Datos y Resolución de Problemas
Usando C++ 2da. Ed. Pearson/Addison Wesley.
- Cormen, T.H., Leiserson, C.E. Rivest, R.L., and Stein, C. (2009), Introduction
to Algorithms, Third Edition. The MIT Press.
- Michael T.Goodrich., Roberto Tamasia and David Mount, (2011), Data
Structures and Algorithms in C++. 2da. Ed. JhonWiley&Sons Inc.
- Fager, J., Yépez, W. L. P., Villacrés, M., Martinez, L.A.P., Ochoa, D., y
Cuadros-Vargas, E. (2014). Estructuras de datos. Iniciativa Latinoamericana de
Libros de Textos Abiertos (LATIn), Primera edición.
72
a. Curso : Calculo Integral y Ecuaciones diferenciales
b. Código : MAT205
h. Ciclo del plan de estudios : III
2. SUMILLA
práctico y tiene como propósito aplicar las herramientas del cálculo integral y
transformar los fenómenos de la ciencia y la tecnología en ecuaciones diferenciales
para analizar el comportamiento mecánico, utilizando en forma apropiada los
métodos para su resolución y complementando con un software especializado.
Comprende el siguiente contenido.
▪ Integral indefinida y definida.
▪ Ecuaciones diferenciales ordinarias y transformada de Laplace.
De aplicar las herramientas del cálculo integral y transformar los fenómenos de la

ciencia y la tecnología en ecuaciones diferenciales para analizar el
comportamiento mecánico, utilizando en forma apropiada los métodos para su
resolución y complementando con un software especializado.
3. PERFIL DE EGRESO
CG3. Resuelve problemas contextualizados haciendo uso de las ciencias básicas
permitiendo el desarrollo autónomo del estudiante con criterio objetivo y juicios
lógicos de valor.

ESENCIALES
1. Integral indefinida.
A. La teoría de la integral indefinida es
usada para resolver problemas • Anti derivada de una función,
relacionados con la vida cotidiana y Integral indefinida propiedades.
profesional • Técnicas de integración: Integración
por sustitución, integración por
partes.
73
• Integración de funciones racionales

con senos y cosenos.
• Integración por sustitución
trigonométrica.
 Integral definida
• Integración por cambio de variables
Integración por partes
• Integración de funciones racionales,
integración por fracciones parciales.
• Integración de funciones
trigonométricas, Sustitución
B. La teoría de la integral definida es trigonométrica, integración de
usada para resolver problemas funciones irracionales.
relacionados con la vida cotidiana y • La integral definida, Propiedades,
profesional. teorema fundamental de cálculo,
cambios de variable para integral
definida
• Cálculo de áreas de regiones planas
en forma rectangular, paramétrica y
polar.
• Cálculo de volúmenes de sólidos de
revolución: método de discos y
método de cascarones.
3. Ecuaciones Diferenciales Ordinarias.
• Definición, Clasificación de las
E.D., Solución de una E.D.O.y
problemas de valor inicial. Ecuaciones
con variables separables y reducibles
C. Las teorías de las ecuaciones a ellas.
diferenciales son usadas para
• E.D homogéneas, exactas y factor
resolver problemas relacionados con
de integración, Ecuaciones lineales de
la vida cotidiana y profesional
primer orden, Ecuaciones de Bernoulli
modelando fenómenos de la ciencia
y de Ricatti, Ecuaciones de la forma
y la tecnología.
f(y, y’) = 0 y f(x, y’) = 0, Ecuaciones
de Lagrange y de Clairaut.
• Ecuaciones diferenciales de orden
superior. Aplicaciones
D. La transformada de laplace es usada 4. La transformada de Laplace.

como una herramienta para modelar los Definición de la transformada de
fenómenos de la vida real. Laplace. Condiciones suficientes de
la existencia para la transformada de
Laplace. La Transformada de
Laplace Directa. La Transformada
inversa de Laplace.
•
74
EVIDENCIAS
(acción/producto)
I UNIDAD:
Interpreta la solución de
una integral indefinida y
definida usando diferentes - Portafolio de
métodos de integración y ejercicios resueltos
Aplica y resuelve complementando con un - Proyectos
integrales y transforma los software especializado. - examen
fenómenos de la ciencia y II UNIDAD: - Portafolio de ejercicios
tecnología en ecuaciones resueltos
Transforma los fenómenos de
diferenciales y analizando - proyectos
la ciencia y la tecnología en
el comportamiento
ecuaciones diferenciales para - examen
mecánico.
analizar el comportamiento
mecánico, utilizando en forma
apropiada los métodos para su
resolución y complementando
con un software especializado.
- Yboon García, Oswaldo Velásquez (2016) Cálculo Diferencial e Integral.

Editorial Universidad Del Pacífico
- Fuenlabrada Samuel (2013) Calculo Integral. Mc Graw Hill
- Carmona Ferrer Isabel (2010) Ecuaciones Diferenciales. Editorial PRENTICE
HALL México.
- Larson, R., Hostetler, R., & Edwards, B. (2016). Cálculo. México D.F.
McGraw-Hill.
- Antón, H. (2009). Cálculo de una variable: Trascendentes tempranas. 2ª ed.
México: Limusa.
75
- Larson, R., Hostetler, R. y Edwards, B. (2011). Cálculo. 7ª ed. México:

McGraw-Hill.
- Leithold, l. (2013). El cálculo. México: Editorial Oxford. Código Biblioteca
UC: 515.1. L42.
- Zill, D. y Wright, W. (2011). Cálculo Transcendentes tempranas. 4ª ed.
México D.F.: McGrawHill. Código Biblioteca UC: 515 / Z77.
ucontinental.edu.pe
- FreeLibros. (2020). Free Libros tu biblioteca virtual [Página Web].

Recuperado de: https://www.freelibros.me/
- Kong, M. (2016). Cálculo integral [Repositorio de capítulos]. Lima: Fondo
editorial Pontificia Universidad Católica del Perú. Recuperado de:
http://repositorio.pucp.edu.pe/index/handle/123456789/54974
- Solumaths. (2020). Calcule la integral de una función en línea. [Consulta:
30 de diciembre 2018]. Recuperado de:
https://www.solumaths.com/es/calculadora/calcular/integral
76
a. Curso : Seguridad y defensa nacional
b. Código : EG119
d. № de horas : Teóricas: 02 y prácticas: 02. Total: 04
2. SUMILLA
El presente curso corresponde al área de estudios generales, es de carácter teórico –
práctico y tiene como propósito contribuir a la comprensión del concepto de Estado
y geopolítica nacional. El contenido está constituido por los temas siguientes:
seguridad, defensa nacional, cultura preventiva, gestión de riesgo de desastres
naturales, gestión de riesgo sanitario y bioseguridad, incorporándose como actores
activos y comprometidos a sumar esfuerzos para lograr en el país el desarrollo
sostenible.
3. PERFIL DE EGRESO
diversificado.

ESENCIALES

1. Estado y Nación.
A. Los conceptos de Estado-nación
 Constitución política del Perú
son utilizados para comprender
 Antecedentes sobre el surgimiento
el proceso histórico del Perú.
del Estado y el Estado peruano.
 Surgimiento de la nación peruana.
B. Las categorías de realidad 2. Realidad regional y nacional
regional y nacional son
 Realidad política, económica,
aplicadas a la comprensión de
social.
sucesos de los procesos
 Identidad cultural de la región y
socioculturales regionales y
nacional.
nacionales.
77
C. Laos criterios geopolíticos y 3. Geopolítica y geo estrategia

geoestratégicos son aplicados a nacional
la comprensión de la realidad
 Geopolítica nacional e
nacional.
internacional
 Perfil Geoestratégico del Perú y el
mundo
D. Los tratados y convenios son 4. Tratados y convenios

sistematizados para comprender
 Convenios internacionales
las relaciones internacionales.
 Tratados y Acuerdos
internacionales
E. Los conceptos de seguridad y 5. Seguridad y defensa interna y

defensa interna y externa son externa
aplicados a la evaluación de  Políticas de seguridad y defensa
políticas de seguridad y defensa nacional
nacional.  Identificación de las amenazas
internas y externas de seguridad y
defensa nacional.
F. El acuerdo nacional y seguridad 6. Acuerdo nacional y seguridad
ciudadana son aplicados a la ciudadana
evaluación de políticas de  Gobernabilidad
gobernabilidad.  Políticas y objetivos de la
seguridad ciudadana.
G. Los sistemas de seguridad, 7. Sistema de seguridad, defensa
defensa nacional y civil, son nacional y Defensa civil
empleados para evaluar las  Ministerio de defensa
funciones y las dependencias  Comando conjunto de las fuerzas
del Ministerio de defensa. armadas
 Defensa civil
H. Los procesos sociales son 8. Conflictos sociales internos y
sistematizados para evaluar los externos
conflictos sociales internos y  Conflictos sociales
externos.  Desigualdades sociales
I. El CEPLAN es utilizado para 9. CEPLAN
evaluar los ejes del desarrollo  Ejes estratégicos de desarrollo
sostenible del Perú. sostenible
 Retos y oportunidades.
J. La cultura preventiva es aplicada 10. Cultura preventiva
a la gestión de riesgos naturales y  Gestión de riesgo de desastres
sanitarios. naturales.
78
 Gestión de riesgo sanitario y

bioseguridad

APRENDIZAJE DEL APRENDIZAJE DE (acción/producto)
CURSO UNIDAD
I UNIDAD:
Aplica los conceptos de Ensayo sobre el Estado
Estado-nación para evaluar peruano y el uso de sus
Utiliza los conceptos de políticas de seguridad y riquezas naturales.
Estado-nación para evaluar defensa nacional.
y realizar propuestas de
seguridad y defensa II UNIDAD:
nacional. Utiliza los conceptos de Ensayo sobre la seguridad
Estado-nación para realizar y defensa nacional.
propuestas de seguridad y
defensa nacional.
5. Evaluación del aprendizaje:
Revisión documental Ficha de observación
Rubrica
Barrantes, E. (1985). Perspectivas y análisis de una realidad cambiante. Lima: Cedes.

Castro, J. (2000). Geopolítica y Seguridad. Bases para una política de defensa y
seguridad hemisférica. Lima.
Contreras, C. Y Cueto, M. (2010). Historia del Perú Contemporáneo. Perú: IEP.
Fondo Edit. Pontificia Universidad Católica.
Cervantes y Paredes. (2009). La seguridad nacional.
Constitución Política del Perú 1993.
Guillen, J., Santiago (2011). Perú al 2021: Retos y perspectivas. Buenos Aires:
Cengage Learning.
Libro Blanco de la Defensa Nacional. (2006). Lima: Ministerio de Defensa.
Ley del sistema de Defensa Nacional N° 743.
Patrimonio Cultural del Perú I (2000). Fondo Editorial del Congreso de la Republica.
79
Instituto de Defensa Civil - INDECI (2006). Manual de conocimientos básicos para

comités de Defensa Civil y oficinas de Defensa Civil. Indeci. Lima.
Plan Perú 2021. Lima: Plan estratégico de desarrollo nacional. Ceplan.
Plan nacional de Seguridad Ciudadana 2019 – 2023. Lima: Ministerio del interior
Porras Barrenechea R. (2011) historia de los límites del Perú. Lima: Fundación J.
Bustamante De la Fuente,
Web grafica
https://www.files.ethz.ch/isn/157095/Peru%202005_spanish.pdf
http://virtual.esup.edu.pe/bitstream/ESUP/28/1/Apuntes%20sobre%20Defensa%20
Nacional.pdf
https://www.gob.pe/institucion/mininter/informes-publicaciones/222043-plan-
nacional-de-seguridad-ciudadana-2019-2023-propuesta
80
a) Curso : Estructura de Datos
b) Código : EST203
d) N° de horas : Teóricas = 02, Prácticas= 02 y Total = 04.
e) N° de créditos :3
f) N° de horas virtual/unidad : 2
g) Área Curricular : Estudios Específicos
h) Ciclo del plan de estudios : III
i) Características del curso : Experiencia pre.profesional
2) SUMILLA
El curso de Estructura de Datos Avanzados corresponde al área curricular de estudios
específicos, es de naturaleza teórica y práctica. Su propósito es analizar, diseñar e
implementar estructuras de datos y algoritmos eficientes que se administran
eficientemente en espacio de memoria, profundizando el estudio del análisis de
algoritmos, técnicas generales de diseño de algoritmos (por ejemplo, algoritmos
voraces o programación dinámica, estrategias que permiten abordar grandes clases
de problemas de una forma sistemática), árboles avanzados o montículos y
estructuras de datos de almacenamiento externo.
3) PERFIL DE EGRESO.
CE4. Gestiona sistemas de bases de datos y sistemas de información asumiendo una

actitud científica, crítica y ética con conocimiento de fundamento teórico y manejo
de políticas de seguridad de información y estándares de calidad.

El estudiante es competente sí: Unidad I
1. Estructuras dinámicas lineales.
2. Estructuras de datos no lineales
A. La teoría de estructuras lineales y 3. Listas no lineales
no lineales es utilizada para 4. Árboles, operaciones con árboles de
Implementar estructura de datos diferentes tipos
avanzadas con optimización del 5. Búsqueda, tipos de búsqueda
recurso de memoria primaria. 6. Árboles de Huffman
7. Grafos, terminología y representación de
grafos
8. Grafos dirigidos y no dirigidos
Unidad II
B. La teoría de estructuras lineales y 9. Trayectorias y ciclos
no lineales es utilizada para 10. Relación entre grafos y árboles
Implementar aplicaciones con 11. Implementación y aplicación de Grafos
índices de datos de búsqueda 12. Búsqueda primero en anchura (breadth-first),
externa optimizada búsqueda primero en profundidad (depth-
first).
13. Grafos ponderados
81
4) LOGROS DE APRENDIZAJE
LOGRO DEL LOGRO DE LA UNIDAD EVIDENCIAS

CURSO (ACCIÓN/PRODUCTO)
Resuelve algoritmos I UNIDAD  Portafolio
de manejo de datos  Proyectos
en el marco de Implementa estructuras
estructuras de datos de datos con optimización
utilizando un del recurso de memoria.
lenguaje de
programación II UNIDAD  Portafolio
 Proyectos
Implementa aplicaciones
con índices de datos de
búsqueda y ordenamiento
optimizado.
6) REFERENCIAS BIBLIOGRÁFÍCAS
1. ADAD RUBEN, Fundamentos de estructura de datos relacionales, Mexico,

Prentice-Hall, 2002
2. Aho, Alfred V.:, Estructura de datos y algoritmos, USA, Adison Wesley
Iberoamericana, 2000
3. CAIRO, GUARDATI, EStructura de Datos, Mexico, McGrawHill, 2000
4. HERNANDEZ, Estructura de Datos y Algoritmos, España, McGarwHill, 2000
5. JOYANES AGUILA LUIS, Estructura de Datos en C++, España, MaGrawHill,
2007
6. JOYANES AGUILAR, Algoritmos y Estructura de Datos una perspectiva en C,
España, Anaya Multimedia, 2005
7. JOYANES, Luis, Fundamentos de la programación. Algoritmos y Estructura de
Datos, Madrid, McGraw-Hill, 2005
8. Koffman Eliot, EStructura de Datos, Mexico, McGraw Hill, 2008.
9. Sitios de Internet
10. Dictionary of Algorithms and Data Structures:http://www.nist.gov/dads/
11. Algorithm Animations:http://math.ucsd.edu/~fan/math188/bonus/park/top5.html
12. García de Jalón, J. et al:Tutorial de C++ de la Escuela Superior de Ingeniería
Industrial de Navarra. Valladolid Programming Contest Site:
http://uva.onlinejudge.org
82
a. Curso : Muestreo
b. Código : EST302
d. Nº horas : Teóricas: 3, Prácticas: 2, Total horas: 5
e. Nº de créditos : 4
f. N° de horas virtuales/unidad: 2
g. Área Curricular : Estudios de especialidad
i. Características del curso : Experiencias profesionales
2) SUMILLA
El curso de muestreo corresponde al área de estudios específicos es de naturaleza
teórica-práctica y tiene como propósito es
- Muestreo y muestreo aleatorio simple y estratificado.
- Muestreo y muestreo aleatorio sistemático y por conglomerados.
3) PERFIL DE EGRESO
CE2. Construye y analiza modelos estadísticos y/o algoritmos computacionales para
la toma de mejores decisiones en condiciones de incertidumbre, para el desarrollo de
la región y el país. Asumiendo una actitud científica y ética, utilizando técnicas
estadísticas y/o informáticas referida a la ciencia de datos.
Criterio de desempeño Conocimiento y comprensión esenciales

Unidad I:
A. Los fundamentos Muestreo aleatorio simple.
teóricos del muestreo - Ventajas de muestreo, población, muestra,
son utilizados para unidad muestral, censo, error muestral, error
obtener muestras medio cuadrático.
utilizando muestreo - Probabilidad de seleccionar una muestra de
aleatorio simple y tamaño n valor esperado, covarianza, varianza,
estratificado. coeficiente de variación, estimación puntual,
propiedades.
- Estimación interválica. Selección de la muestra.
- Estimación de la media y del total poblacional.
- Varianza de la media muestral y del estimador
del total poblacional, estimador de la varianza
muestral y de la varianza del total poblacional.
Intervalos confidenciales.
- Tamaño muestral y precisión.
Muestreo aleatorio estratificado
- Concepto de M.A.E. estimación del total y
media poblacional, varianza poblacional.
Varianza de la media estratificada. Estimador de
la media y varianza estratificada. Varianza del
83
total. Poblacional y su estimador. Afijación de

la muestra.
- Determinación del tamaño muestral. M.A.E.
para proporciones. Comparación del M.A.S.
con el M.A.E.
Unidad II:
B. Los fundamentos - Estimadores de regresión, muestreo sistemático,
teóricos del muestreo son caso A, caso B, estimación de varianzas,
utilizados para obtener intervalos de confianza, estimadores
muestras utilizando insesgados. Muestreo sistemático replicado,
muestreo sistemático y poblaciones con tendencia lineal, muestreo
conglomerado además de sistemático para proporciones, tamaño de
muestras no aleatorias y muestra.
otros.
- Muestreo por conglomerados, en una etapa, en
dos etapas, muestreo conglomerado para
proporciones, tamaño de muestra.
- Muestreo para casos controles, correlación,
hipótesis
- Muestreo no probabilístico
Logro del curso Logro de la Unidad Evidencias

(Acción/producto)
 Selecciona una muestra I UNIDAD  Portafolios
aleatoria y estima  Proyectos
Construye tamaños
muestrales utilizando  Resolución
parámetros usando el de
muestreo aleatorio simple problemas
muestreo aleatorio
y estratificado.
simple y estratificado
II UNIDAD
 Estima parámetros y Construye tamaños

determina el tamaño muestrales utilizando
muestral usando el muestreo sistemático,
muestreo sistemático, por conglomerados,
conglomerados y otros muestras no aleatorias
tipos de muestreo. y otros tipos de
muestras
84
Otros(reglamento de evaluación) Rúbrica
6) BIBLIOGRAFÍA Y/O WEB GRAFÍA
AZORIN, FRANCISCO. “Curso de muestreo y aplicaciones”, fac de Economía.

Venezuela.
COCHRAN, WILLIAM. “Técnicas de muestreo”, Cia Editorial S.A. 2º edición.
KISH LESLIE. “Muestreo de encuestas”, Jhon Wiley & Sons, New York, 1965
DES, RAJ. “The design of Sampling Survey”
YAMANE, TARO. “Elementary Sampling Theory” Prentice – Hall, Inc., Englewood
Cliffs, J. 1967
SCHEAFFER, R. MENDENHALL III, W. Y LYMAN OTT, R. (2007) “Elementos
de Muestreo” Internacional Thomson Editores Madrid.
85
a) Curso : Distribuciones de probabilidad
b) Código : EST204
d) Nº horas : Teóricas: 2, Prácticas: 2, Total horas: 4
e) Nº de créditos : 3
2. SUMILLA
El curso distribuciones de probabilidad corresponde al área curricular de estudios
específicos, es de naturaleza teórica-práctica y tiene como propósito brindar al
estudiante los conceptos, fundamentos y aplicaciones de las distribuciones de
probabilidad discretas y continuas. Comprende las siguientes unidades:
- Distribuciones discretas
- Distribuciones continuas
3. PERFIL DE EGRESO


desempeño
A. Los fundamentos I Unidad.
teóricos de las - El sistema de producción de información
distribuciones probabilística en la predicción de eventos con
discretas son distribuciones probabilísticas.
utilizadas para - Distribuciones probabilísticas discretas
resolver problemas (Funciones generatrices. Familias paramétricas
de variables especiales de distribuciones univariadas:
aleatorias discretas Uniforme discreta, Binomial, Hipergeométrica,
V, Poisson, Pascal, Zeta)
II Unidad.
- Distribuciones continuas (Uniforme continua,

B. Los fundamentos Triangular, Normal, Lognormal, Gamma, Beta,
teóricos de las Weibull, Cauchy, Laplace, Logística Pareto y r.
distribuciones - Variables aleatorias distribuidas en forma
continuas son conjunta: Discretas, Continuas y Mixtas)
utilizadas para - Teoría analítica de las distribuciones
resolver problemas probabilísticas. Aplicaciones
de variables
aleatorias continuas
86
Evaluación de:
LOGRO DE UNIDAD
CURSO Acción / producto
Resuelve problemas I Unidad:
de probabilidades en Resuelve problemas de Resolución de ejercicios.
variables aleatorias probabilidades en variables
discretas y continuas Portafolio
aleatorias discretas,
proyectos
II Unidad:
Resuelve problemas de
probabilidades en variables
aleatorias continuas.
6. REFERENCIAS BIBLIOGRÁFÍCAS
 Canavos G. (1994). Probabilidad y Estadística. Aplicaciones y Métodos. México:
McGraw Hill.
 Freeman H. (1970). Introducción a la Inferencia Estadística. México: Editorial
Trillas.
 Freund J. & Walpole R. (1990). Estadística Matemática con Aplicaciones.
México: Prentice Hall Hispanoamérica. S.A.
 Lluén C. & Arpasi R. (2017). Cálculo de Probabilidades. Un enfoque práctico.
Puno: Imprenta Gráfica Lider.
 Lluén C. & Arpasi R. (2017). Estadística para la investigación descriptiva. Puno:
Imprenta Gráfica Lider.
 Meyer P. (2001). Probabilidad y aplicaciones estadísticas. España: McGraw Hill.
87
a) Curso : Lenguaje de Programación I
b) Código : EST303
d) Nº de horas : Teoría: 3, Práctica:4, Total:5
i) características del curso : I+D+I, experiencia pre profesional
2) SUMILLA
El curso de Lenguajes de Programación I corresponde al área curricular de especialidad,
es de naturaleza teórico-práctico, cuyo propósito es de conocer los conceptos de
programación, programar, el arte de las cosas, algoritmos, sistemas, datos, flujogramas,
editor de texto, programas por computadora, lenguajes de programación, programación
de alto nivel, programación de bajo nivel, constantes, variables, entrada y salida de un
programa, instrucciones, sentencias, inicio y final de un programa, palabras clave o
reservadas, asignación de datos o variables, operadores matemáticos, operadores de
relación, operadores lógicos, estructuras de control, bucles o lazos, array de datos,
funciones, lectura de tablas y archivos de datos. Su contenido comprende:
- Conceptos de lenguajes de programación e informática
- Principios básicos de un lenguaje de programación
3) PERFIL DE EGRESO
empresariales bajo estándares internacionales para aportar con el desarrollo tecnológico,
asumiendo una actitud científica y responsable utilizando principios, técnicas,
herramientas y métodos que aseguren la funcionabilidad y calidad del software

Unidad I
A. Los conceptos de lenguajes Estructura general de un programa, programar, el arte
de programación e de las cosas, algoritmos, sistemas, datos, flujogramas,
informática son utilizados editor de texto, programas por computadora, lenguajes
para entender y practicar de programación, programación de alto nivel,
programas básicos por programación de bajo nivel, constantes, variables,
computadora. entrada y salida de un programa, instrucciones,
sentencias, inicio y final de un programa,
Unidad II.
B. Los principios básicos de Palabras clave o reservadas, asignación de datos o
un lenguaje de variables, operadores matemáticos, operadores de
programación son relación, operadores lógicos, estructuras de control,
88
utilizadas para practicar bucles o lazos, array de datos, funciones, lectura de

estructuras y formas de tablas y archivos de datos.
programación Algoritmos de búsqueda y ordenamiento. Manejo de
archivos planos.
Evidencias
Logro del curso Logro de unidad (acción/objeto/producto)
Explica los conceptos y I UNIDAD - Presenta informe de
principios de un lenguaje Explica adecuadamente los prácticas
de programación y conceptos y principios de - Articula Portafolios
construye programas
programación. - Prepara proyectos
básicos por computadora
II UNIDAD - Desarrolla software
Construye programas
básicos por computadora
- Ceballos Sierra, Francisco Javier (2009). Enciclopedia del lenguaje C++. 2ª
Edición (Spanish Edition). Editorial : RA-MA S.A. Registrado en
https://www.amazon.com/Enciclopedia-del-Lenguaje-
2%C2%AAEdicion/dp/8478979158
- Thomas, David; Hunt Andrew (2019). The Pragmatic Programmer. ISBN-
13: 978-0135957059. Registrado en https://www.amazon.com/-/es/David-
Thomas/dp/0135957052/ref=pd_vtp_1?pd_rd_w=ZnEkH&pf_rd_p=96226b5f-
2d9a439b-be45-
97603787c682&pf_rd_r=E2SHSRC40152Y8TPFC1X&pd_rd_r=9e6c51a78ec
e-41d5-97e6-dd947a6ba05f&pd_rd_wg=L8rbd&pd_rd_i=0135957052&psc=1
89
- Deitel y Deitel, (2010), C++ como programar, Editorial Prentice Hall, México,
- Mamani y Paredes, 2012, Fundamentos de Programación en Python y C++,
Biblioteca Nacional del Perú 2012-02310, Puno-Perú, 231 pág.
- Correa Uribe, Guillermo, 2002, Desarrollo de algoritmos, Editorial Mc Graw
Hill, Bogotá, Colombia, 249 pág.
- RafoLecca, Eduardo, 2006, Algoritmos y estructura de datos en C++, Editorial
Mndigraf, Lima- Perú, 239 pág.
- Aguilar Luis (2008) “Fundamentos de programación”, Editorila Mc Graw Hill,
España.
90
a) Curso : Ingles
b) Código : EST206
c) Prerrequisito : EG105
d) N° de horas : Teóricas: 1 Prácticas: 2 Total: 3
f) Nº de horas virtuales :2
g) Área curricular : Estudios específicos
i) Características del curso : Formación Ciudadana
2. SUMILLA
El curso de Inglés, corresponde al área curricular de estudios específicos, es de
naturaleza teórico practica y el propósito es desarrollar en el estudiante las
habilidades y competencias comunicativas en el idioma inglés dentro del entorno
técnico, científico y académico de los estudios de estadística e informática como
parte esencial del área de ingenierías. Su contenido comprende
- Aprendizaje de terminología, vocabulario especializado, habilidades
pasivas de leer y escuchar; y habilidades activas de hablar y escribir en el idioma
anglosajón a un nivel básico e intermedio.
3. PERFIL DE EGRESO
CE5. Utiliza metodologías estadísticas para promover y desarrollar la investigación
científica con el propósito de generar nuevos conocimientos en beneficio del país y
la humanidad con responsabilidad y ética con conocimiento de técnicas estadísticas
actualizadas.
Conocimientos y comprensión
Criterio de desempeño
esenciales
El estudiante es competente si:  Estructura del idioma inglés
 Alfabeto y pronunciación
A. Los softwares, apps, documentos y Diferencias entre inglés británico y
textos en idioma inglés son americano
traducidos al español con Sustantivos, tipología y uso
coherencia en la gramática, sintaxis Plurales y singulares de los sustantivos
y sentido del mensaje.  Artículos en inglés: The, a, an.
 Lógica de las oraciones y frases en
B. Los softwares, apps, documentos y inglés
textos en español son traducidos al
 Pronombres personales y posesivos
inglés con coherencia en la
gramática, sintaxis y sentido del Adjetivos y adverbios
mensaje.  Verbo de descripción ser y estar
 Verbo de acción
C. Las presentaciones en idioma Presente simple
inglés son realizadas utilizando Vocabulario técnico y especializado I
correctamente la pronunciación,
91
Criterio de desempeño
esenciales
coherencia del mensaje y Vocabulario científico y de
mostrando seguridad y creatividad. investigación I
 Traducción al idioma inglés I
D. Los reportes técnicos, resúmenes y Verbos modales, regulares e irregulares
artículos en idioma inglés son Determinantes I: this is y these are
redactados de forma coherente y Determinantes II: there is y there are
creativa respetando las normas Contables y no contables: many y much
gramaticales del idioma inglés.
 Presente Progresivo
 Pasado simple
E. Los reportes técnicos, resúmenes y
artículos en idioma inglés son Futuro: will - Futuro going to
redactados incluyendo vocabulario Vocabulario técnico y especializado II
técnico del área de estadística e Vocabulario científico y de
informática. investigación II
 Traducción al idioma inglés II
4. Evaluación del aprendizaje

Evaluación de:
Evidencias
Logro del curso Logro de unidad
Acción / objeto / producto
I Unidad: Produce textos
Produce textos académicos en el idioma inglés
haciendo uso de la gramática Proyectos
académicos en el
idioma inglés a del idioma inglés, categorías Informes
nivel básico e gramaticales en contextos
intermedio, comunicativos
haciendo uso de II Unidad: Produce textos
las estrategias académicos en el idioma inglés
Proyectos
metodológicas haciendo uso de lenguaje
informes.
pertinentes técnico aplicando estrategias
metodológicas pertinentes
6) Referencias Bibliográficas
1) Longman (2005). Language Activator. Edinburg: Pearson Education.
2) Oxford (2015). Diccionario Oxford Pocket, español – inglés. Oxford University
Press. UK.
3) Oxford (2015). Diccionario Oxford Compact, español – inglés. Oxford University
Press. UK.
4) Swan, Michael. (2005). Practical English Usage. Oxford University Press. UK.
5) Seely, John. (2005). Guide to Effective Writing and Speaking. Oxford University
Press. UK.
6) Rodriguez, Luigi. (2015). Método de inglés para estudiantes de pregrado. Puno.
Web grafía
Glosario de Estadística (2015). En internet, disponible en
(http://www.stats.gla.ac.uk/steps/glossary/)
92
The Free Dictionary (2015). Diccionario de inglés. En internet, disponible en

(www.thefreedictionary.com). Visto el 28 de agosto del 2015.
Thesaurus (2015). Diccionario de sinónimos y antónimos en inglés. En internet,
disponible en (www.thesaurus.com). Visto el 28 de agosto del 2015.
BBC (2015). British Broadcasting Corporation. En internet, disponible en
(www.bbc.co.uk.com). Visto el 28 de agosto del 2015
93
a) Curso : Sistemas de gestión de base de datos I
b) Código : EST304
h) Ciclo del plan de estudios : IV
2) SUMILLA
El curso de Sistemas de gestión de base de datos I corresponde al área curricular de
especialidad, es de naturaleza teórico práctico, cuyo propósito es proporcionar al
estudiante herramientas modernas que le permitan implementar sistemas de bases de
datos, centradas en el diseño, gestión y manipulación de base de datos en la
organización. Se consideran contenidos principales como: Los sistemas de base de
datos, características, elementos y estructuras. Estructuras internas de la base de
datos, diseño y modelamiento, lenguaje estructurado de consulta. Su contenido está
organizado en dos unidades:
 Arquitectura y lenguajes de los sistemas de gestión de base de datos
 Diseño de base de datos
3) PERFIL DE EGRESO


A. La teoría de la base de Unidad I
datos es aplicada para
 Arquitectura y componentes de los sistemas de base de
implementar SGBD
datos
acorde a las buenas
prácticas de estándares de  Tipos de SGBD
calidad.
 Organización física de las bases de datos
 Lenguajes de modelado de base de datos DDL y DML
 Clasificación de los modelos de datos
 Estructuras internas y almacenamiento en servidores de
Base de Datos
94
B. La teoría de la base de Unidad II

datos es usada para
 Introducción a las bases de datos relacionales
gestionar sistemas de
base de datos, con el uso  Diseño conceptual de bases de datos
del lenguaje SQL para la
 Algebra y cálculo relacional
creación e
implementación de base  Modelo de datos Entidad-Relación
de datos, considerando
 Dependencias funcionales
relaciones e integridad
referencial para la  Formas normales
manipulación de datos.
 Lenguaje estructurado de consultas SQL
Evidencias
(acción/objeto/producto)
Unidad I. - Presenta informe
Diseña e Implementa un Implementa un sistema de - Articula Portafolios
sistema de gestión de gestión de base de datos
- Prepara proyectos
base de datos, que le con la arquitectura
permitan almacenar y adecuada para la
manipular información organización según sus
de manera eficaz y segura requerimientos
para la toma de
decisiones de la Unidad II
organización.
Diseña bases de datos
relacionales seguras,
manipulando información
utilizando el lenguaje
estructurado de consulta,
considerando estándares
de calidad
Resolución de casos de estudio
Lista de cotejo
Examen escrito
95
6. BIBLIOGRAFÍA
Cohen, K. D., & Asín, L. E. (2014). Tecnologías de la información (6a. ed.).

Mexico D.F: McGraw-Hill Interamericana.
Coronel, C., Morris, S. & Rob, P. (2011). Database systems: Design,
implementation, and management. Australia: Course Technology Cengage
Learning.
Elmasri, R. & Navathe, S. (2012). Fundamentos de sistemas de bases de datos.
Madrid: Pearson Addison Wesley.
Piattini M., Marcos E., (2007). Tecnología y diseño de base de datos. México:
Alfaomega.
Post, G., Martínez, M. & López, F. (2006). Sistemas de administración de bases de
datos. México: McGraw-Hill Interamericana.
Ricardo, C. (2012). Databases illuminated. Sudbury, Mass.: Jones and Bartlett
Publishers.
Recursos Digitales
Erwin Data Modeler. (Software especializado pagado para modelamiento de
base de datos).
Disponible en: https://erwin.com/products/erwin-data-modeler/
MariaDB. (Software especializado libre para gestión de base de datos).

Disponible en: https://mariadb.org/
SQL Server Documentation. Documentación Oficial de SQL Server. [Consulta: 09

de junio de 2019].
Disponible en: https://docs.microsoft.com/en-us/sql/sql-server/sql-server-technical-
documentation?view=sql-server-2017/
SHAKUNTALA ATRE, 1998, Técnicas de Base de Datos, Trillas, 1998. México.
Manuales de Oracle
Manuales de SQL Server
Manuales de PostgreSQL
Manuales de mySQL
96
a) Curso : Lenguaje de Programación II
b) Código : EST305
2) SUMILLA
El curso de Lenguajes de Programación II corresponde al área curricular de
especialidad, es de naturaleza teórico-práctico, cuyo propósito es de conocer la
programación modular, programación top-down, programación orientada a objetos,
programación orientada a eventos, programación aplicada, PHP, R, Phyton, C, Java.
Su contenido comprende:
- Técnicas de programación
- Programación aplicada
3) PERFIL DE EGRESO

software.

Unidad I
A) Las diferentes técnicas de
Programación modular
programación son
utilizadas para optimizar Programación top-down
la producción de
software. Programación orientada a objetos
Programación orientada a eventos.
Unidad II
Programación aplicada utilizando PHP,
B) Las técnicas de
programación son usadas Programación utilizando R
para desarrollar
aplicaciones en diferentes Programación Utilizando Phyton, C, Java
97
áreas como los negocios,

investigación y otros
Evidencias
Explica los fundamentos I UNIDAD - Presenta informe de
de las técnicas de Explica los fundamentos las prácticas
programación y construye de las técnicas de - Articula Portafolios
programas avanzados de programación
utilidad por - Prepara proyectos
II UNIDAD
computadora
Construye programas para
computadora
- Ceballos Sierra, Francisco Javier (2009). Enciclopedia del lenguaje C++. 2ª
Edición (Spanish Edition). Editorial : RA-MA S.A. Registrado en
https://www.amazon.com/Enciclopedia-del-Lenguaje-2%C2%AA-
Edicion/dp/8478979158
- Arnold, Ken; Gosling, James; Holmes, Davis (2001). El lenguaje de
programación Java 3E. Editor Pearson Educación S.A. ISBN 8478290451,
9788478290451. Registrado en
https://books.google.com.pe/books/about/El_Lenguaje_De_Programacion_Java
_3E.html?id
=Ab8lngEACAAJ&redir_esc=y
- Welling, Luke; Thomson, Laura (2016). PHP and MySQPL Web Development.
Addison Wesley Professional. Resgistrado en https://www.amazon.es/PHP-
MySQLDevelopment-Developers-Library/dp/0321833899
98
a. Curso : Programación Numérica
b. Código : EST207
c. Prerrequisito : MAT201
g. Área curricular : Específicos
h. Ciclo del plan de estudios : IV
i. Características del curso : experiencia profesional, I+D+I
2) SUMILLA
El curso de programación numérica pertenece al área de estudios específicos, es de
carácter teórico-práctico y tiene como propósito encontrar soluciones “aproximadas”
a problemas complejos utilizando sólo las operaciones más simples de la aritmética
que es apoyado, mediante un lenguaje de programación de uso general con actitud
científica. Comprende el siguiente contenido.
• Errores, Solución de ecuaciones no lineales, Solución de Raíces polinomiales,

Sistema de ecuaciones no lineales.
• Interpolación Numérica, diferenciación numérica, integración numérica,
ecuaciones diferenciales ordinarias
3) PERFIL DE EGRESO
técnicas estadísticas actualizadas

ESENCIALES
El estudiante es competente si: 1. Errores y solución de ecuaciones no lineales
• Errores, error absoluto y error relativo.
A. Comprende y aplica los Cifras exactas y redondeo de números
conceptos de errores y la
• Solución de ecuaciones no lineales,
solución de ecuaciones no
Localización de la raíz, método gráfico,
lineales mediante el lenguaje
método Bisección, Newton Raphson,
de programación R y
Punto fijo, método de la Secante y Muller.
localizando las raíces buscadas.
• Solución de raíces polinomiales,
Localización de raíces, Método de
descartes y Budan.
• Cocientes y diferencia, Bairston.
99
• Aplicación de Software R
B. Aplica los sistemas de 1. Sistema de ecuaciones no lineales
ecuaciones no lineales para - Método de Punto fijo
encontrar las raíces en más dos - Método de Newton Raphson
variables mediante el lenguaje - Aplicación de Software R
de programación R.
3. Interpolación Numérica e Integración

C. Comprende y aplica la Numérica
interpolación numérica y la - Método Lagrange, Diferencias divididas,
integración numérica al estimar diferencias finitas y Método matricial.
y encontrar el área bajo la curva - Integración Numérica
mediante un el lenguaje de - Método Trapecio
programación R. - Método Simpson 1/3 y 3/8
- Aplicación de Software R
D. Comprende y aplica la solución 4. Ecuaciones diferenciales ordinarias
numérica de ecuaciones - Método Euler
diferenciales ordinarias y - Método Taylor.
desarrolla habilidades y - Método Runge- Kutta
destrezas mediante el - Aplicación de Software R
razonamiento, el análisis y la
visualización e interpretación
de modelos en términos de
ecuaciones diferenciales.
EVIDENCIAS
(acción/producto)
I UNIDAD:
Resuelve ecuaciones no
lineales y sistema de
Resuelve algoritmos ecuaciones no lineales en
numéricos para obtener problemas reales - Portafolio de resolución
soluciones aproximadas de de problemas
modelos matemáticos. - proyectos
II UNIDAD: - Portafolio de resolución
Construye y Aplica de problemas
interpolación numérica a la - Proyectos
integración y solución
100
ecuaciones diferenciales
ordinarias a problemas reales
Barrera Zapata Rolando; Díaz Montes Luis Alberto (2020) Métodos numéricos en
Excel y Matlab / Con aplicaciones en ingeniería.
Chapra, Steven C. (2015). “Métodos Numéricos para Ingenieros”. Mcgraw-Hill /

Interamericana de México
De la Fuente O’Connor José Luis (2017) Ingeniería de los Algoritmos y Métodos

Numéricos. Un acercamiento práctico avanzado a la computación científica e
ingenieril con MATLAB. Segunda edición. Recuperado de:
http://www.jldelafuenteoconnor.es/Libro2017_NV_10-8_SP.pdf
De Juan Antonio Infante del Río, José María Rey Cabezas (2018) Métodos
numéricos: Teoría, problemas y prácticas con MATLAB
Echevarría Rosa (2020) Apuntes de MATLAB orientados a métodos numéricos

elementales. Dpto. de Ecuaciones Diferenciales y Análisis Numérico Universidad
de Sevilla. Recuperado de:
https://personal.us.es/echevarria/documentos/APUNTESMATLAB.pdf
101
a) Curso : Inferencia estadística
b) Código : EST306
d) N° de horas : Teóricas: 02 Prácticas: 02 Total de horas: 04
e) N° de créditos : 03
f) Nº de horas virtuales/unidad : 02
g) Área curricular : Estudios de especialidad
i) Características del curso : Investigación, Desarrollo e Innovación
2. SUMILLA
El Curso de inferencia estadística pertenece al área de estudios de especialidad, es de
carácter teórico-práctico cuyo propósito es que el estudiante obtenga y explique el
uso de las diferentes pruebas de hipótesis estadísticas para una y dos muestras. El
contenido de la asignatura contiene
- Estimación puntual e intervalica
- Pruebas de hipótesis
3. PERFIL DE EGRESO
la región y el país, asumiendo una actitud científica y ética, utilizando técnicas
estadísticas y/o informáticas referidas a la ciencia de datos.
Criterio de
Conocimientos y comprensión esenciales
desempeño
A) Los métodos y Unidad I.
técnicas - Estimación puntual. Propiedades (insesgado,
estadísticas de los eficiente, suficiente y consistente), desigualdad de
intervalos de chebyshev,
confianza son - Métodos de estimación puntal. Método de la máxima
usados para obtener verosimilitud, Método de los momentos, Método de
intervalos de los mínimos cuadrados, Método de la ji cuadrado
confianza. mínima
- Estimación intervalica. Definición, I.C. para la media,
IC para una proporción, IC para una varianza, IC para
la diferencia de medias, IC para dos proporciones, IC
para la razón de varianzas. IC para datos pareados.
Unidad II.
- Pruebas de hipótesis. Conceptos fundamentales,
principio de la razón de verosimilitud. Prueba de
hipótesis de: media poblacional, igualdad de dos o
B) Los métodos y más medias poblacionales, varianza poblacional,
técnicas estadística igualdad de varianzas poblaciones, proporción
son usadas para poblacional, igualdad de proporciones poblaciones,
102
Criterio de
Conocimientos y comprensión esenciales
desempeño
verificar hipotesis parámetro en general, en tablas de contingencia de dos
planteadas en la o más criterios. Hipótesis para datos pareados
solución de - Uso del Análisis de varianza y covarianza
problemas de - Aplicaciones
hipótesis uni y k
variadas
Evidencias
Acción /producto
I UNIDAD - Proyectos
Resuelve problemas
Resuelve problemas de - Portafolio
relacionados a
intervalos de confianza
diferentes pruebas de II UNIDAD
hipótesis estadísticas Resuelve problemas de
para una y dos -Proyectos
pruebas de hipótesis en
muestras. -Portafolio
investigaciones cuasi y
experimentales.
Cristian Fernando Telles Piñerez, Diego Fernando Lemus y Stalyn Yasid Guerrero
Gómez; Estadística Inferencial con aplicaciones en R, Bogotá 2014.
Infante Gil, Said y Zarate de Lara, Guillermo, Métodos Estadísticos, Editorial Trillas,
2ª Edición, México, 2007.
Lind Marchal Wathen, Estadística aplicada a los negocios y la economía, McGraw -
Hill, 2002, décimo sexta edición, 2016.
Montgomery y Runger; Probabilidad y Estadística, Limusa-Wiley, 2ª Edición,
México, 2006
Vargas Roncal, Rosario, Manual de Métodos Estadísticos, 2011.
Anderson, D., Sweeney, D. y Willians,T. (2008). Estadística para Administración y
Economía (10ª ed.). México: Thomson Learning.
Sitios de Internet
http://www.ub.edu/aplica_infor/spss/
103
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/toc.html
https://www.fisterra.com/mbe/investiga/t_student/t_student.asp
a. Curso : Modelos discretos
b. Código : EST307
c. Prerrequisito : MAT201
d. Nº de horas : Teoría: 4, Práctica: 2, Total: 6
e. Número de créditos :5
f. Nro de horas virtuales :2
g. Área curricular : Especialidad
i. características del curso : I+D+I, experiencia pre profesional
2. SUMILLA
El curso de Modelos discretos corresponde al área curricular de especialidad, es de
naturaleza teórico práctico, cuyo propósito es desarrollar el criterio de modelación y
análisis de escenarios contextualizados utilizando modelos lineales generalizados. Su
contenido comprende las unidades:
 Introducción a los modelos discretos, Regresión con respuesta dicotómica,
Modelo de regresión logística múltiple.
 Regresión de Poisson y Binomial negativa, Modelos loglineales, Modelos
lineales mixtos.
3. PERFIL DE EGRESO

A. La teoría de los modelos Unidad I
lineales generalizados es
 Introducción a los modelos discretos, Modelo Lineal
utilizada para modelar
Generalizado (MLG): Componentes del modelo,
una variable de respuesta
estimación de parámetros, ajuste de los modelos.
categórica en función de
variables predictoras  Regresión con respuesta dicotómica: Modelo de
continuas o categórica. regresión logística simple y múltiple, regresión para
datos ordinales.
 Supuestos del modelo de regresión logística, Inferencia
en modelos de regresión logística, Diagnóstico y
validación.
 Uso de software estadístico para casos de estudio.
Unidad II.
104
B) La teoría de los modelos  Modelos para datos de recuento: Modelo de regresión

lineales generalizados es de Poisson, Modelo de regresión de Poisson múltiple,
usada para obtener Regresión de Poisson para tasas de incidencia.
modelos para datos de
 Modelo de regresión Binomial negativa: Derivación
conteo y loglineales.
del modelo, adecuación del modelo.
 Modelos loglineales: Modelos loglineales para tablas
de contingencia, modelos loglineales generales,
modelos logit.
 Modelos lineales mixtos, uso de software estadístico,
casos aplicativos.
4. LOGROS DE APRENDIZAJE DEL CURSO
Evidencias
Construye modelos I UNIDAD - Presenta informe
con variable de Construye modelos de - Articula Portafolios
respuesta categórica, respuesta dicotómica
modelos de conteo y utilizando técnicas de - Prepara proyectos
loglineales. modelamiento lineal
generalizado.
II UNIDAD
Construye modelos para
datos de conteo y
loglineales utilizando
técnicas de
modelamiento lineal
generalizado.

Lista de cotejo
Examen escrito
105
6. BIBLIOGRAFÍA
 Agresti, A. (2007). An Introduction to Categorical Data Analysis. (Second

Edition). Wiley Series in Probability and Statistic. USA.
 Cayuela, L. (2010). Modelos lineales generalizados (GLM). Universidad de
Granada. España.
 Garibaldi, L., Oddi, F., Aristimuño, F. & Behnisch, A. (2019). Modelos
estadísticos en lenguaje R. Editorial UNRN. Retrieved from:
https://editorial.unrn.edu.ar/media/data/lecturas/garibaldi_lenguajeR_eunrn.pdf
 Hosmer, D. & Lemeshow, S. (2000). Applied Logistic Regression. (Second
Edition). Wiley Series in Probability and Statistic. USA.
106
a. Curso :Análisis y diseño de Sistemas de Información
b. Código : EST308
c. Prerrequisito : EST204
d. Número de horas : HT = 4, HP = 2, TH = 6
f. N° de horas virtuales/unidad: 2
g. Área curricular : Estudios de Especialidad.
i. Características del curso : I+D+i.
2. SUMILLA
El curso de análisis y diseño de sistemas de información corresponde al área de estudios
de especialidad y es de carácter teorico-practico, el propósito es que el alumno Analice,
diseñe e implementa sistemas de información con eficiencia y trabajo en equipo. El
contenido del curso es.
3. PERFIL DE EGRESO
Criterios de desempeño Conocimientos y comprensión esenciales
Unidad I.
A. Las metodologías de los 1. Tecnologías de la Información y S.I.
sistemas de información 2. Sistema de Información. Definiciones
son usadas para obtener
sistemas de que ayuden a 3. Ejemplos de S.I. S.I. para la
empresas en la resolución dirección. S.I. gerencial. Sistemas de
de problemas. ayuda a la decisión.
4. Tecnologías de comunicación para los S.I.
5. Un nuevo paradigma de los
S.I. Data Warehouse. Data
Mining.
6. Seguridad. Necesidad de protección
de la información. Seguridad de la
Información.
7. Clasificación y evolución de los
sistemas de información.
Unidad II.
8. El papel de los sistemas de información
en las organizaciones: modelos de
interacción
9. La integración del sistema de
107
B. El análisis de los información en la organización.

sistemas es 10. La integración de los sistemas de
conceptuado para información y la estrategia empresarial.
entender y obtener los 11. El proceso de cambio del
sistemas de información sistema de información.
complejos 12. Metodologías para el desarrollo del
sistema de información de la empresa.
13. Implantación del sistema de información.
14. Operación del sistema de información.
15. Gestión del sistema de información.
16. Post-implantación del sistema de
información.

LOGRO DE UNIDAD EVIDENCIAS
LOGRO DEL CURSO
(Acción/Producto)
Analiza, diseña e I UNIDAD Proyecto
implementa sistemas de
Explica el proceso de los Portafolio.
información, con
eficiencia y trabajo en sistemas de información
equipo.
II UNIDAD Proyecto
Diseña e implementa Portafolio.
sistema de información
5. EVALUACION DEL EPRENDIZAJE

Kendall K. y Kendall J. (2011). Análisis y Diseño de Sistemas (Octava edición), México
D.F. Prentice Hall.
Oz E. (2006) Administración de los Sistemas de Información (Quinta edición), Cengage
Learning.
108
a. Curso : Métodos de Optimización
b. Código : EST309
h. Ciclo del plan de estudios : V
i. Características del curso : Investigación
2. SUMILLA
El presente curso pertenece al área de estudios especialidad, es de carácter teórico-
práctico y tiene como propósito contribuir al desarrollo integral de la personalidad del
estudiante, a fin de lograr toma de decisiones en problemas administrativos,
considerando el uso eficiente de los recursos. Comprende el siguiente contenido.
• Modelos, Programación Lineal y Métodos de Solución

• Problemas de Transporte, Teoría de decisión, Administración de Proyectos y
Simulación
3. PERFIL DE EGRESO
software
ESENCIALES
El estudiante es competente si: Unidad I
• Modelos, Modelo de programación lineal.
a) Los modelos matemáticos de
• Fases en la resolución de problemas de
programación lineal son
programación lineal.
utilizados para resolver
problemas de maximización y • Formas de presentación de un programa
minimización de costos para lineal, Forma canónica, forma estandariza,
el beneficio de una transformación de forma canónica a la
organización. forma estandarizada.
• Transformación de un programa lineal
restricciones de mayor o igual que, a la
forma estandarizada.
109
Programación Lineal
.1. Método gráfico
• Solución de un Programa Lineal
b) Los algoritmos de la • Método gráfico, tipos de restricciones.
programación lineal se utiliza .2. Tipos de solución
para resolver problemas
• Algoritmo simplex, Algoritmo simplex
relacionados con problemas de caso minimización.
la vida real.
• Método de dos fases.
• Dualidad, programas primal y dual
.3. Aplicación de software
Unidad II
Análisis de sensibilidad
.1. Sensibilidad de los coeficientes de la
El análisis de sensibilidad permite función objetivo ci.
identificar las área fuertes y débiles • Sensibilidad de los coeficientes de la
de la planificación de un proyecto y función objetivo, correspondientes a
con los resultados dirigir los variables no básicas.
recursos a las variables que más • Sensibilidad de los coeficientes de la
apoyo necesitan. función objetivo, correspondientes a
variables básicas.
.2. Sensibilidad de los términos
independientes de las restricciones(bi)
El problema de transporte permite  Problemas de Transporte
encontrar los caminos para trasladar .1. Formulación del problema
mercancía, desde varias plantas .2. Métodos para determinar una
(orígenes) a diferentes centros de solución factible básica inicial.
almacenamiento (destinos), de • Método de la esquina Noroeste (N-
manera que se minimice el costo O), Método de la matriz mínima
del transporte. • Método de Vogel y Método de
Russell
.3. PER - CPM
.4. Introducción al método gradiente
LOGROS DE APRENDIZAJE
EVIDENCIAS
(acción/producto)
Produce modelos y I UNIDAD:

optimiza modelos de redes Produce modelos - Portafolio
de transporte en función al matemáticos optimizados - Proyectos.
110
conocimiento de la realidad II UNIDAD: - Portafolio

problemática. Optimiza modelos de Redes - Proyectos
de transporte

García Martín Rafael (2018) Introducción a la Optimización de Operaciones
Militares, Maqueta e imprime: Ministerio de Defensa.
Guerrero Salas Humberto (2017) Programación lineal aplicada. Segunda
Edición.
Hidalgo Samuel (2017), Investigación de Operaciones
Quesada Ibarguen Victor Manuel & Vergara S Juan Carlos (2011), Métodos de
Optimización Modelos lineales, Editorial Academia Española.
Arias, L., Portilla, L. M. & Villa, C. L. (2008). El desarrollo personal en el
proceso de crecimiento individual.
Scientia Et Technica, 15 (40), 117–119. Recuperado
de http://www.redalyc.org/articulo.oa?id=84920454022
111
a) Curso : Lenguaje de Programación III
b) Código : EST310
h) Ciclo del plan de estudios :V
2) SUMILLA
El curso de Lenguajes de Programación III corresponde al área curricular de
especialidad, es de naturaleza teórico-práctico, cuyo propósito es de conocer la lógica
matemática, lógica de predicados, principios de la Inteligencia artificial, inteligencias
múltiples; base de datos de conocimiento, programación lógica usando un lenguaje
de programación lógica. Su contenido comprende:
- Lógica matemática y de predicados
- Introducción a la inteligencia artificial
3) PERFIL DE EGRESO
software.

Unidad I
A. La lógica matemática y de
Lógica matemática
predicados es utilizada
para desarrollar criterios Lógica de predicados
para la toma de
decisiones. Principios de la inteligencia artificial
Unidad II
Base de datos de conocimientos
B Las técnicas estadísticas Programación lógica usando un lenguaje de
avanzadas son usadas para programación lógica.
modelar problemas Sistemas expertos, redes neuronales y lógica difusa
complejos y realizar
investigación de alto nivel.
112
Evidencias
Explica la lógica I UNIDAD - Presenta informe de
matemática y produce Explica adecuadamente la prácticas
programas para lógica matemática y de - Articula Portafolios
computadoras aplicado a la predicados. Prepara proyectos
-
inteligencia artificial II UNIDAD
Produce programas
informáticos básicos en
inteligencia
artificial

- Ivorra Castillo, Carlos (2010). Lógica Matemática, Registrado en
https://www.uv.es/ivorra/Libros/LM.pdf
- Solis Daun, J. Ernesto; Torres Falcón, Yolanda (1995). Lógica Matemática.
Universidad Autónoma Metropolitana de México. Registrado en
https://uamenlinea.uam.mx/materiales/matematicas/logica/SOLIS_DAUN_JULI
O_E
RNESTO_Logica_Matematica.pdf
- Armstrong, Thomas (2017). Inteligencias múltiples en el aula. Registrado en
https://www.planetadelibros.com/libros_contenido_extra/37/36195_INTELIGE
NCI AS_MULTIPLES_AULA.pdf
- Rouhiainen, Lasse (2018), Inteligencia Artificial. Barcelona – España. Registrado
en
https://www.planetadelibros.com/libros_contenido_extra/40/39307_Inteligencia
_artif icial.pdf
113
a. Curso : Arquitectura de Computadoras

b. Código : ELE311
d. Número de horas : HT = 3, HP = 2, TH = 5
f. N° de horas virtuales/unidad : 2
g. Área curricular : Estudios de especialidad
h. Ciclo del plan de estudios : V
i. Características del curso : I+D+I
2. SUMILLA
El curso de Arquitectura de Computadoras corresponde al área curricular de
especialidad, es de naturaleza teórico práctico, cuyo propósito es: Conocer
arquitecturas de computadoras uniciclo, multiciclo, y segmentadas, Comprender qué
factores determinan el rendimiento de un programa, evaluar cuantitativamente el
rendimiento de diferentes arquitecturas de computadoras y diseñar estrategias para
mejorar el rendimiento de los sistemas. Utilizar herramientas EDA (Electronic
Design Automation) de diseño y simulación de circuitos digitales. Comprender cómo
un programa en C o en Java se convierte en código máquina y cómo es que el
procesador ejecuta los programas en código máquina.
Su contenido comprende las unidades:
 Unidad aritmetico-lógica, arquitectura de ordenadores. Segmentación en la
ejecución de instrucciones.
 Organización y estructura de la memoria, sistemas de entrada salida e
interconexion
3. PERFIL DE EGRESO

compromiso social.
114
Criterios de desempeño
Esenciales
Unidad I
a) El conocimiento de las - Sumador binario sin y con signo,
diferentes arquitecturas Generación y propagación del acarreo.
permite diferenciar el Sumador Ripple-carry, Sumador carry
funcionamiento y los look-ahead, Multiplicación binaria sin y
diferentes equipos con signo
electrónicos y su - Multiplicadores celulares, Algoritmo y
importancia en el celda básica ripple-carry, Algoritmo y
desarrollo de la celda básica carry-save, Multiplicador
tecnología. secuencial shift and add, División binaria
sin y con signo, División con
restauración, División sin restauración.
- Arquitectura (clásica) de un ordenador,
Arquitecturas Von-Neumann y Harvard
- Arquitecturas CISC y RISC, El
rendimiento del sistema, Unidades de
medida
- Comparativa de rendimientos, Mejorar el
rendimiento. La ley de Amdahl
- Ejemplo de la evolución en el rendimiento
de los microprocesadores, Fundamentos
de diseño de un procesador, El repertorio
de instrucciones, Ciclo único y
multiciclo, Ruta de datos y control, La
técnica de la segmentación,
Funcionamiento ideal, Conceptos
asociados: Latencia y Rendimiento
(Throughput), Diseño de un procesador
con segmentado (Pipeline), Limitaciones
del cauce de instrucciones segmentado,
Causas que producen perdidas de
rendimiento por detención del pipeline,
Conflictos por limitaciones estructurales.
Unidad II.
b) La teoría de las memorias - Jerarquía de memoria, Principios básicos
multivariantes, y las de la memoria caché, Caché de varios
técnicas de entrada salida niveles, Organizaciones: Completamente
son usadas para asociativa, Correspondencia directa y
115
comprender el Asociativa por vías, Esquemas de

rendimiento de los funcionamiento.
sistemas de buses y de - Escritura directa (Write Through) con
entrada salida. asignación en escritura (Fetch on-write) y
sin asignación en escritura. Post-escritura
o escritura diferida, Algoritmos de
sustitución, Coherencia caché, Ejemplos
de cachés, la Memoria virtual.
- Funcionamiento de la memoria virtual:
paginación, segmentación, segmentos
paginados, Traducción de direcciones
virtuales a direcciones físicas o reales,
Unidad de gestión de la memoria (MMU),
Buffer de traducción anticipada (TLB),
Integración del sistema de memoria: el
TLB y la caché, Sistema con caché virtual
o caché real
- Medidas de rendimiento de sistemas de
entrada salida. Buses. Diseño de sistemas
de E/S. Casos Reales.
LOGRO DEL CURSO LOGRO DE UNIDAD EVIDENCIAS
Explica la estructura I UNIDAD - Construye esquemas

del funcionamiento de
una computador y los
Explica la estructura y - Presenta informe
funcionamiento de un
componentes del - Articula Portafolios
computador.
hardware y software - Prepara proyectos
- Analiza casos.
II UNIDAD - Construye esquemas
Explica la interacción - Presenta informe
del hardware y - Articula Portafolios
software en un sistema
de cómputo paralelo. - Prepara proyectos
- Analiza casos
116

Lista de cotejo
Examen escrito
Beltrán Pardo Marta, Diseño y Evaluación de Arquitectura de Computadores, Pearson,

España 2010.
Brey, B. B. (2005). The Intel Microprocessors: 8086/8088, 80186, 80286, 80386, 80486,
Pentium, Pentium Pro, and Pentium II, Pentium III, Pentium 4. Prentice-Hall, 7th edition.
Mano, M. M. (1992). Computer System Architecture. Prentice Hall, 3rd edition.
Morton John, The Pic Microcontroller, MA 01803 USA, Elsevier Ltd, 2007.
Norton, P. (1988). Peter Norton’s Assembly Language Book for the IBM PC. Peter Norton
FoundationSeries. Brady Publishing 0136624537.
Ortega Julio, Arquitectura de Computadores, Adison Wesley New York, 2012
Rizvi Syed, Microcontroller Programming, Old Domicion University, Virginia 2011.
Romero Flores, Robert Antonio, Modelamiento y Simulación de sistemas, Puno 2010.
Sanchez Julio, Embedded Systems Circuits and Programming, Skipanon Software
Associates, Florida 2012.
Silberschatz, Abraham, GALVIN, Peter, GAGNE, Greg, Sistemas Operativos. Limusa
Wiley, México, 2002.
Stalling William, Organización y Arquitectura de Computadores, 7ma edición, Prentice
Hall, Barcelona, 2006.
http://see.stanford.edu: portal del Proyecto Ingeniería en Todos lugar (Engineering
Everywhere) de la Universidad de StanFord que contiene información de los cursos que
dictan.
http://www.coursera.org/learn/sistemas-digitales: Portal de Coursera en el cual se dicta
curso en línea de sistemas digitales creado por la Universidad Autónoma de Barcelona.
117
a) Curso : Estadística no paramétrica
b) Código : EST208
d) N° de horas : Teóricas: 02, Prácticas: 02, Total de horas: 04
g) Área curricular : Estudios Específicos
2. SUMILLA
El Curso de estadística no paramétrica corresponde al área curricular de estudios
específicos, es de naturaleza teórico-práctico, tiene como propósito que el estudiante
conozca y use los procedimientos y pruebas de hipótesis no paramétrica en la
investigación científica. El contenido comprenderá.
- Pruebas estadísticas no paramétricas para una y dos muestras relacionadas
- Pruebas estadísticas no paramétricas dos y k muestras relacionadas e
independientes.
3. PERFIL DE EGRESO


a) Las técnicas Unidad I.
estadísticas no - Conceptos básicos, clasificación de variables, escalas
paramétrica para de medición, uso de las pruebas estadísticas, error tipo
para una y dos I, error tipo II, curva característica de operación.
muestras son usadas Prueba binomial, prueba ji cuadrado, Kolmogorov-
para resolver Smirnov, rachas, rango con signo de Wilcoxon,
hipótesis de prueba de los signos. Pruebas de bondad de ajuste y
investigación normalidad: Ji-cuadrada, Método moderno G. Test de
científica D’agostino, Kolmogorov, Lillefords, métodos
gráficos, otros.
- Dos muestras relacionadas: Prueba de Wilcoxon o
Rangos señalados y pares igualados, Prueba del
Signo, Prueba Binomial, Mac Nemar para la
significación de cambios, Prueba de Walsh, Prueba de
Aleatoriedad para pares igualados, Análisis.
Unidad II.
118

b) Las técnicas - Dos muestras independientes: Prueba de suma de
estadísticas no Rangos de Wilcoxon, Prueba de Fisher, prueba Ji
paramétrica para dos cuadrado, Prueba de la mediana, prueba de
muestras y k ManWhitney, Dos muestras de Kolmogorov- Smirnov,
muestras son usadas Prueba de Wald-Wolfowitz, prueba de Moses, prueba
para resolver de Aleatoriedad. Análisis.
hipótesis de - K muestras relacionadas. Prueba Q de Cochran, análisis
investigación de varianza de dos clasificaciones por rangos de
científica Friedman, Análisis.
- K muestras independientes. Ji cuadrado para k
muestras, Prueba de la mediana, Análisis de Varianza
de una Clasificación
- Pruebas de correlación: Medidas de asociación.
Coeficiente de contingencia, coeficiente de correlación
de rango de Spearman, el coeficiente de correlación de
Kendall, coeficiente de Correlación parcial de Kendall,
coeficiente de contingencia de Kendall
Medidas epidemiológicas:
- Regresión no paramétrica
4. LOGROS DEL APRENDIZAJE
Evaluación de:
Evidencias
Acción / producto
I UNIDAD
Distingue el uso de las - Casos de estudio
diferentes pruebas de - Portafolio
Distingue el uso hipótesis no paramétricas de - proyectos
de las diferentes una o dos muestras.
pruebas de II UNIDAD
hipótesis no Distingue el uso de las
paramétricas. - Casos de estudio
diferentes pruebas de - Portafolio
hipótesis no paramétricas de - Proyectos
k muestras y analiza las
correlaciones entre variables.
119
6. BIBLIOGRÁFIA
Anderson, D., Sweeney, D. y Willians,T. (2008). Estadística para Administración y
Economía (10ª ed.). México: Thomson Learning.
CHRIS LEACH (2003) “Fundamentos de estadística” Enfoque no paramétrico para
ciencias sociales. Edit. Limusa.
Cristian Fernando Telles Piñerez, Diego Fernando Lemus y Stalyn Yasid Guerrero
Gómez; Estadística Inferencial con aplicaciones en R, Bogotá 2014.
Infante Gil, Said y Zarate de Lara, Guillermo, Métodos Estadísticos, Editorial Trillas,
2ª Edición, México, 2007.
Lind Marchal Wathen, Estadística aplicada a los negocios y la economía, McGraw -
Hill, 2002, décimo sexta edición, 2016.
Montgomery y Runger; Probabilidad y Estadística, Limusa-Wiley, 2ª Edición,
México, 2006.
OSTLE, Bernard (2000) “Estadística aplicada”, México, edit. Limusa.
STEEL Robert (2011) “bioestadística principios y procedimientos” edit. Mc Graw
Hill. México 1985.
Vargas Roncal, Rosario, Manual de Métodos Estadísticos, 2011.
Walpole R. y Myers R., Probabilidad y Estadística, Sexta edición, 2009, Pearson.
SYDNEY SIEGEL (2008) “Estadística no paramétrica” Edit TRILLAS.
Sitios de Internet
https://rpubs.com/CJRR/PUJ_DECB_NP
https://rpubs.com/Joaquin_AR/220579
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/toc.html
http://es.wikipedia.org/wiki/Estad%C3%ADstica_no_param%C3%A9trica
http://es.wikipedia.org/wiki/Categor%C3%ADa:Estad%C3%ADstica_no_param%
C3%A9trica
http://www.iuma.ulpgc.es/~nunez/mastertecnologiastelecomunicacion/RecursosGeneral
es/AnalisisEstadisticoClase9.pdf
120
a) Curso : Estadística Computacional
b) Código : EST312
2) SUMILLA
El curso de Estadística corresponde al área de estudios de especialidad, es de
naturaleza teórico práctica, su propósito es proporcionar al estudiante los
conocimientos de métodos estadísticos que se caracterizan por el uso intensivo de
computadoras. Comprende las siguientes unidades:
- Conceptos Preliminares, Simulación de Números Pseudoaleatorios. Teoría del
Bootstrap.
- Aplicación del Bootstrap a diferentes técnicas estadísticas clásicas. El Método
Jackknife. Validación Cruzada
3) PERFIL DE EGRESO


a) Los métodos de Unidad I
simulación son - Conceptos Preliminares
utilizados para realizar
pruebas de hipótesis - Simulación de Números Pseudoaleatorios.
uni y para k variables - Simulación de Montecarlo,
- Teoría del Bootstrap aplicado a inferencia estadística
y pruebas no paramétricas.
Unidad II
b) La metodología - Aplicación del Bootstrap a diferentes técnicas
Bootstrap es utilizada predictivas
para obtener - El Método Jackknife.
estimadores y realizar
- Validación Cruzada.
121
validación de
predicciones
Evidencias
Resuelve casos de I UNIDAD - Presenta informe
estudios de pruebas de Resuelve problemas de - Articula Portafolios
hipótesis y valida pruebas de hipótesis
predicción usando la usando la metodología - Prepara proyectos
metodología Bootstrap y Bootstrap,
validación cruzada II UNIDAD
Justifica la validación de
predicciones usando la
metodología Bootstrap y
validación cruzada
Lista de cotejo
Examen escrito
6) BIBLIOGRAFÍA
Montgomery, E. & Vining, D. & Peck. 2006. Introducción Al Análisis de

Regresión Lineal. 3ed ed. México: Cecsa.
Cruz, E. D. (2016). Estadística básica: Introducción a la estadística con R.
Ediciones de la U.
Moriña, D., Utzet, M., Nedel, F. B., Martín, M., & Navarro, A.
(2016). Introducción a la estadística con R-Commander para las ciencias de la
salud (Vol. 236). Servei de Publicacions de la Universitat Autònoma de
Barcelona.
González, C. G., Lise, A. V., & Felpeto, A. B. (2013). Tratamiento de datos con
R, Statistica y SPSS. Ediciones Díaz de Santos.
122
a) Curso : Sistemas de gestión de base de datos II
b) Código : EST313
c) Prerrequisito : EST304 y EST308
2) SUMILLA
El curso de Sistemas de gestión de base de datos II corresponde al área curricular de
especialidad, es de naturaleza teórico práctico, cuyo propósito es aplicar técnicas para
gestionar eficientemente complejos sistemas de bases de datos en las organizaciones,
manipulando grandes volúmenes de datos. Se consideran contenidos principales
como: Uso de sistemas de gestión de base de datos, características, elementos y
estructuras, estructura de índices, técnicas de implementación de sistemas,
procedimientos de consultas, técnicas de recuperación, técnicas de control de
concurrencia, procesamiento de transacciones, optimización de consultas, seguridad
y protección de las bases de datos, base de datos orientada a objetos relacionales,
minería de datos y big data. Su contenido está organizado en dos unidades:
 Gestión optimizada de sistemas de bases de datos
 Base de datos orientada a objetos relacionales en la organización
3) PERFIL DE EGRESO


a) El conocimiento de Unidad I
técnicas y algoritmos  Base de relacionales
avanzadas permite la  Integridad y concurrencia
gestión eficiente de  Organización de archivos y estructura de Índices
sistemas de bases de  Transacciones y técnicas de Recuperación.
datos, acorde a buenas  Optimización de consultas y rol del administrador de
prácticas y estándares de Base de Datos
calidad para la  Optimización de consultas
manipulación de datos  Base de datos en la Web
para la toma de
decisiones.
123
b) La teoría de las bases de Unidad II

datos permite Gestionar  Gestión de base de datos distribuidas
sistemas de base de  SGB Objeto Relacional
datos, orientados a  SGBD NoSQL
objetos relacionales,  SGBD Orientados a Objetos y Base de Conocimientos
orientado a la  Seguridad de la base de datos
manipulación de grandes  Introducción a Minería de Datos y Big Data
volúmenes de datos,
considerando integridad,
seguridad y
concurrencia,
satisfaciendo
requerimientos de la
organización.
Evidencias
I UNIDAD - Presenta informe
Administrar un sistema Diseña bases de datos - Articula Portafolios
de gestión de base de relacionales, optimizando
los proceso de - Prepara proyectos
datos orientado a objetos
relacional, que le manipulación de datos,
permitan almacenar y utilizando el lenguaje
manipular grandes estructurado de consulta,
volúmenes de datos, de considerando estándares
manera eficiente, de calidad
apoyando a la toma
estratégica de decisiones II UNIDAD
en la organización
Implementa sistemas de
gestión de base de datos
orientada a objetos
relacional para la
organización, gestionando
grandes volúmenes de
datos, según sus
requerimientos

Lista de cotejo
Examen escrito
124
6) BIBLIOGRAFÍA
Cohen, K. D., & Asín, L. E. (2014). Tecnologías de la información (6a. ed.). Mexico
D.F: McGraw-Hill Interamericana.
Coronel, C., Morris, S. & Rob, P. (2011). Database systems: Design,
implementation, and management. Australia: Course Technology Cengage Learning.
Elmasri, R. & Navathe, S. (2012). Fundamentos de sistemas de bases de datos.
Madrid: Pearson Addison Wesley.
Piattini M., Marcos E., (2007). Tecnología y diseño de base de datos. México:
Alfaomega.
Post, G., Martínez, M. & López, F. (2006). Sistemas de administración de bases de
datos. México: McGraw-Hill Interamericana.
Ricardo, C. (2012). Databases illuminated. Sudbury, Mass.: Jones and Bartlett
Publishers.
Recursos Digitales
Erwin Data Modeler. (Software especializado pagado para modelamiento de
base de datos).
Disponible en: https://erwin.com/products/erwin-data-modeler/
MariaDB. (Software especializado libre para gestión de base de datos).

Disponible en: https://mariadb.org/
SQL Server Documentation. Documentación Oficial de SQL Server. [Consulta: 09

de junio de 2019].
Disponible en: https://docs.microsoft.com/en-us/sql/sql-server/sql-server-technical-
documentation?view=sql-server-2017/
125
a) Curso : Aprendizaje no supervisado
b) Código : EST314
h) Ciclo del plan de estudios : VI
j) SUMILLA
El curso de Aprendizaje no supervisado corresponde al área curricular de estudios de
especialidad, es de naturaleza teórico práctico, cuyo propósito es proponer y aplicar
técnicas de agrupamiento y reducción de la dimensionalidad sobre un conjunto de
datos. Su contenido comprende las unidades:
 Técnicas y algoritmos de agrupamiento
 Técnicas de reducción de la dimensionalidad y selección de características
k) PERFIL DE EGRESO


Unidad I
- Técnicas para el manejo de datos atípicos (outliers) y
a) Las técnicas básicas del
análisis multivariado son datos faltantes. Imputación de datos.
utilizadas para detectar - Técnicas para determinar la forma de la distribución
outliers y realizar de los datos.
agrupamiento de - Técnicas de visualización para la exploración de los
variables datos. Técnicas de asociación de datos cualitativos y
cuantitativos. Medidas para evaluar la similitud de los
datos.
- Técnicas de interdependencia: Análisis de
Componentes Principales (PCA), Análisis Factorial
Exploratorio y Confirmatorio, Análisis de
Correspondencia Simple y múltiple, Análisis
Conjunto.
- Aplicar e interpretar correctamente los resultados de
múltiples métodos de aprendizaje, incluido el
escalado multidimensional (MDS) y t-SNE
126
Unidad II.
b) Las técnicas del análisis - Técnicas de agrupación:
multivariado son - Análisis Cluster Jerárquico y No Jerárquico
utilizadas para realizar - KNN, clusters aglomerativos,
agrupamiento de casos - agrupación jerárquica y DBSCAN.
- Métricas, supuestos
l) LOGROS DE APRENDIZAJE DEL CURSO
Evidencias
Usa las técnicas Usa las técnicas - Articula Portafolios
multivariadas para multivariadas para reducir
reducir la la dimensionalidad de las - Prepara proyectos
dimensionalidad de las variables
variables y casos II UNIDAD
Usa las técnicas
multivariadas para reducir
la dimensionalidad de los
casos
m) EVALUACIÓN DEL APRENDIZAJE
Lista de cotejo
Examen escrito
7. BIBLIOGRAFÍA
Bishop, Christopher. Neural Networks for Pattern Recognition. New York, NY:
Oxford University Press, 1995. ISBN: 9780198538646.
Duda, Richard, Peter Hart, and David Stork. Pattern Classification. 2nd ed. New
York, NY: Wiley-Interscience, 2000. ISBN: 9780471056690.
127
Hastie, T., R. Tibshirani, and J. H. Friedman. The Elements of Statistical Learning:

Data Mining, Inference and Prediction. New York, NY: Springer, 2001. ISBN:
9780387952840.
MacKay, David. Information Theory, Inference, and Learning Algorithms.
Cambridge, UK: Cambridge University Press, 2003. ISBN: 9780521642989.
Available on-line here.
Mitchell, Tom. Machine Learning. New York, NY: McGraw-Hill, 1997. ISBN:
9780070428072.
128
a) Curso : Gestión de Proyectos Tics
b) Código : EST315
d) Nº horas : Horas Teóricas 3 Prácticas: 2 Total 5
e) Nº de créditos :4
f) N° de horas virtual/unidad :2
g) Área Curricular : Estudios de Especialidad
2. SUMILLA
El curso de Gestión de Proyectos TICs corresponde al área de Estudios de
Especialidad, es de naturaleza teórica y práctica, cuyo propósito es de permitir al
estudiante realizar las labores de planificación, control y seguimiento de proyectos
de sistemas Informáticos a través de métodos, técnicas y herramientas para
desarrollar TICs. El contenido es:
- Gestión, Gerencia y Administración de Proyectos, técnicas modernas de

gestión, administración y control en la formulación de proyectos
- Arquitecturas, buenas prácticas y marcos de referencia de gestión de
proyectos, PMBOK.
3. PERFIL DE EGRESADO


Unidad I
a) Los modelos de procesos de - Ingeniería de proyectos aplicada a las
desarrollo del software son ciencias computacionales: gestión, gerencia y
aplicados para el desarrollar administración.
software de calidad bajo los - Formulación desarrollo y gestión de
estándares vigentes. proyectos informáticos
- Arquitecturas empresariales, buenas
prácticas, marcos de referencia de gestión
Unidad II
- Arquitectura de Sistemas de Información
b) Los procesos de auditorías de - Arquitectura de Tecnologías de Información
un proyecto son evaluados - PMBOK
según normas vigentes - Evaluación de proyectos Informáticos.
- Aplicaciones
129
4. LOGROS DEL APRENDIZAJE
Logro del curso Logro por unidad Producto

 Proyectos
Gestiona proyectos de I UNIDAD  Informes
Tecnologías de Explica y usa las técnicas  Portafolio
información y modernas en gestión de  ensayos.
comunicación (TICs) proyectos de
aplicables a la realidad, Tecnologías de
optimizando recursos información y
informáticos comunicación (TICs).
II UNIDAD  Ensayos
Explica y prepara  Proyectos
procesos según el marco  Informes
de referencia de PMBOK
5. EVALUACIÓN DE APRENDIZAJE
6. BIBLIOGRAFÍA
1) Alberto Domingo Ajenjo “Dirección y Gestión de Proyectos Informáticos” Un

enfoque práctico, Editorial RA-MA, 2000
2) Christian W.Daes, “The Essence of Computing Projects. A student's Guide”,
Editorial Prentice-Hall , 2001
3) Puig Torne, Proyectos Informáticos Planificación Desarrollo, Edit. Paraninfo
PaperBack, 2005
4) PhamThuQuang, Dirección de Proyectos Informáticos, Edit Gestión 2000, 2004.
130
a) Curso : Arquitectura de Redes y Protocolos
b) Código : EST316
c) Prerrequisito : ELE311
d) N.º horas: Teóricas : Teoría: 02 - Práctica: 02 - Total: 04
e) N.º de créditos :3
f) N.º de horas virtuales/unidad: 2
g) Área Curricular : Estudios de Especialidad
2. SUMILLA
El curso de Arquitectura de Redes y Protocolos corresponde al área de estudios de
especialidad y es de naturaleza teórica-práctica, cuyo propósito en que estudiante
comprende e implementa la organización de redes computacionales y los protocolos
sobre las que se fundamenta su lógica de funcionamiento con énfasis en la
conectividad usando las modernas tecnologías de transmisión de datos y
comunicaciones.
3. PERFIL DE EGRESO
compromiso social.

a) El diseño de red es planificado de Unidad I.
acuerdo al tipo y tamaño de la 1. Conceptos preliminares de las
organización y las tecnologías comunicaciones en red.
actuales. 2. Transmisiones Analógicos Digitales
3. Modelos de redes
4. Topologías de red
Unidad II.
5. Modelo OSI de ISO
b) La configuración de una red se 6. Sistemas Operativos de Redes
define de acuerdo a las normas 7. Cableado estructurado
estandarizadas de protocolos, 8. Protocolo TCP/IP
topologías y modelos de 9. Redes inalámbricas
comunicación de red.
131
Evidencias
(Acción/Producto)
I UNIDAD Portafolio
Explica los fundamentos Proyectos
Diseña redes de datos con de la teoría de redes de Informe
tecnologías cableadas e datos.
inalámbricas de acuerdo a II UNIDAD Portafolio
los estándares de calidad. Diseñar redes de datos Proyectos
usando medios cableados Informe
e inalámbricos
6. BIBLIOGRAFÍA Y/O WEB GRAFÍA
1. Molina Robles, Fco. José, 2010, Planificación y Administración de Redes.

Editorial RAMA 630pág.
2. Rodrigo Salvador De La Concha, 2010, Gestión de Redes en Pymes y
Centros Educativos. Editorial ANAYA Multimedia, 448 pág.
132
a) Curso : Series de Tiempo
b) Código : EST317
d) N° de horas : Teóricas = 3, Prácticas = 2 y Total de horas = 5
g) Área Curricular : Estudios de especialidad.
i) Características : Experiencias preprofesionales I+D+I
2) SUMILLA
El curso de series de tiempo corresponde al área de estudios de especialidad y es de
naturaleza teórica-práctica, cuyo propósito es obtener modelos univariantes.
Comprende las siguientes unidades.
 Métodos de suavizamiento, Técnicas de descomposición, Modelos lineales
estacionarios (ARMA) y no estacionarios (ARIMA)
 Modelos ARIMA estacionales, Modelos de volatilidad, Modelos
multivariantes de series temporales, Uso de redes neuronales en series de
tiempo.
 Modelos de redes neuronales
3) PERFIL DE EGRESO


UNIDAD I
a. La metodología Box-
 Introducción a las series de tiempo, Clasificación de los
Jenkins es aplicada en modelos, componentes de una serie de tiempo.
el modelamiento de las
 Métodos de suavizamiento: métodos de promedios
series de tiempo en
móviles, métodos de suavizamiento exponencial.
distintas áreas
 Descomposición y análisis de componentes de una
serie de tiempo.
 Modelos lineales estacionarios (ARMA):
Estacionariedad en media y varianza, función de
autocorrelación, operadores de retardo y diferencia,
133
modelos autorregresivos (AR), modelos de media

móvil (MA), modelos mixtos (ARMA).
 Modelos lineales no estacionarios (ARIMA): No
estacionariedad en media y varianza, construcción de
modelos ARIMA,
b. El análisis de UNIDAD II.

series de tiempo es  Modelos ARIMA estacionales (SARIMA): Modelos
usado para obtener estacionales puros, modelos multiplicativos
modelos lineales estacionales.
estacionales.  Modelos de volatilidad: Modelos ARCH, GARCH,
EGARCH, ARCH-M, TARCH.
 Modelos multivariantes de series de tiempo; Modelos
de vectores autorregresivos (VAR), modelos
VARMA.
UNIDAD III.
 Modelos de redes neuronales para series de tiempo
Las técnicas de redes
neuronales son usadas
para obtener modelos
univariantes.
(Acción/producto)
I Unidad:
Resuelve problemas y
realiza predicciones en Resuelve problemas de
modelos univariantes predicción de series de
tiempo haciendo uso de los
modelos lineales ARIMA
Articula Portafolio
II Unidad: Presenta Proyectos
Predice utilizando modelos Presenta Informes
alternativos univariantes y
multivariantes.
III unidad.
Usa redes neuronales para
obtener modelos
univariantes-
134

GUJARATI, D. (2004). Econometría. 4º edición. Editorial Mc. Graw Hill. Mexico.
Guerrero, V. M. (2014). Análisis estadístico y pronóstico de series de tiempo
económicas. (3ra Edición). Jit Press, S.A. México.
GUJARATI, D. y PORTER, D. (2010). Econometría. 5º edición. Editorial Mc. Graw
Hill. México.
Hanke, J. E. & Wichern, D. W. (2006). Pronóstico en los negocios. (8va Edición).
Prentice Hall. México.
MONTEVERDE, E. y RENGIFO, E. (2011). Estadísticas y econometría financiera.
Editorial CENGAGE. LIMA
URIEL, E. (1985). Análisis de series de temporales. Editorial Paraninfo. España.
PEÑA, D y SANCHES DE RIVERA (2000). Estadística, modelos y métodos. 2.
modelos lineales y series temporales. 2º edición. Aliaga Universidad, textos. España.
Peña, D & Sánchez, D. (2000). Estadística, modelos y métodos. 2. modelos lineales
y series temporales. 2º edición. Aliaga Universidad, textos. España.
Perez, C. (2008). Econometría Avanzada, técnicas y herramientas. (1ra Edición),
Pearson Educations. España.
Ramos, A., Villasante, F. H., Tumi, N. & Alvarez, T. P. (2016). Series de Tiempo:
Software de análisis con Eviews. (1ra Edición). Editorial Altiplano E.I.R. Ltda. Puno,
Perú.
WOOLDRIDGE, J. (2006). Introducción a la econometría. Editorial PARANINFO.
2º edición. España.
135
a. Curso : Regresión lineal y no lineal
b. Código : EST209
h. Ciclo del plan de estudios : VI
2. SUMILLA
El curso de Regresión lineal y no lineal corresponde al área curricular de Eestudios
específicos, es de naturaleza teórico práctico, cuyo propósito es brindar metodologías
estadísticas de carácter cuantitativo y cualitativo que permita estimar un modelo para
explicar de manera apropiada el comportamiento de la variable de interés usando
software estadístico. Su contenido comprende las unidades:
 Regresión lineal simple, Correlación lineal, Regresión polinómica
 Splines de regresión, Splines de suavizado, Modelos aditivos generalizados
(GAM), Regresión Tobit: modelos lineales para datos censurados
3. PERFIL DE EGRESO


A) Aplica las técnicas de Unidad I
análisis de residuales
 Regresión lineal simple: El modelo de regresión lineal,
para detectar violaciones
estimación de parámetros, hipótesis lineal general,
de los supuestos del
método de selección de variables.
análisis de regresión y
sus medidas remediales  Correlación lineal: Coeficiente de correlación y
determinación.
 Análisis de residuos: Tipos de residuos: ordinarios
estandarizados, estudentizado. Métodos gráficos
 Violación de los supuestos del modelo clásico:
Multicolinealidad, heterocedasticidad,
autocorrelación, normalidad.
 Regresión no lineal con un único predictor: Regresión
polinómica.
136
Unidad II.
B…Los métodos de  Splines de regresión: Recorrido de splines de regresión,
regresión no lineal son funciones de pasos por partes (step functions),
usados apropiadamente restricciones y splines, Posición y número de knots,
cuando la capacidad comparación con la regresión polinómica.
predictiva de los métodos
 Splines de suavizado: Elección del parámetro .
lineales es limitada.
 Modelos aditivos generalizados (GAM): GAMs para
problemas de regresión, GAMs, para problemas de
clasificación, ventajas e inconvenientes.
 Regresión Tobit: modelos lineales para datos
censurados: Modelo Tobit
Evidencias
(acción/producto)
Usa las técnicas de Encuentra modelos de - Articula Portafolios
regresión lineal y no lineal regresión lineales válidos
que cumplan los supuestos - Prepara proyectos
para encontrar modelos y
realizar pronósticos en del modelo.
trabajos de investigación. II UNIDAD
Encuentra modelos no
lineales que rompen con
las limitaciones de los
modelos lineales
Lista de cotejo
Examen escrito
Otros (reglamento de evaluación) Rúbrica
Otros (reglamento de evaluación)
137
6. BIBLIOGRAFÍA
 Court, E. & Rengifo, E. (2011). Estadística y Econometría Financiera. Editorial

CENGAGE. Perú.
 Gil, C. (2018). Métodos de regresión no lineal. RPubs. Retrieved from:
https://rpubs.com/Cristina_Gil/
 Gujarati, D. N., & Porter, D. C. (2010). Econometría (5a.ed.--.). México: McGraw
Hill.
 Novales, A. (2010). Análisis de Regresión. Universidad Complutense. Madrid –
España.
 Perez, C. (2008). Econometría Avanzada, técnicas y herramientas. (1ra Edición),
Pearson Educations. España.
 Perez, M. (2013). Econometría Avanzada con Stata: Conceptos y ejercicios
resueltos.
138
c. Curso : Modelos lineales
d. Código : EST210
e. Prerrequisito : EST307
f. Nº de horas : Teoría: 4, Práctica: 2, Total: 6
g. Número de créditos :5
h. Nro de horas virtuales :2
i. Área curricular : Específicos
j. Ciclo del plan de estudios : VI
k. características del curso : I+D+I, experiencia pre profesional
2. SUMILLA
El curso de Modelos lineales corresponde al área curricular de estudios específicos, es de
naturaleza teórico práctico, cuyo propósito es aplicar los fundamentos teóricos para el
análisis y resolución de problemas de aplicación de los modelos lineales. Su contenido
comprende las unidades:
 Distribución y formas cuadráticas, Modelos de rango completo, Modelos de
correlación
 Modelo de rango no completo, Modelos básicos, Clasificación de 2-vías
cruzada.
3. PERFIL DE EGRESO


a) Los fundamentos Unidad I
teóricos del
 Distribuciones y formas cuadráticas: Función de
modelamiento
densidad multivariante, momentos, transformaciones
estadístico lineal son
lineales, función generatriz de momentos.
utilizados para aplicar
los modelos adecuados  Distribución normal multivariante, distribución Ji
para la distribución Cuadrado, F y t central y no central, distribuciones de
requerida en la tabla de formas cuadráticas.
análisis de varianza.
 Modelos de rango completo: Estimación, el caso
Realiza inferencia.
general de 2 variables X, forma general para k-
variables X, cuatro métodos de estimación,
consecuencias de la estimación, propiedades
distribucionales.
 Intervalos confidenciales, hipótesis lineal general,
modelos reducidos, regresión polinomial, modelos de
correlación.
Unidad II.
139
 Modelos de rango no completo: Ecuaciones normales,

b) El estudiante realiza el consecuencias de una solución, propiedades
análisis de varianza distribucionales, funciones estimables, hipótesis
referido a los modelos lineal general.
de rango no completo,  Modelos elementales: Modelos de clasificación de una
de una vía, dos vías, n vía, reducción de cuadrados, modelos de clasificación
vías de dos vías anidada.
 Clasificación de dos vías cruzada: Modelos de
clasificación a dos vías sin interacción y con
interacción, modelos de clasificación cruzada a n vías
Evidencias
Explica los fundamentos I UNIDAD - Presenta informe
teóricos para el diseñar y Diseña y analiza - Articula Portafolios
analizar modelos de modelos de rango no
rango no completo, completo. - Prepara proyectos
varianza y covarianza.
II UNIDAD
Diseña y analiza modelos
de varianza y covarianza.
Lista de cotejo
Examen escrito
6. BIBLIOGRAFÍA
 Hinkelmann, K. & Kempthorne, O. (2005). Design and Analysis of Experiments

Volume 2 Advanced Experimental Design. JOHN WILEY & SONS. USA.
140
 Ibañez, V. (1998). Modelos lineales. Universidad Nacional del Altiplano - Puno

 Montanero, J. (2008). Modelos lineales. Universidad de Extremadura.
Colecciones manuales uex – 56.
 Montgomery, D., Peck, E. & Vining, G. (2005). Introducción al Análisis de
Regresión Lineal. (3ª edición) CECSA. España.
 Paolella, M. S. (2019). Linear Models and Time - Series Analysis Regression,
ANOVA, ARMA and GARCH. Wiley. Switzerland
 Searle, S. R. (1971). Linear Models. John Wiley &Sons. New York.
 Uriel E., Peiro, A., Contreras D. & Molto, M. (1994). Econometría: El Modelo
Lineal. editorial AC. España.
141
a) Curso : Sistemas Distribuidos
b) Código : EST318
h) Ciclo del plan de estudios : VII
2) SUMILLA
El curso de sistemas distribuidos corresponde al área de estudios de especialidad y

es de característica teórico práctica, su propósito es integrar los diversos aspectos
de los sistemas operativos en su expresión más amplia de interconexión y gestión
de redes de computadores y que conforman el sistema distribuido. Su contenido es.
- sistemas distribuidos, las redes de computadoras e internet
- programación paralela y concurrente
3) PERFIL DE EGRESO

compromiso social.

Unidad I
a) La teoría de los sistemas  Describir cómo una instrucción es ejecutada en
distribuidos, las redes de una máquina clásica de von Neumann, con
computadoras e internet  extensiones para threads, sincronización
son usadas para multiprocesador y ejecución SIMD.
implementar  Identificar oportunidades para particionar un
aplicaciones programa secuencial en módulos paralelos
informáticas de alto  independientes.
nivel  Explicar las diferencias entre memoria compartida
y distribuida.
 Describir la arquitectura SMP y reconoce sus
principales características.
 Caracterizar los tipos de tareas que constituyen un
emparejamiento natural para las máquinas
 SIMD.
 Explicar cómo los componentes de arquitectura de
sistemas contribuyen a mejorar su
 rendimiento.
 Describir la ley de Amdahl y sus limitaciones.
142
 Describir camino crítico, trabajo (work) y alcance

(span).
 Definir speed-up y explica la noción de
escalabilidad de un algoritmo en este contexto.
 Describir los diversos niveles de paralelismo,
incluyendo de tarea, de datos y de evento.
 Estar familiarizado con estrategias de medición de
rendimiento de algoritmos.
 Explicar otros usos del paralelismo, tales como
confiabilidad/ redundancia de ejecución.
Unidad II.
 Explicar por qué los chequeos de precondiciones,
y las acciones basadas en dichos chequeos
b) Las técnicas de la
 deben compartir la misma unidad de atomicidad
programación paralela y
para ser efectivos.
concurrente son usadas
para realizar  Dar un ejemplo de un orden de accesos entre
aplicaciones distribuidas actividades concurrentes (ej. programa con una
y en tiempo real  carrera por datos) que no es secuencialmente
consistente.
 Explicar cuándo y por qué el envío de mensajes
multicast o basado en eventos puede ser
 preferible a otras alternativas.
 Describir al menos una técnica de diseño para
evitar fallos de ¿liveness¿ en programas que
 utilizan múltiples locks o semáforos.
 Describir los méritos relativos del control de
concurrencia optimista vs conservador bajo
 diferentes rangos de contienda entre
actualizaciones.
 Caracterizar las propiedades de una carga de
trabajo que permite o previene su natural
 paralelización.
 Dar ejemplos de problemas en los que el
pipelining podría ser una técnica efectiva de
 paralelización.
 Explicar por qué la sincronización es necesaria en
un programa paralelo específico.
 Escribir un programa utilizando actores y/o
procesos reactivos.
 Usar exclusión mutua para evitar condiciones de
carrera dadas.
 Escribir un programa que puede revelar un error
de programación concurrente, por ejemplo,
 perder una actualización cuando dos actividades
intentan incrementar una variable.
 Dar un ejemplo de un escenario en que el bloqueo
de envío de mensajes genera deadlock.
143
 Escribir un programa que termina correctamente

cuando todo un conjunto de tareas
 concurrentes han sido completadas.
 Usar una cola correctamente sincronizada para
almacenar datos transmitidos entre
 actividades.
 Implementar un dividir para conquistar paralelo
(y/o algoritmo en grafo) y mide empíricamente
 su rendimiento con su análogo secuencial.
 Descomponer un problema (ej. contar la cantidad
de apariciones de una palabra en un
 documento) mediante el uso de operaciones de
¿map¿ y reducción.
 Implementar un algoritmo paralelo sobre matrices.
Evidencias
Explica las técnicas I UNIDAD - Presenta informe
usadas para la Explica las arquitecturas - Articula Portafolios
fragmentación, paralelas
replicación y asignación - Prepara proyectos
de datos, durante el II UNIDAD
proceso de diseño de una
Explica los fundamentos
base de datos distribuida.
de la computación
paralela y distribuida
Lista de cotejo
Examen escrito
6) BIBLIOGRAFÍA
Gutiérrez García, J. J. (2010). Planificación, análisis y optimización de sistemas

distribuidos de tiempo real estricto. Universidad de Cantabria.
144
Muñoz Escoí, F. D., Argente Villaplana, E., Espinosa Minguet, A. R., Galdamez
Saiz, P., García Fornes, A. M., Juan Marín, R. D., & Sendra Roig, J. S. (2013).
Concurrencia y sistemas distribuidos. Colección Académica. Editorial UPV.
La Red Martínez, D. L., & Acosta, J. C. (2015, April). Sincronización de procesos

en sistemas distribuidos. In XVII Workshop de Investigadores en Ciencias de la
Computación (Salta, 2015).
Tanembaum, A. S., & Van Steen, M. (2007). Sistemas Distribuídos-Princípios e

Paradigmas.
Steen, M. V., & Tanenbaum, A. S. (2007). Sistemas distribuídos: princípios e

paradigmas.
145
a. Curso : Estadística Bayesiana
b. Código : EST211
g. Área curricular : estudios específicos
h. Ciclo del plan de estudios : VII
i. Características del curso : Experiencias pre – profesionales I+D+I
2. SUMILLA

práctico y tiene como propósito proporcionar los fundamentos del enfoque
Bayesiano para el análisis de datos presentando las diferencias conceptuales y
metodológicas con el enfoque clásico, Comprende el siguiente contenido.
- Distribución a priori, a posteriori, predictiva, modelos uniparamétricos,

multiparametricos, e inferencia bayesiana.
- Regresión lineal bayesiana, simulación y redes bayesianas.
3. PERFIL DE EGRESO

ESENCIALES
A. Los fundamentos del teorema de  Teorema de Bayes y su naturaleza
bayes son usados para resolver secuencial.
problemas de inferencia y pruebas  La distribución a priori, la
de hipótesis distribución posterior
 Distribución predictiva y aplicaciones
 Modelos básicos de
estadística bayesiana
 Modelos uniparamétricos
 Modelos multiparamétricos
146
 Inferencia bayesiana
B. La teoría de regresión bayesiana, Unidad II.
cadenas de markov y redes Regresión Lineal Bayesiana y
bayesianas, son usados para obtener aplicaciones Cadenas de Markov a partir
modelos y predicciones. de la distribución posterior.
Redes bayesianas
EVIDENCIAS
LOGRO DEL CURSO LOGRO DE UNIDAD (acción/producto)
I UNIDAD: Presenta informe
Usa la técnica bayesiana para Articula Portafolios
realizar inferencia Prepara proyectos
Explica las técnicas del
enfoque bayesiano. II UNIDAD:
Encuentra modelos
utilizando la inferencia
bayesiana
Correa J (2019). Introducción a la Estadística Bayesiana, Instituto Tecnológico
Metropolitano, biblioteca ITM.
Gelman, A., and Shalizi, C. R. (2011). Philosophy and the practice of Bayesian
statistics in the social sciences. In the Oxford Handbook of the
Philosophy of Social Sciences, ed. Harold Kinkaid. Oxford University
Press.
147
Berger, J. (1985). Statistical Decision Theory and Bayesian Analysis Springer

Verlag.
Lee, P. (2004). Bayesian Statistics an introduction Wiley.
Lynch, S. (2006) Introduction to Applied Bayesian Statistics and Estimation
for Social Scientists Springer
Electrónicas
 https://ddd.uab.cat/pub/tfg/2015/137782/TFG_DailosCastellanoMarrero.
pdf
 http://allman.rhon.itam.mx/~lnieto/index_archivos/NotasBayesMR.pdf
 http://www.dpye.iimas.unam.mx/soriano/BAYES/DOCUMENTOS/NO
TA S/INFERENCIA%20BAYESIANA.pdf
148
a) Curso : Ingeniería de software I
b) Código : EST319
c) Prerrequisito : EST 310 y EST315
2) SUMILLA
El curso de Ingeniería de Software I corresponde al área curricular de especialidad, es
de naturaleza teórico-práctico, cuyo propósito es de conocer la ingeniería de software,
Modelos del proceso de software, Modelo de análisis de negocio, Modelo de
requerimientos, Modelamiento del sistema, Arquitectura lógica del software, Diseño e
implementación, Prueba, validación y evolución del software. Implementación y
mantenimiento. Su contenido comprende:
- Modelamiento, requerimiento y arquitectura del sistema
- Diseño e implementación del sistema
3) PERFIL DE EGRESO
software

Unidad I
a) Las metodologías de la Ingeniería de software
ingeniería del software Modelos del proceso de software
son usadas para
Modelo de análisis de negocio
desarrollar software de
alto nivel. Modelo de requerimientos
Modelamiento del sistema
Arquitectura lógica del software
Unidad II
Diseño e implementación,
b) Las etapas de diseño e Prueba, validación
implementación del Evolución del software
149
software son usados para

optimizar software
Evidencias
I UNIDAD Presenta informe de
Explica los paradigmas y Explica los paradigmas de prácticas
diseña aplicaciones modelamiento de sistemas Articula Portafolios
informáticas utilizando la informáticos. Prepara proyectos
ingeniería de software II UNIDAD
Diseña e implementa
aplicaciones informáticas
utilizando ingeniería de
software
- Sommerville, Ian (2005). Ingeniería del Software. España. Registrado en
http://zeus.inf.ucv.cl/~bcrawford/AULA_ICI_3242/Ingenieria%20del%20Softw
are%
207ma.%20Ed.%20-%20Ian%20Sommerville.pdf
- Pressman, Roger (2010). Ingeniería del Softwware. Un Enfoque Práctico.
Registrado en
http://www.javier8a.com/itc/bd1/ldIngenieria.de.software.enfoque.practico.7ed.P
ressman.PDF
- Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest y Clifford Stein ().
Introducción a los algoritmos. Registrado en
https://www.tableau.com/esmx/learn/articles/books-about-data-structures-
algorithms
150
a) Curso : Metodología de la investigación
b) Código : EST212
d) N° de horas : Teóricas: 03 Prácticas: 02 Total de horas: 05
g) Área curricular : Estudios específicos
2. SUMILLA
El curso metodología de la investigación corresponde al área de estudios específicos
y es de naturaleza teórica y práctica. Su propósito es conocer la metodología de la
investigación científica con el fin de iniciarse en la investigación en las dos áreas de
formación: estadística e informática para reconocer este proceso de la investigación
en la producción de nuevos conocimientos con actitud científica. Su estudio
• Propuesta teórica del proceso de la metodología de investigación. (Marco
Referencial)
• Propuesta empírica de un proyecto de investigación y la solución de un tema
estadístico aplicado a la investigación.
3. PERFIL DE EGRESO


UNIDAD I:
a) El método Enfoques de Investigación
científico es Planteamiento del problema de investigación.
usado para • Descripción del problema
describir, definir • Definición/Enunciado del problema
el problema, • Justificación de la investigación
definir los • Objetivos
objetivos, - Objetivo general y específicos.
hipótesis y - hipotesis
marco teórico de Marco Teórico.
la investigación. • Antecedentes de la investigación
• Glosario de términos/Definición de términos/Palabras clave
151

Materiales y Métodos
Cronograma de actividades
Presupuesto
Bibliografía
Anexos
UNIDAD II
b) El método científico Diseño metodológico.
es usado para • Tipo y diseño de Investigación
describir el diseño • Población y variables.
metodológico y • Métodos, Técnicas e instrumentos de colecta de información.
redactar la propuesta • Plan de recolección y tratamiento de datos..
del proyecto de Aspectos administrativos.
investigación • Programación de actividades de investigación.
utilizando un gestor • Presupuesto
de referencias y citas • Financiamiento
bibliográficas. Bibliografía.
Esquema del Proyecto de Investigación.
Gestor de referencias
Evidencias
Acción / producto
. I Unidad: - Proyecto.
Explica el método Describe el método científico - Rubrica
científico y
construye perfiles II Unidad:
de proyectos de Construye perfiles de proyectos de
investigación investigación
científica
1) Ávila Baray, H.L. (2006). Introducción a la metodología de la investigación.
España Consulta en línea [07 de Enero de 2010]:
152
www.eumed.net/libros/2006c/203/
2) Lopez Virginia, Lozano Juan Luis (2000),” Métodos de Investigación”,
Editorial LIMUSA, México
3) Sampieri Roberto, Collado Carlos (1991) “ Metodología de la Investigación”,
Editorial Mc Graw Hill, México
4) GotuzzoRaul, (2006) “Metodología de Investigación”, EditorialSan Marcos,
Lima –Perú
5) MartinezRamon, (2008) “Metodología de Investigación Científica Aplicadaa la
Salud Pública”, Editorial Trillas, México
6) Bunge Mario, (1972) “La Investigación Científica”, Editorial Colección Ariel,
Barcelona – España
Web grafía
http://www.librosyeditores.com/tiendalemoine/metrologia/142-metrologia-
aseguramiento-metrologico-industrial-tomo-iii-9789588351841.html
http://www.ixsgapeio.uvigo.es/resumenes/46_16_paper.pdf
153
a) Curso : Aprendizaje supervisado
b) Código : EST320
2) SUMILLA
El curso de Aprendizaje supervisado corresponde al área curricular de estudios de
especialidad, es de naturaleza teórico práctico, cuyo propósito es obtener modelos
estadísticos con técnicas learning con variable dependiente. Su contenido comprende
las unidades:
 Técnicas de regresión
 Técnicas de clasificación
3) PERFIL DE EGRESO


Unidad I
a) Las técnicas de - Algoritmo KNN
aprendizaje learning son - Regresión: Regresión lineal multiple
usadas para obtener - Arboles de regresión.
modelos estadísticos de - Validación
regresión.
Unidad II.
b) Las técnicas de - Técnicas de Clasificación:

aprendizaje learning son - Análisis discriminante lineal y cuadrático,
usadas para obtener - regresión logística simple y múltiple
modelos estadísticos de - arboles de clasificación (TREE, randon forest, c5),
clasificación. - Bossting,
- Bagging,
- Adabost. Validación
154
Evidencias
Construye modelos de Construye modelos de - Articula Portafolios
regresión y clasificación regresión utilizando
técnicas learning. - Prepara proyectos
utilizando técnicas de
aprendizaje learning II UNIDAD
Construye modelos de
clasificación utilizando
técnicas learning.
Lista de cotejo
Examen escrito
6) BIBLIOGRAFÍA.
Bishop, Christopher. Neural Networks for Pattern Recognition. New York, NY:
Oxford University Press, 1995. ISBN: 9780198538646.
Duda, Richard, Peter Hart, and David Stork. Pattern Classification. 2nd ed. New
York, NY: Wiley-Interscience, 2000. ISBN: 9780471056690.
Hastie, T., R. Tibshirani, and J. H. Friedman. The Elements of Statistical
Learning: Data Mining, Inference and Prediction. New York, NY: Springer,
2001. ISBN: 9780387952840.
MacKay, David. Information Theory, Inference, and Learning Algorithms.
Cambridge, UK: Cambridge University Press, 2003. ISBN: 9780521642989.
Available on-line here.
Mitchell, Tom. Machine Learning. New York, NY: McGraw-Hill, 1997. ISBN:
9780070428072.
155
a. Curso : Administración de redes
b. Código : EST321
c. Prerrequisito : EST 316
e. № de créditos :4
f. N° de horas virtuales/und. : 2
h. Ciclo del plan de estudios : VII
i. Características del curso : Formación ciudadana I+D+I
2. SUMILLA
El curso pertenece al área de estudios de especialidad, es de carácter teóricopráctico y

tiene como propósito formar al estudiante con destrezas prácticas en el proceso de
admiración de las redes de comunicaciones informáticas y así poder cubrir bajo el
siguiente contenido: baleado estructurado, redes inalámbricas, estructura y funciones
de gestión de redes, arquitectura de gestión de TMN e Internet, aplicaciones.
3. PERFIL DE EGRESO
compromiso social.

ESENCIALES
• Arquitectura de redes
A. La aplicación de conocimientos en
• Modelo OSI de ISO
Cableado Estructurado y redes • Modelos TCP/IP
inalámbricas basadas en estándares • Cableado Estructurado
nacionales e internacionales les • Redes Inalámbricas
permite proponer e implementar
redes de datos.
156
Unidad II
• Estructura y funciones de gestión de
redes
• Arquitectura de gestión: TNM
(Telecommunications Management
B. Mediante la implementación de Network)
• Arquitectura de gestión de Internet
servicios de red demuestran sus
o Protocolo y extensiones SNMP o
capacidades en la gestión de RMON y RMON2 o SNMPv2 y
necesidad online SNMPv3
• Aplicaciones o LANs e Intranets o
Gestión de Ancho de banda o
Software de gestión o Control de
acceso a Internet o Sistemas de
almacenamiento
EVIDENCIAS
I UNIDAD: • - Informe
Implementa redes de datos • - proyectos
Implementa y gestiona la bajo las normas de cableado
infraestructura y servicios estructurado y redes
de redes de datos basado en inalámbricas.
estándares nacionales e
internacionales vigentes. II UNIDAD: • - Informe
Implementa y gestiona • - proyectos
servicios de red de datos.
157
• Tenenbaum y Wetherall. Computer networks, 5th edition, edit. Pearson. USA

2012
• Peterson y Davie. Computer Networks: A Systems Approach. Elsevier. USA
2021
• Ciampa Mark. CompTIA Security + Guide to Network Security Fundamentals.
7th edition, Edición Kindle. 2020
• Gaber Hazim. Understanding Computer Networks 2020. Edit. HSM Press. 2020
• Howser Gerry. Computer Networks and the Internet: A Hands-On Approach. 1st
edition. Editorial Springer. USA 2020
• Kurose y Ross. Computer Networking: A Top-Down Approach. 7th edition. Edit.
Pearson.
• Donahu Gary. Network Warrior: Everything You Need to Know That Wasn't on
the CCNA. Second edition. Editorial O’reilly. 2011
158
a. Curso : Computación Paralela
b. Código : EST322
c. Prerrequisito : EST318 y EST 321
h. Ciclo del plan de estudios : VIII
2. SUMILLA
El curso de computación paralela corresponde al área de estudios de especialidad y

es de característica teórico práctica, su propósito es estudiar las arquitecturas de
cómputo modernas que optimizan la capacidad computacional utilizando diversas
tecnologías y enfoques de procesamiento paralelo. Los contenidos de este curso
incluyen:
- los paradigmas de computación paralela, la taxonomía de Flynn arquitecturas,
plataformas y multiprocesamiento paralelo, algoritmos paralelos,
- Modelos de Threads/Pthreads, desarrollo con threads, OpenMP, paso de
mensajes con MPI, Threading Building Blocks (TBB).
3. PERFIL DE EGRESO
compromiso social

a) Los métodos Unidad I
establecidos en 1. Fundamentos de paralelismo y arquitecturas paralelas
computación paralela 1.1 Del procesamiento secuencial al paralelo
son aplicados para 1.2 Procesadores mutlinúcleo. Taxonomia de Flynn
entender como los 1.3 Metas del Paralelismo: velocidad y precision
procesadores gráficos 1.4 Memoria compartida vs memoria distribuida.
de propósito especial 2: Metodos de paralelismo
(GPUs) pueden 2.1 Métricas de velocidad, eficiencia, escalabilidad.
acelerar el desempeño Ley de Ahmdal
de las aplicaciones 2.2 DAG
gráficas 2.3 Operaciones basicas de paralelismo (tabulate,
iterate)
2.4 Secuencias, Divide y venceras
2.5 Modelos computacionales en paralelo (PRAM)
2.6 Broadast/Reduccion.
b) Usa e implementa Unidad II.

operaciones paralelas 3. Descomposición en paralelo
3.1 Paradigmas de programación en paralelo
159
eficientes entendiendo 3.2 Paralelismo ideal

los distintos modelos 3.3 Uso de random en paralelo
de programación 3.4 Particionamiento, Divide y Vencerás
paralela. 4. Comunicación y coordinación
4.1 Comunicación Global, topologías
Implementación de
4.2 Pasos de Mensaje:
programas multihebras por
4.1.1 MPI, Mensajes Punto a Punto
medio de OpenMP y paso
4.1.2 MPI, Comunicación Colectiva
de mensajes MPI.
4.1.3 Blocking vs non-blocking
4.3 Memoria Compartida
4.3.1 OMP, Constructores y cláusulas
4.3.2 CUDA, optimización con GPUs
4.4 Programación Hibrida.
Evidencias
Define requerimientos I UNIDAD - Presenta informe
computacionales e Define requerimientos - Articula Portafolios
implementa, evalúa computacionales
sistemas, procesos y apropiados para su - Prepara proyectos
componentes. solución de problemas.
II UNIDAD
Diseña, implementa y
evalúa un sistema,
proceso, componente o
programa computacional
para alcanzar las
necesidades deseadas.
Lista de cotejo
Examen escrito
160
6. BIBLIOGRAFÍA
Del Do, A. M. Análisis de Desempeno de Algoritmos Secuenciales versus Paralelos

con OpenMP.
Koo, J. J. P., & Quintal, L. F. C. (2018). Análisis del desempeño de aplicaciones
paralelas con openMP en dispositivos móviles multicore, caso de estudio:
multiplicación de matrices. Pistas Educativas, 36(114).
García López, V. (2011). Herramientas para el estudio de prestaciones en clusters de
computación científica, aplicación en el Laboratorio de Computación Paralela.
García Rodríguez, D. (2010). ReacTIVision en CUDA: aprovechando las
capacidades de la computación paralela en GPU.
Taboada Rodero, I. J. (2018). Solapamiento transparente de tareas de comunicación y
computación en dispositivos GPU CUDA.
161
a) Curso : Ingeniería de software II
b) Código : EST323
h) Ciclo del plan de estudios : VIII
2) SUMILLA
El curso de Ingeniería de Software II corresponde al área curricular de especialidad, es
de naturaleza teórico-práctico, cuyo propósito es de conocer una introducción a la
Ingeniería Web, Análisis y diseño a las aplicaciones web, desarrollo de metodologías,
Técnicas de desarrollo, Pruebas, calidad y métricas Web. Ingeniería web reversa CMS,
Negocios en la Web, Aplicaciones móviles. Proceso de datos en la nube. Su contenido
comprende:
- Ingeniería web, análisis y diseño web.
- Metodologías de calidad y métricas web.
3) PERFIL DE EGRESO

empresariales bajo estándares internacionales para aportar con el desarrollo tecnológico,
asumiendo una actitud científica y responsable utilizando principios, técnicas,
herramientas y métodos que aseguren la funcionabilidad y calidad del software.

a) El análisis y diseño web Unidad I
en ingeniería web son
utilizadas para - Ingeniería Web
sistematización. - Análisis y diseño a las aplicaciones web
Unidad II
b) La metodología web se - Técnicas de desarrollo

utiliza para sistematizar - Pruebas, calidad y métricas Web.
las aplicaciones web. - Ingeniería web reversa CMS
- Negocios en la Web
- Aplicaciones móviles
- Procesos en la nube.
162
Evidencias
Usa el proceso de análisis I UNIDAD - Presenta informe de
y diseño web para prácticas
construir programas de Explica el proceso de - Articula Portafolios
utilidad por computadora análisis y diseño web de Prepara proyectos
-
sistemas.
II UNIDAD
Diseña e implementa una
aplicación con ingeniería
web
- Sommerville, Ian (2005). Ingeniería del Software. España. Registrado en

http://zeus.inf.ucv.cl/~bcrawford/AULA_ICI_3242/Ingenieria%20del%20Softw
are%
207ma.%20Ed.%20-%20Ian%20Sommerville.pdf
- Pressman, Roger (2010). Ingeniería del Softwware. Un Enfoque Práctico.
Registrado en
http://www.javier8a.com/itc/bd1/ldIngenieria.de.software.enfoque.practico.7ed.P
ressman.PDF
- Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest y Clifford Stein ().
Introducción a los algoritmos. Registrado en
https://www.tableau.com/esmx/learn/articles/books-about-data-structures-
algorithms
163
l. Curso : Marketing
m. Código : ADM213
n. Prerrequisito : EST211
o. № de horas : Teóricas: 02, Practicas: 02 y Total de horas: 04
p. № de créditos : 03 créditos
q. N° de horas virtuales/unidad : 02 Horas
r. Área curricular : Estudios específicos
s. Ciclo del plan de estudios : VIII
t. Características del curso : Investigación desarrollo innovación
2) SUMILLA
El curso de Marketing pertenece al área curricular de estudios específicos, es de
carácter teórico – práctico y tiene como propósito, comprender los procesos de
satisfacción a las necesidades y deseos del cliente como una oportunidad de creación
de valor y de generación de oportunidades empresariales. Organiza sus contenidos en
las siguientes unidades de aprendizaje:
- Marketing Estratégico.
- Marketing Táctico I – II
- Marketing Electrónico y Ética en los Negocios.
3) PERFIL DE EGRESO
CE5. Utiliza metodologías estadísticas y/o informáticas para promover y desarrollar la

investigación científica con el propósito de generar nuevos conocimientos en beneficio
del país y la humanidad con responsabilidad y ética con conocimiento de técnicas
estadísticas actualizadas.

ESENCIALES
El estudiante es competente si: Unidad I.
- ¿Qué es el marketing?.-
a) La metodología asociada a
- Creación del valor y satisfacción del cliente.
marketing es usada para
formular estrategias de - Comportamiento del consumidor.
Marketing en un entorno - Desarrollo, prueba y lanzamiento de
dinámico. productos masivos.
Unidad II.
b) El conocimiento adquirido - Introducción a las Plataformas de Mercado y
sobre marketing es usado Diseño.
para describir de manera - ¿Qué son los Productos Digitales?
analítica los componentes del - Evolución. Decisiones de producto.
164
proceso de marketing: el - Estrategias y métodos de Fijación de precios.

producto y el precio. Manejo de canales de distribución
- Factores a considerar en la estrategia de
distribución. Decisiones
- Estrategias de comunicación y Promoción.
- Elaboración de un Plan de Marketing.
EVIDENCIAS
(acción/producto)
I UNIDAD: - Informes de prácticas en
Formula estrategias de empresas.
Marketing en un entorno Portafolio
Explica las técnicas de
dinámico proyectos
marketing en entornos
dinámicos describiendo los II UNIDAD: - Informes de prácticas
componentes del proceso. Describe de manera analítica en empresas.
los componentes del proceso - Portafolio
de marketing: el producto y - Proyectos.
el precio.

- Pruebas teórica - Hoja de registro
- Prueba práctica - Rúbrica
- Ensayo.
 Kotler P. (2002). El Marketing se Mueve. Barcelona: 1ª. Edición. Ed. Paidós.
 Mayorga D. y Araujo P. (2002). Marketing Estratégico en la Empresa Peruana.
Lima:
Universidad del Pacífico.
 Malca O. (2000). Comercio Electrónico. Lima: Universidad El Pacífico.
 Chase L. y Hanger N. (2000). Comercio Electrónico. México: Ediciones Limusa
Wiley.
 Drucker P. (1977). La Gerencia. Tareas, Responsabilidades y Prácticas. Buenos
Aires: Editorial El Ateneo.
 Gates B. (1999). Los Negocios en la Era Digital. Cómo adaptar la tecnología
informática para obtener el mayor beneficio. Barcelona: Plaza & Janés Editores
S.A.
 https://rockcontent.com/es/blog/marketing-2/
 https://www.cyberclick.es/marketing
165
a. Curso : Ciencia de Datos I
b. Código : EST324
f. N° de horas virtuales/semana : 02 Horas
g. Área curricular : Estudios de Especialidad
i. Características del curso : Investigación, desarrollo e innovación
2. SUMILLA
El presente curso pertenece al área de especialidad, es de carácter teóricopráctico y
tiene como propósito contribuir al desarrollo integral del estudiante, dándoles los
contenidos esenciales para que ellos puedan usar datos de todo tipo en el desarrollo
de análisis de tipo global basados en sistemas computacionales que permiten entender
el comportamiento de la sociedad. Los contenidos fundamentales del curso son:
Gestión de datos y datos digitales (Digital data) y Aprendizaje de técnicas learning.
3. PERFIL DE EGRESO
estadísticas y/o informáticas referidas a la ciencia de datos

ESENCIALES
El estudiante es competente si: Gestión de digitales
• Digital data: fuentes de datos globales
A. Los fundamentos teóricos de gestión
(SEE, INE, EUROSTAT...).
de datos digitales son utilizados para • Google Analytics. Social anatlytics:
comprender el comportamiento de la Hootsuite, Twitter analytics y Facebook
sociedad digital. insights.
• Web scrapping.
• Data management. Gobierno de los datos.
Ética y leyes.
• Data cooking. Preparación de los datos:
selección, transformación y codificación.
• Data discovery: creación de nuevas
métricas (KPI, insights), discretización de
variables.
166
Aprendizaje de técnicas learning

• K-Nearest Neighbors
B. Los fundamentos teóricos de • Linear Regression
Aprendizaje de técnicas learning son • Logistic Regression
utilizados para modelar e interpretar • Support Vector Machines (SVMs)
el comportamiento de la sociedad • Decision Trees and Random Forests
digital. • Neural Networks
• Boosting
• Bagging
• Adaboost
EVIDENCIAS
(acción/producto)
I UNIDAD - Portafolio
Explica los fundamentos - Proyectos
teóricos de gestión de datos - informes
Construye modelos digitales para comprender el
estadísticos Utilizando comportamiento de la
técnicas de aprendizaje sociedad digital.
learning.
II UNIDAD: - Portafolio
.
Construye modelos - Proyectos
estadísticos Utilizando - Informes
técnicas de aprendizaje
learning.
6. REFERENCIAS BIBLIOGRÁFICAS Y/O WEB GRAFIA
AGRESTI, Alan. An Introduction to Categorical Data Analysis. Second ed.

Hoboken, New Jersey, USA: John Wiley & Sons, Inc., 2007.
167
AMBIKA, P. Machine learning. Handb. Res. Cloud Fog Comput. Infrastructures

Data Sci. [S.l: s.n.], 2018. p. 209–230. Disponível em:
<http://dx.doi.org/10.4018/978-15225-5972-6.ch011>.
ANDERSON, CW; STOLZ, E A; SHAMSUNDER, S. Multivariate autoregressive
models for classification of spontaneous electroencephalographic signals during
mental tasks. IEEE Transactions on Biomedical Engineering, cited By 290, v. 45, n.
3, p.
277–286, 1998. Disponível em: <https://www.scopus.com/inward
/record.uri?eid=2-s2.0-0032031368&doi=1 0.1 109%2F10.661153&partnerID=
40&md5=446b83733d4a4e8cf16d716258211e7e>.
AZIZ, Khadija; ZAIDOUNI, Dounia; BELLAFKIH, Mostafa. Big Data Processing
using Machine Learning algorithms: MLlib and mahout use case. 2018,
Rabat,Morocco: [s.n.], 2018. Disponível em:
<http://dx.doi.org/10.1145/3289402.3289525>.
BISHOP, Christopher M. Pattern recognition and machine learning. [S.l.]:
Springer, 2006.
GÉRON, Aurélien. Hands-on machine learning with Scikit-Learn and TensorFlow:
concepts, tools, and techniques to build intelligent systems. [S.l.]: “O’Reilly Media,
Inc.”, 2017.
GIUDICI, Paolo. Applied data mining : Statistical methods for business &
industry. [S.l.]: Wiley Online Library, 2003.
GIUDICI, Paolo; FIGINI, Silvia. Appl. Data Min. Bus. Ind. Second ed. [S.l.]:
Wiley Online Library, 2009.
HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data Mining: Concepts and
Techniques. Third ed. [S.l.]: Morgan Kaufmann, 2012.
HASAN, Mahmudul et al. Attack and anomaly detection in IoT sensors in IoT
sites using machine learning approaches. Internet of Things, v. 7, p. 100059, 2019.
Disponível em:
<http://www.sciencedirect.com/science/article/pii/S2542660519300241>.
HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The Elements of
Statistical Learning: Data Mining, Inference, and Prediction. Second ed. Stanford,
California: Springer, 2008.
HELWIG, Nathaniel E. Statistical nonparametric mapping: Multivariate
permutation tests for location, correlation, and regression problems in
neuroimaging. Wiley Interdisciplinary Reviews: Computational Statistics, v. 11, n.
2, p. 1–24, 2019.
HOSSIN, Mohammad; SULAIMAN, M N. A review on evaluation metrics for
data classification evaluations. International Journal of Data Mining & Knowledge
Management Process, v. 5, n. 2, p. 1, 2015.
KASPIKOVA, Nikola. Data science and statistics with python. 2018, Bratislava,
Slovakia: [s.n.], 2018. p. 558–562.
168
LAROSE, Daniel T; LAROSE, Chantal D. Discovering knowledge in data: An

introduction to data mining. Second ed. New Jersey, USA: John Wiley & Sons,
2014.
MITCHELL, Tom M. Machine Learning. [S.l.]: McGraw-Hill
Science/Engineering/Math, 1997.
SHASHIKANT, R; CHETANKUMAR, P. Predictive model of cardiac arrest in
smokers using machine learning technique based on Heart Rate Variability
parameter. Applied Computing and Informatics, 2019. Disponível em:
<http://www.sciencedirect.com/science/ article/pii/S2210832719301048>.
SILVA, Leandro A; SILVA, Luciano. Fundamentos de Mineração de Dados
Educacionais. Anais dos Workshops do III Congresso Brasileiro de Informática na
Educação (CBIE 2014), v. 1, n. Cbie, p. 568–581, 2015.
169
a) Curso : Diseños Experimentales I
b) Código : EST325
d) Nº de horas : Teoría 03, Práctica 02, Total 05
e) Número de créditos : 04
f) Nro de horas virtuales : 02
g) Área curricular : Estudios Especialidad
i) características del curso : Investigación, Desarrollo e Innovación
2) SUMILLA
El curso de Diseños Experimentales I corresponde al área curricular de estudios de
especialidad, es de naturaleza teórico práctico, cuyo propósito es construir modelos
diseñados estadísticamente en experimentos en diversas áreas del conocimiento, a
través de modelos estadísticos, pruebas de hipótesis para la toma de decisiones. El
contenido del curso comprende
- diseños uni variantes
- diseños bi variantes.
3) PERFIL DE EGRESO

El estudiante es Unidad I
competente si: - Fase de un diseño experimental.
- Conceptos y principios básicos del diseño
a. Los métodos experimental
estadísticos son - clase de diseño experimental.
utilizados para - Diseño completamente al azar balanceado y
diseñar y analizar desbalanceado.
experimentos con un - Diseño completamente al azar con submuestreo.
solo factor - Contrastes ortogonales.
- Métodos de comparación múltiple. Métodos
polinomios ortogonales. DCA con sub muestreo.
Estimación de componentes de varianza.
Unidad II
b. Los métodos - DBCA, Eficiencia relativa.
estadísticos son - DBCA, con sub muestreo.
utilizados para - DCL, DCL modificado, DCGL.
diseñar y analizar - Diseño de bloques incompletos balanceados.
experimentos con Análisis de regresión con experimentos simples.
dos factores MANOVA.
- Diseño unifactorial con una y dos variables en DCA,
BBCA
170
Evidencias
(acción/producto)
Diseña, analiza y I UNIDAD - Portafolio de resolución
explica modelos de casos de estudio
estadísticos uni y Diseña, analiza y - Proyecto
bivariados explica modelos
estadísticos univariados
II UNIDAD
Diseña, analiza y
explica modelos
estadísticos bivariados.
6) BIBLIOGRAFÍA
 Bustamante Jamid M.* Valbuena Antolinez S.(2017) Modelo experimental con

bloques, Scielo, 3, 23.
 Galindo Carreon S.(2007) Aplicacion de un diseño experimental aplicada a una
empresa productora de leche, conciencia tecnologica, 33, 20.
 Monstgomery, Douglas (2010)., Diseño y Análisis de Experimentos., Printice
Hall, Madrid.
 Gutierrez P., H. y Roman de la Varas S.(2012) Análisis y diseño de experimentos.,
McGraw-Hill., México.
 MARTINEZ G., Angel (1988), Diseños Experimentales. Metodos y elementos de
teoria, Editorial TRILLAS S. A. Primera Edicion, Mexico
171
a. Curso : Taller de desarrollo de software
b. Código : EST326
i. Características del curso : I+D+I, practicas pre profesionales
2. SUMILLA
El curso de taller de desarrollo de software pertenece al área de estudios de
especialidad, es de carácter teórico-práctico y tiene como propósito contribuir con el
desarrollo integral del estudiante en el desarrollo de software. Comprende el siguiente
contenido.
i. Desarrollo de software
3. PERFIL DE EGRESO

software.

ESENCIALES
Las diferentes metodologías de desarrollo Modelos de desarrollo de software
de software son usadas para desarrollar
software.
EVIDENCIAS
(acción/producto)
Maneja las diferentes I UNIDAD

metodologías de desarrollo Desarrolla software usando - proyectos
de software la metodología adecuada
172
5. EVALUACION DEL APRENDIZAJE
Rouhiainen, L. (2018). Inteligencia artificial. Madrid: Alienta Editorial.

Asanza, W. R., & Olivo, B. M. (2018). Redes neuronales artificiales aplicadas al
reconocimiento de patrones. Editorial UTMACH.
Rezende, S. O. (2003). Sistemas inteligentes: fundamentos e aplicações. Editora
Manole Ltda.
173
a) Curso : Control estadístico de procesos
b) Código : EST214
d) N° de horas : Teoría = 02, Práctica = 02 y Total = 04
2) SUMILLA
El curso de Control estadístico de procesos corresponde al área de estudios
específicos y es de naturaleza teórica y práctica, tiene como propósito que el
estudiante realice la producción de gráficos de control estadístico de la calidad y
planes de muestreo de aceptación. El contenido de la asignatura contiene;
- Planes de muestreo para inspección de productos y gráficos de control
- Calidad por diseño. Análisis de confiabilidad. Seis sigma.

desempeño
I UNIDAD:
a) La teoría de las - Planes de muestreo de una etapa para atributos.
cartas de control Determinación aproximada del plan de muestreo. Planes
son utilizadas de muestreo doble para atributos. Muestreo secuencial.
para obtener y Planes de muestreo de aceptación para variables.
analizar planes de Inspección rectificadora de lotes. Normas nacionales e
muestreo y cartas internacionales. Procedimiento ISO 2859 de muestreo de
de control lote salteado.
- Conceptos básicos de control estadístico de proceso.
Manejo de un proceso con gráficos de control. Estudio de
capacidad del proceso. Índice de capacidad del proceso.
Siete herramientas para controlar y mejorar el proceso.
Gráficos de control de Shewhort. Análisis estadístico del
diagrama de Pareto.
- Prueba de aleatoridad. Gráficos modificados del control de
Shewhort para la media. Tamaño de muestra y frecuencia
de muestreo para la gráfica de control de Shewhort.
Gráficos de control multivariados. Gráficos de control
multivariada. Gráficos de control de suma acumulada.
Seguimiento del proceso.
UNIDAD II:
174
Criterio seis sigma.

b) La teoría de - Control de calidad fuera de línea. Los efectos de la no
criterio seis sigma linealidad. Diseños de Taguchi. Diseños de tolerancia.
es utilizadas para Análisis de confiabilidad. Confiabilidad de sistema.
sistemas seis Disponibilidad de los sistemas que se puedan reparar.
sigma Tipos de observaciones del tiempo hasta la falla. Estimado
de característica de vida. Prueba acelerada de vida.
- Introducción. Definir el problema / seleccionar el proyecto.
Definir y describir el proceso. Evaluar los sistemas de
medición. Evaluar la capacidad del proceso. Optimizar y
robustecerse el proceso. Controlar el proceso.
Logro de la Evidencias
Logro del curso
Unidad (Acción/objeto/producto)
Analiza el comportamiento I UNIDAD Portafolio
de procesos utilizando Identifica las áreas Proyectos
gráficos de control de y procesos de la
calidad y haciendo uso de organización para
metodologías estadísticas aplicar el control de
de manera eficiente calidad estadístico
II UNIDAD Portafolio
Aplica las métricas proyectos
y estándares de
control de calidad
estadístico
emergentes
5) EVALUACIÓN DE APRENDIZAJE
6) BIBLIOGRAFÍA
1) Escalante E. (2009), Seis – sigma Metodología y técnicas. México. Limusa

2) Escalante, E. (2006). Análisis y mejoramiento de la calidad. México: limusa.
3) Gonzales, C. (1991). Control de calidad. México: McGraw-Hill
4) Kume, H. (1992). Herramientas estadísticas básicas para el mejoramietno de la
calidad. Colombia: Norma.
5) Perez, C. (1999). Control estadístico de la calidad. México: Alfaomega.
6) Besterfield,j.(2009). Control de calidad. Editorial Reassore educación de
México S.A. de C.V.
175
7) Duncan (1996). Control de calidad y estadística industrial. Alfa-omega. Grupo

editor, S.A. de C.V. México.
8) Juron, J., Gryna, F. Y Bingham, R. Manual de control de la calidad (1993)
editorial Reverte, S.A. España.
9) Mongomery (2011). Control estadístico de la calidad. Editorial Limusa, S.A.
de C.V. Grupo Noriega Editores. México.
176
a) Curso : Seguridad y Auditoria Informática
b) Código : EST327
d) N° de horas : Teoría = 03, Práctica = 02 y Total = 05.
g) Área Curricular : Estudios de especialidad
h) Ciclo del plan de estudios : IX
2) SUMILLA.
El curso de Seguridad y Auditoría Informática corresponde al área de estudios de
especialidad y es de naturaleza teórica y práctica y tiene como propósito lograr el
control efectivo de las normas legales en el campo de la informática de acuerdo al
avance de las tecnologías. Su contenido es:
- La seguridad, la auditoría, la revisión y la evaluación de los controles,
sistemas, procedimientos de informática;
- uso eficiente y segura de la información, técnicas de cifrado y metodología
para la auditoria informática.


a) Utiliza metodologías Unidad I.
de la seguridad de la 1. Seguridad local y el sistema operativo.
información. 2. Problemas de seguridad en red y móvil.
3. Seguridad perimetral, SGSI ISO 27000
4. Criptografía.
5. Hacking ético.
Unidad II.
b) Utiliza los nuevos 6. Técnicas de auditoría.
paradigmas en 7. Ataques a sistemas individuales y en red, seguridad IP.
generación de 8. Auditoria de software, web y datos
proyectos de 9. Seguridad de aplicaciones y software malicioso
auditorías 10. Recuperación de desastres
informática. 11. Políticas y técnicas de seguridad.
177

(Acción/producto)
I UNIDAD Informe
Realiza auditoria Portafolio
informática aplicando Diseña mecanismo de Proyectos
las técnicas de seguridad en
criptografía simétrica procesamiento
y asimétrica para automático y distribuido
proteger elementos de de datos
software y hardware II UNIDAD Informe
demostrando Portafolio
Explica el proyectos.
creatividad y
procedimiento de la
capacidad de trabajo
auditoria en el
en equipo
procesamiento
automático y distribuido
de datos
PIATTINI, Mario.; "Auditoria Informática". Editorial Computec Rama. 2010.

DARRIEN, "Técnicas de la Auditoria Informática". Editorial Marcombo. 2010.
HERNÁNDEZ HERNÁNDEZ, E., “Auditoria en informática”, 2da. ED., CECSA,
2000 “Normas y procedimientos de auditoria”, Instituto Mexicano de Contadores
Públicos, 2011.
Brunce Schneider John Wiley &Sons,Inc. (USA, 2009) ISBN0-47-5976-2
Anuff, Ed, JAVA Sourcebook O´Reilly & Associates. Inc, (USA, 2010) ISBN 0-471-
14859-8
Danesh, Arman Teach Yourself JAVAScriptSamsnet (USA, 2010) ISBN 1-57521-
0738
Cooper,Frederic J. Chris Goggans Implementing Internet Security New Riders
Publishing (USA,2010 ) ISBN 1 56205-471-6
Dening, Dorothy. Cryptography and Data Security (USA 2010) Addison Wesley
ISBN 0-201-1|0150-5
178
a. Curso : Ciencia de Datos II
b. Código : EST328
f. N° de horas virtuales : 02 Horas
g. Área curricular : Estudios de Especialidad
h. Ciclo del plan de estudios : IX
i. Características del curso : Investigación, desarrollo e innovación
2. SUMILLA
práctico y tiene como propósito contribuir al desarrollo integral del estudiante,
dándoles los contenidos esenciales para que ellos puedan usar herramientas de Big
data y aprendizaje automático para el análisis de datos globales basados en sistemas
computacionales que permitan predecir el comportamiento de la sociedad digital. Los
contenidos fundamentales del curso son:
- herramientas de Big data,
- aprendizaje automático para machine learning y técnicas avanzadas de predicción.
3. PERFIL DE EGRESO

179

ESENCIALES
El estudiante es competente si: Herramientas de big data
• Almacenamiento de grandes volúmenes
A. Los fundamentos teóricos de big data
de datos: data mark¸ data lakes¸
son utilizados para gestionar grandes definición de big data, SQL, NoSQL y
volúmenes de datos. procesamiento escalable: Hadoop,
MapReduce y Spark.
• Herramientas en cloud: servicios en la
nube. Diferencias entre las IaaS, PAAS,
SaaS. Google Cloud, Azure Amazon Web
Services.
• Monitorización y control. Control de
versiones: Git o SVN. Ventajas e
inconvenientes de utilizar GitHub.
Alternativas a GitHub.
• Herramientas de análisis: programación
en R y programación en Python.
• Herramientas de visualización: Power BI
y Power Query (Microsoft Office Excel),
Qlik y Tableau.
Machine learning y Técnicas avanzadas de

predicción
• Redes neuronales (neural networks –
NN).
• Support vector machine (SVM).
B. Los fundamentos teóricos de • Deep learning.
aprendizaje automático son • Técnicas de machine learning en
utilizados para predecir e interpretar imágenes y videos.
el comportamiento de la sociedad • Análisis computación basado en texto,
digital. redes sociales, etc.
• Preparación de tablero de modelización.
• Técnicas para mejorar un modelo:
training validation y cross validation.
• Regresión lineal y regresión logística.
• GLM (modelo lineal general). Ridge y
PLS.
180
EVIDENCIAS
I UNIDAD: Portafolio
Construye modelos Proyectos
estadísticos utilizando los
fundamentos teóricos de big
Sistematiza, predice e data para gestionar grandes
interpreta el volúmenes de datos.
comportamiento de
II UNIDAD: Portafolio
sociedad digital.
Predice e interpreta el Proyectos.
comportamiento de la
sociedad digital a través de
los fundamentos teóricos de
aprendizaje automático.
6. REFERENCIAS BIBLIOGRÁFICAS Y/O WEB GRAFIA
AGRESTI, Alan. An Introduction to Categorical Data Analysis. Second ed.

Hoboken, New Jersey, USA: John Wiley & Sons, Inc., 2007.
AMBIKA, P. Machine learning. Handb. Res. Cloud Fog Comput. Infrastructures
Data Sci. [S.l: s.n.], 2018. p. 209–230. Disponível em:
<http://dx.doi.org/10.4018/978-15225-5972-6.ch011>.
ANDERSON, CW; STOLZ, E A; SHAMSUNDER, S. Multivariate autoregressive
models for classification of spontaneous electroencephalographic signals during
mental tasks. IEEE Transactions on Biomedical Engineering, cited By 290, v. 45, n.
3, p.
181
277–286, 1998. Disponível em: <https://www.scopus.com/inward

/record.uri?eid=2-s2.0-0032031368&doi=1 0.1 109%2F10.661153&partnerID=
40&md5=446b83733d4a4e8cf16d716258211e7e>.
AZIZ, Khadija; ZAIDOUNI, Dounia; BELLAFKIH, Mostafa. Big Data Processing
using Machine Learning algorithms: MLlib and mahout use case. 2018,
Rabat,Morocco: [s.n.], 2018. Disponível em:
<http://dx.doi.org/10.1145/3289402.3289525>.
BISHOP, Christopher M. Pattern recognition and machine learning. [S.l.]: Springer,
2006.
GÉRON, Aurélien. Hands-on machine learning with Scikit-Learn and TensorFlow:
concepts, tools, and techniques to build intelligent systems. [S.l.]: “O’Reilly Media,
Inc.”, 2017.
GIUDICI, Paolo. Applied data mining : Statistical methods for business & industry.
[S.l.]: Wiley Online Library, 2003.
GIUDICI, Paolo; FIGINI, Silvia. Appl. Data Min. Bus. Ind. Second ed. [S.l.]:
Wiley Online Library, 2009.
HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data Mining: Concepts and
Techniques. Third ed. [S.l.]: Morgan Kaufmann, 2012.
HASAN, Mahmudul et al. Attack and anomaly detection in IoT sensors in IoT sites
using machine learning approaches. Internet of Things, v. 7, p. 100059, 2019.
Disponível em:
<http://www.sciencedirect.com/science/article/pii/S2542660519300241>.
HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The Elements of
Statistical Learning: Data Mining, Inference, and Prediction. Second ed. Stanford,
California: Springer, 2008.
HELWIG, Nathaniel E. Statistical nonparametric mapping: Multivariate
permutation tests for location, correlation, and regression problems in
neuroimaging. Wiley Interdisciplinary Reviews: Computational Statistics, v. 11, n.
2, p. 1–24, 2019.
HOSSIN, Mohammad; SULAIMAN, M N. A review on evaluation metrics for data
classification evaluations. International Journal of Data Mining & Knowledge
Management Process, v. 5, n. 2, p. 1, 2015.
KASPIKOVA, Nikola. Data science and statistics with python. 2018, Bratislava,
Slovakia: [s.n.], 2018. p. 558–562.
LAROSE, Daniel T; LAROSE, Chantal D. Discovering knowledge in data: An
introduction to data mining. Second ed. New Jersey, USA: John Wiley & Sons,
2014.
MITCHELL, Tom M. Machine Learning. [S.l.]: McGraw-Hill
Science/Engineering/Math, 1997.
182
PEDREGOSA, Fabian et al. Scikit-learn: Machine learning in Python. Journal of

machine learning research, v. 12, p. 2825–2830, 2011. Disponível em:
<http://www.jmlr.org/papers/v12/pedregosa11a.html>.
SHASHIKANT, R; CHETANKUMAR, P. Predictive model of cardiac arrest in
smokers using machine learning technique based on Heart Rate Variability
parameter. Applied Computing and Informatics, 2019. Disponível em:
<http://www.sciencedirect.com/science/ article/pii/S2210832719301048>.
SILVA, Leandro A; SILVA, Luciano. Fundamentos de Mineração de Dados
Educacionais. Anais dos Workshops do III Congresso Brasileiro de Informática na
Educação (CBIE 2014), v. 1, n. Cbie, p. 568–581, 2015.
ROGEL-SALAZAR, Jesus. Data science and analytics with python. [S.l: s.n.],
2018.
Disponível em: <http://dx.doi.org/10.1201/9781315151670>.
183
a) Curso : Internet de las cosas y computación en las nubes
b) Código : EST329
d) Nº de horas : Teoría: 2, Práctica: 2, Total:4
2) SUMILLA
El curso de Internet de las cosas y computación en la nube corresponde al área
curricular de especialidad, es de naturaleza teórico práctico, cuyo propósito es
caracteriza el Internet de las cosas (IoT) presentando la evolución histórica,
principales tecnologías y arquitecturas. Presentar tecnologías y estándares de
computación en la nube necesarios para la toma de decisiones Su contenido
 Internet de las cosas
 Computación en la nube
3) PERFIL DE EGRESO
software

Unidad I
a) Internet de las cosas es  Introducción, historia y conceptos de Internet de las
aplicado para modelar y coas, Importancia y aplicaciones de Internet de las
proponer soluciones en cosas
problemas
 Protocolos de comunicación para IoT, MQTT, AMQP,
convencionales
6LoWPAN, REST, COAP, Arquitectura de los
sistemas IoT
 Arquitectura de los sistemas IoT, capas,
automatización, arquitecturas de referencia.
 Middlewares/Plataformas para IoT, GSN, Kaa,
OpenIoT, KNoT
Unidad II.
184
b) Computación en la nube,
 Definición de Computación en la nube (Cloud
es usado en el
Computing) y sus componentes
procesamiento y
almacenamiento de datos  Tipos y modelos de computación en la nube,
generados en empresas almacenamiento, nube de procesamiento,
infraestructura como servicio (IaaS), Plataforma
como servicio (PaaS), Software como servicio (SaaS)
 Comunicación y computación segura, redes y
políticas de seguridad, aspectos de seguridad,
mecanismos de integridad, criptografía y privacidad
 Nube segura, almacenamiento de datos seguro,
performance VS seguridad, modulos de computación
segura en Hardware (SGX)
Evidencias
Explica y aplica los I UNIDAD - Presenta informe
conocimiento de internet Diseña soluciones - Articula Portafolios
de la cosas y la informáticas utilizando
computación en la nube metodologías de internet - Prepara proyectos
en la solución de de las cosas
problemas II UNIDAD
convencionales
Utiliza la computación en
la nube en el
procesamiento y
almacenamiento de
grandes volúmenes de
datos
Lista de cotejo
Examen escrito
185
6) BIBLIOGRAFÍA
Aguilar, L. J. (2012). Computación en la nube: estrategias de" Cloud Computing"

en las empresas. Alfaomega grupo editor.
Reese, G. (2010). Cloud computing. Architettura, infrastrutture, applicazioni.

Tecniche Nuove.
Beltrán Pardo, M., & Sevillano Jaén, F. (2013). Cloud Computing, tecnología y
negocio. Ediciones Paraninfo, SA.
Evans, D. (2011). Internet de las cosas. Cómo la próxima evolución de Internet lo

cambia todo. Cisco Internet Bussiness Solutions Group-IBSG, 11(1), 4-11.
Andrés, M. B. (2018). Internet de las cosas. Editorial Reus.
Tascón, M. (2020). Big Data y el internet de las cosas: qué hay detrás y cómo nos
va a cambiar. Los Libros de la Catarata.
Kranz, M. (2017). Internet of things. Editorial Almuzara.
Tanenbaum, A. S. (2003). Redes de computadoras. Pearson educación.
186
b. Curso : Diseños Experimentales II
c. Código : EST330
d. Prerrequisito : EST325
e. Nº horas : Teoría: 03, Práctica: 02, Total horas: 05.
f. Nº de créditos :4
g. N° de horas virtual/unidad :2
h. Área Curricular : Estudios Especialidad.
i. Ciclo del plan de estudios : IX
j. Característica : Experiencias preprofesionales. I+D+I
2) SUMILLA
El Curso de diseños Experimentales II corresponde al área de estudios de
especialidad y des de naturaleza teórica y práctica, tiene como propósito reconocer y
usar técnicas estadísticas avanzadas de diseños experimentales eficientemente. El
desarrollo del curso comprende
- Análisis de covarianza
- Diseños factoriales, diseño de parcelas divididas y subdivididdas. Otros diseños
3) PERFIL DE EGRESO

UNIDAD I
a) La teoría de las técnicas ANALISIS DE COVARIANZA
estadísticas de diseños Control local con una covariada medida.
experimentales es usada para Suposiciones básicas del ANCOVA.
diseñar experimentos Análisis de covarianza en DCA
llevados bajo un análisis de Análisis de covarianza en bloques.
covarianza Consecuencias Prácticas del ANCOVA
ANCOVA múltiple
Uso de software
UNIDAD II
DISEÑOS FACTORIALES, DISEÑO DE
b) La teoría de las técnicas PARCELAS DIVIDIDAS Y
estadísticas de diseños SUBDIVIDIDDAS. OTROS DISEÑOS
experimentales es usada para Experimentos factoriales, diseños
diseñar experimentos en bifactoriales. Pruebas post ANVA, modelos a
parcelas divididas y efectos fijos y aleatorios. Modelos mixtos.
factoriales Diseños trifactoriales. Modelos I, II y III.
187
Diseños Metodos de yates y de contrastes.

Diseño general. Y otros diseños. MANOVA.
aplicaciones usando software.
4) LOGROS DEL APRENDIZAJE

(Acción/producto)
I UNIDAD
Diseña experimentos en Diseña experimentos Portafolio de ejercicios
parcelas divididos, llevados bajo un análisis proyectos
factorial y bajo un de covarianza
análisis de covarianza
II UNIDAD
Diseña experimentos en
parcelas divididas y
factoriales
6) BIBLIOGRAFÍA
1) CALZADA BENZA, J. “Métodos estadísticos para la investigación”, editorial
Jurídica S.A. Lima – Perú 1970
2) COCHRAN Y COX. “Diseños experimentales”, editorial F. Trillas, S.A. México,
1965
3) KUEHL, R. “Diseño de experimentos”, segunda edición editorial internacional
Thomson Editores, S.A. de C.V. México 2001.
4) LITTLE, M. Thomas “estadística aplicada”
5) MARTINEZ GARZA, Angel. “Diseños Experimentales”
6) MILLER, IRWIN; FREUND Y JHONSON, Richard: “Probabilidad y estadística
para ingenieros”
7) MONTGOMERY, Douglas. “Diseño y análisis de experimentos”, grupo editorial
iberoamerica, S.A. de C.V. 1991.
OSTLE, G.D. Y TORRIE, J.H. “Principles and procedures of statistics, Mc Graw-Hill
Book Company, Inc, New York 1960.
188
1 DATOS INFORMATIVOS
a) Curso : Investigación de Mercados
b) Código : EST215
c) Prerrequisito : EST214 y ADM213
d) N° de horas : Teóricas:2, Prácticas:2 y Total de horas:4.
2 SUMILLA.
El curso de Investigación de Mercados corresponde al área de estudios específicos y
es naturaleza teórica – práctica, cuyo propósito es lograr en los estudiantes integrar
conocimientos y herramientas necesarias para entender los problemas de una
organización y resolverlos por medio de una gestión estratégica y aplicación de
tecnologías. El contenido es:
- Metodología de Investigación de mercados, la Arquitectura Empresarial,

medición e indicadores de la actividad empresarial
- mercado global y competitivo, innovación empresarial y justificación
financiera, costo - beneficio.
3 PERFIL DE EGRESO.
CE5. Utiliza metodologías estadísticas y/o informáticas para promover y

desarrollar la investigación científica con el propósito de generar nuevos
conocimientos en beneficio del país y la humanidad con responsabilidad y ética
con conocimiento de técnicas estadísticas actualizadas.

Unidad I.
a) Las técnicas de investigación
de mercados son usadas para - El diseño de la investigación de
obtener información para la mercados.
gestión estratégica. - Medición y escalas.
- Plan de un diseño muestral.
- Elaboración de Cuestionarios.
- Análisis de la información utilizando
técnicas univariadas y multivariadas
(Técnica del Análisis Factorial, Técnica
del Análisis de Correspondencias,
clúster, KNN, otros).
Unidad II.
189
b) La metodología de la - Aplicación práctica de una Investigación

investigación de mercados es de Mercados.
usada para elaborar informes de - Elaboración del informe final de
investigación de mercados investigación de mercados.
Comunicación de resultados de la
investigación.
4 LOGROS DE APRENDIZAJE DEL CURSO

(Acción/producto)
I UNIDAD - Proyectos
Confecciona soluciones - Portafolio
tecnológicas para encontrar Estructura la toma
soluciones a las necesidades de datos para el
de las empresas permitiendo convertirlo en
alcanzar sus objetivos en información para la
forma efectiva y eficiente toma de decisiones
II UNIDAD - . Proyectos
- Portafolio
Confecciona
informes de
investigación de
mercados
5 EVALUACIÓN DEL APRENDIZAJE
6 BIBLIOGRAFÍA Y/O WEB GRAFÍA
1. Franco, J. (2000). El Data Warehouse (3a. ed.). Barcelona: Institut Prométhéus.

2. Laudon, K. &Laudon, J. (2002). Sistemas de Información Gerencial (6a. ed.).
México: Pearson Educación.
3. McLeod, R. (2000). Sistemas de Información Gerencial (7a. ed.). México:
Prentice Hall Hispanoamericana.
4. Piattini, M., Calvo, A. & Cervera, L. (2004) Aplicaciones y diseño de
Aplicaciones Informáticas de Gestión (3a. ed.). Madrid: RA-MA
190
j. Curso : Inteligencia Artificial
k. Código : EST331
l. Prerrequisito : EST326
m. Nº de horas : Teoría: 3, Práctica: 2, Total: 5
n. Número de créditos :4
o. Nro de horas virtuales :2
p. Área curricular : Estudios de especialidad
q. Ciclo del plan de estudios : IX
r. características del curso : I+D+I, experiencia pre profesional
2) SUMILLA
El curso de Inteligencia Artificial corresponde al área curricular de especialidad, es
de naturaleza teórico práctico, cuyo propósito es presentar diversas técnicas de
inteligencia artificial aplicadas a la solución de problemas de ingeniería de difícil
solución utilizando técnicas clásicas. Su contenido comprende las unidades:
 Analítica de Inteligencia Artificial
 Técnicas de Inteligencia Artificial
3) PERFIL DE EGRESO
software

a) La analítica de Unidad I
Inteligencia Artificia es
 Introducción, historia y conceptos de Inteligencia
usada para modelar
Artificial (IA), Nociones de Agentes, líneas de IA,
problemas de ingeniería
dominios de aplicaciones de IA
 Resolución de problemas por métodos de búsqueda,
árboles y grafos de problemas, búsqueda heurística
 Conocimiento y adquisición de conocimiento,
representación de conocimiento, proceso de
adquisición de conocimiento
 Sistemas basados en conocimientos, arquitectura,
comparación entre sistemas especialistas y
convencionales
Unidad II.
b) Las técnicas de
 Redes Neuronales Artificiales RNA, Perceptrons,
Inteligencia Artificial son
Perceptrons multicapa MLP, algoritmos de
aplicados para resolver
entrenamiento backpropagation.
191
problemas de difícil
 Redes de Funciones de Base Radial RBF,
solución
comparación con las redes MLP, Estapas de
entrenamiento de las redes RBF
 Sistemas Nebulosos (Fuzzy), conjuntos Fuzzy,
Fuzzificación, inferencia Fuzzy (Reglas de
inferencia), desfuzzificación
 Algoritmos genéticos, computación evolutiva,
funcionamiento de algoritmos genéticos, aplicaciones
Evidencias
Resuelve problemas I UNIDAD - Presenta informe
complejos aplicando las Construye modelos con la - Articula Portafolios
técnicas de Inteligencia analítica de la inteligencia
Artificial Artificial - Prepara proyectos
II UNIDAD
Resuelve problemas
complejos aplicando la
técnicas de Inteligencia
Artificial
Lista de cotejo
Examen escrito
6. BIBLIOGRAFÍA
García, A. (2012). Inteligencia Artificial. Fundamentos, práctica y aplicaciones. Rc

Libros.
GALIPIENSO, A., ISABEL, M., Cazorla Quevedo, M. A., Colomina Pardo, O.,
ESCOLANO RUIZ, F. R. A. N. C. I. S. C. O., & LOZANO ORTEGA, M. A.
(2003). Inteligencia artificial: modelos, técnicas y áreas de aplicación. Editorial
Paraninfo.
192
Benítez, R., Escudero, G., Kanaan, S., & Rodó, D. M. (2014). Inteligencia artificial
avanzada. Editorial UOC.
Rouhiainen, L. (2018). Inteligencia artificial. Madrid: Alienta Editorial.
Asanza, W. R., & Olivo, B. M. (2018). Redes neuronales artificiales aplicadas al
reconocimiento de patrones. Editorial UTMACH.
Rezende, S. O. (2003). Sistemas inteligentes: fundamentos e aplicações. Editora
Manole Ltda.
193
a. Curso : Taller de estadística
b. Código : EST332
h. Ciclo del plan de estudios : IX
i. Características del curso : I+D+I, practicas pre profesionales
2) SUMILLA
El curso de taller de estadística pertenece al área de estudios de especialidad, es de
carácter teórico-práctico y tiene como propósito contribuir con el desarrollo integral
del estudiante en el maneja las diferentes técnicas estadísticas para el análisis
científico de datos. Comprende el siguiente contenido.
- Manejo de métodos estadísticos
3) PERFIL DE EGRESO

desarrollo de la región y el país, asumiendo una actitud científica y ética, utilizando
técnicas estadísticas y/o informáticas referidas a la ciencia de datos.

ESENCIALES
Las técnicas estadísticas son usadas para Técnicas estadísticas en general
obtener estadística básica, realizar
pruebas de hipótesis y modelos
estadísticos para todas las áreas del
conocimiento.
EVIDENCIAS
(acción/producto)
a) Explica el uso de las I UNIDAD - Portafolio de
diferentes técnicas Explica el uso de la resolución de
estadísticas para el estadísticas básicas, realiza
análisis científico de problemas
pruebas de hipótesis y
datos - proyectos
realiza modelamiento
194
estadístico utilizando
técnicas learning y otras
5) EVALUACION DEL APRENDIZAJE
Guy Lansley and James Cheshire (2016) An Introduction to Spatial Data Analysis
and Visualisation in R. Recuperado de:
https://www.spatialanalysisonline.com/An%20Introduction%20to%20Spatial%20D
ata%20Analysis%20in%20R.pdf
195
a) Curso : Taller de Tesis
b) Código : EST216
d) N° de horas : Teoría = 04, Práctica = 02 y Total = 06.
f) N° de horas virtuales/U :2
h) Ciclo del plan de estudios :X
2) SUMILLA
El curso de taller de tesis corresponde al área curricular de estudios específicos, es
de naturaleza práctica y tiene como propósito que el estudiante desarrolle tesis con
conocimiento de los distintos paradigmas de investigación y la metodología de la
investigación científica.

Criterio de desempeño Conocimientos y comprensión

esenciales
- Esquema del informe de tesis de
El método científico es utilizado investigación de la FINESI
para desarrollar el esquema de - Elaboración de artículos científicos
tesis y la elaboración de artículos
científicos.
Logro del curso Logro de unidad Evidencias

(acción/producto)
Desarrolla un artículo I UNIDAD Portafolio
científico Desarrolla el esquema de Proyecto
tesis Informe
II UNIDAD
Elabora artículos científicos
196
6) BIBLIOGRAFÍA
Astivera, Armando (2012). Metodología de la Investigación. Editorial Buenos Aires.

Bunge, Mario (2008). Metodología Científica”. Editorial Ariel.
Del Aguila Villacorta, José (2014), Técnicas de Investigación, Lima-Perú
Hernandez Sampieri, Roberto. Fernandez Collado, Carlos. Baptista Lucio, pilar
(2017). Metodología de la Investigación. Editorial McGraw-Hill. México.
Linnaenger, Charles y Warwich, Donald (2012) Introducción a la encuesta por
muestreo”. Limas-Perú.
Webgrafia
http://www.javeriana.edu.co/ear/ecologia...INVESTIGACIONCIENTIFICA
http://www.youtube.com/watch%3Fv%3DX7N0lIdat9g
http://www.unla.edu.ar/index.php/metodol...la-investigacion-cientific
197
a) Curso : Tecnologías Emergentes
b) Código : EST333
2. SUMILLA
El curso de Tecnologías Emergentes corresponde al área de estudios de

especialidad y es de carácter teórico-práctica, Su propósito es presentar al
estudiante las tecnologías avanzadas que se están desarrollando para el análisis de
datos. Comprende las siguientes unidades:
- Analítica predictiva. Minería de datos para las redes sociales.
- Minería de datos de la web.
- Minería de datos con multiagentes.
- Minería de datos distribuida.
- Minería de datos espacial.
- Bioinformática
3. PERFIL DE EGRESO


Unidad I
a) Las tecnologías
- Analítica predictiva.
avanzadas de análisis
de datos son usadas - Minería de datos para las redes sociales.
para obtener modelos - Minería de datos de la web.
predictivos usando - Minería de textos.
minería de datos.
b) Las tecnologías Unidad II.

avanzadas de análisis - Minería de datos con multiagentes.
de datos son usadas
- Minería de datos distribuida.
para obtener modelos
predictivos - Minería de datos espacial.
- Bioinformática.
198
Evidencias
Construye modelos I UNIDAD - Presenta informe
predictivos avanzados. Construye modelos - Articula Portafolios
predictivos usando
técnicas de minería de - Prepara proyectos
datos.
II UNIDAD
Construye modelos
predictivos avanzados
Lista de cotejo
Examen escrito
6. BIBLIOGRAFÍA
Adell, J., & Castañeda Quintero, L. J. (2012). Tecnologías emergentes, pedagogías

emergentes.
Concari, S. B. (2014). Tecnologías emergentes ¿cuáles usamos?. Latin American

Journal of Physics Education, 8(3), 494-503.
Gutiérrez, R. C., de Moya Martínez, M. D. V., Bravo, J. A. H., & Bravo, J. R. H.

(2015). Tecnologías emergentes para la enseñanza de las Ciencias Sociales.: Una
experiencia con el uso de Realidad Aumentada en la formación inicial de
maestros. Digital education review, (27), 138-153.
Qian, Z. H., & Wang, Y. J. (2012). IoT technology and application. Acta
Electronica Sinica, 40(5), 1023-1029.
Van Kranenburg, R., & Bassi, A. (2012). IoT challenges. Communications in

Mobile Computing, 1(1), 1-5.
199
a. Curso : Estadística Espacial
b. Código : EST334
h. Ciclo del plan de estudios : X
i. Características del curso : I+D+I
2) SUMILLA
El presente curso pertenece al área de estudios de especialidad, es de carácter (teórico-
práctico) y tiene como propósito desarrollar en el estudiante el criterio de comprender
las características, utilidad, aplicabilidad y complementariedad de las diferentes
Tecnologías de la Información Geográfica y Teledetección y dar respuesta a las
demandas sociales en información geográfica y sus tecnologías. Comprende el
siguiente contenido.
Análisis exploratorio de datos espaciales, teledetección, caracterización imagen del

satélite y de otros.
• Estadística espacial en el análisis de patrones de localización, Relaciones entre

variables geográficas y autocorrelación espacial.
3) PERFIL DE EGRESO

desarrollo de la región y el país, asumiendo una actitud científica y ética,
utilizando técnicas estadísticas y/o informáticas referidas a la ciencia de datos.

ESENCIALES
1. Análisis exploratorio de datos espaciales,
A. El análisis exploratorio de datos
• Medición y descripción
Espaciales (AEDE) son utilizados
• Comparación
para comprender, describir y
visualizar las distribuciones
espaciales.
200
 Teledetección y caracterización de las

imágenes de satélite y de otros
- Análisis de imágenes de satélite en
un SIG
• Solución de problemas
B. La teledetección y caracterización de • Toma de decisiones
las imágenes de satélite se utiliza • Identificación de pensamientos
para definir los tipos de resolución irracionales
con los que se trabaja. - Teledetección Espacial
• Definición de teledetección
• Componentes
• Principios físicos
• Característica de los sensores
• Importancia
3. Estadística espacial en el análisis de
C. La estadística espacial en el análisis patrones de localización
de patrones de localización permite • Análisis de patrones espaciales con
identificar y aplicar las herramientas QGIS.
de estadística espacial. • Calculo de patrones puntuales en
QGIS.
D. La relación entre variables 4. Relación entre variables geográficas
geográficas permite interpretar y  Autocorrelación espacial y Kriging
justificar los resultados de los
indicadores basadas en la
autocorrelación espacial (Kriging).
EVIDENCIAS
(acción/producto)
I UNIDAD:
Explica las características,
utilidad, aplicabilidad y Explica las características,
complementariedad de las utilidad, aplicabilidad y
diferentes Tecnologías de complementariedad de las - Portafolio de
la Información Geográfica diferentes Tecnologías de la resolución de
y Teledetección y dar Información Geográfica y problemas
respuesta a las demandas Teledetección - proyectos
sociales en información
201
geográfica y sus II UNIDAD: - Portafolio de resolución

tecnologías Aplica la estadística espacial de problemas
. en el análisis de patrones de - Proyectos
localización e interpretación
correcta del estudiante
Guy Lansley and James Cheshire (2016) An Introduction to Spatial Data Analysis
and Visualisation in R. Recuperado de:
https://www.spatialanalysisonline.com/An%20Introduction%20to%20Spatial%20D
ata%20Analysis%20in%20R.pdf
Jean-Fran¸cois (2013) Análisis Espacial con R “Usa R como un Sistema de
Información Geográfica. Recuperado de:
http://eujournal.org/files/journals/1/books/JeanFrancoisMas.pdf
Michael J. Crawley (2013) The R Book. Second Edition. Recuperado de:
https://www.cs.upc.edu/~robert/teaching/estadistica/TheRBook.pdf
Tomislav Hengl (2009) A Practical Guide to Geostatistical Mapping. Recuperado
de:
http://spatial-analyst.net/book/system/files/Hengl_2009_GEOSTATe2c1w.pdf
Robert Gentleman Kurt Hornik Giovanni Parmigiani (2008) Applied Spatial Data
Analysis with R. Recuperado de:
http://gis.humboldt.edu/OLM/r/Spatial%20Analysis%20With%20R.pdf
202
a. Curso : Inteligencia de negocios
b. Código : EST335
f. N° de horas virtuales/und. :2
h. Ciclo del plan de estudios :X
i. Características del curso : I+D+I, investigación
2) SUMILLA
El curso de Inteligencia de negocios, pertenece al área de especialidad, es de carácter
teórico-práctica. Tiene como propósito desarrollar en el estudiante la capacidad de
describir las oportunidades de explotación de información apoyándose en
Datawarehouse y herramientas de Data mining, promoviendo con ellas, el desarrollo
del conocimiento y el logro de ventajas competitivas en una organización. El curso
comprende las siguientes unidades:
- Definición de objetivo de negocio, integración y transformación de datos, modelo
dimensional de datos,
- creación de datamart/datawarehouse, poblamiento de datamart/datawarehouse,
explotación de datos, tecnologías emergentes de soporte a inteligencia de
negocios.
3) PERFIL DE EGRESO


ESENCIALES
a) La teoría de la inteligencia de - Definición de objetivo de negocio

negocios es usada para desarrollar un - integración y transformación de datos
plan de gestión de datos. - modelo dimensional de datos
- creación de datamart/datawarehouse
- poblamiento de datamart/datawarehouse,
explotación de datos
b) La teoría de la inteligencia de Unidad II.

negocios es usada para desarrollar Data Analitics,
sistemas y planes de comercio - Inteligencia de Negocios
203
electrónico y administración del - Comercio electrónico

conocimiento. - Sistemas de información,
- organizaciones y estrategia
- Infraestructura de TI y tecnologías
emergentes,
- Administración del conocimiento
- Seguridad en los sistemas de información
EVIDENCIAS
I UNIDAD: • Portafolio
Diseña un plan de gestión de • Proyecto
datos • Estudio de casos
Desarrolla planes de II UNIDAD: • Portafolio

gestión y planes de Desarrolla sistemas y • Proyecto
comercio electrónico. planes de comercio Estudio de casos
electrónico y
administración del
conocimiento.

Sabherwal, R. y Becerra, I. (2011). Business intelligence. EEUU: John Wiley &
Sons.
Curto, J. (2010). Introducción al business intelligence (1ª ed.). España: UOC.
Inteligencia de negocios. Recuperado de

http://www.sinnexus.com/business_intelligence/
204
Cubos en modelos multidimensionales. Recuperado de

https://msdn.microsoft.com/es-es/library/ms175641.aspx
OLAP. Recuperado de: http://www.informatica-hoy.com.ar/informatica-

tecnologiaempresas/OLAP-Procesamiento-analitico-de-la-
informacionempresarial.php
Conceptos de minería de datos. Recuperado de: https://msdn.microsoft.com/es-

es/library/ms174949.aspx
205
PRACTICAS PRE PROFESIONALES
a) Componente Curricular : Practicas Pre - Profesionales
b) Código : EST336
c) Prerrequisito : * El pre requisito para el componente curricular
de Prácticas Pre Profesionales es haber culminado el noveno semestre
satisfactoriamente y 211 créditos académicos. las cuales tendrán una duración
de 18 semanas como mínimo y supervisión continua.
d) N° de horas : Teoría = 0, Práctica = 6 y Total = 6
g) Área Curricular : Estudios de especialidad
i) Características del curso : Experiencias pre-profesionales
2) SUMILLA
El curso de Prácticas Pre-Profesionales se ubica en el área curricular de estudios de
especialidad, es de naturaleza práctica; cuyo propósito es aplicar los conocimientos
adquiridos en el proceso de formación académica en estadística e informática en las
entidades públicas, privadas, instituciones educativas de nivel superior o institutos
de investigación. Las actividades son de acuerdo a los perfiles de egresado con
supervisión a cargo de tres docentes asignados, quienes guiarán la redacción del
informe en calidad de investigación en coordinación con la institución proveedora de
las prácticas de acuerdo a los plazos y metas programadas, un mínimo de 20 horas
semanales, haciendo un total de 300 horas en el semestre, y serán sujetas a los
convenios con empresas e instituciones.

software
Criterios de desempeño Conocimiento y comprensión

esenciales
A. Ejecuta la aplicación teórica en el 1. Aplicación de teorías y principios de
campo laboral en equipo estadística e informática al quehacer
interdisciplinario y institucional.
multidisciplinario. 2. Términos de referencia y estándares
de calidad de desempeño
profesional.
B. Adapta los protocolos de las 3. Manejo y aplicación de software de
prácticas profesionales de la estadística y sistemas informáticos
organización a su profesión, de como soporte estratégico de las
acuerdo a términos de referencia y organizaciones.
estándares de la calidad
206
4) LOGRO DE APRENDIZAJE DEL CURSO

(Acción/producto)
Esquematiza y ejecuta I UNIDAD
proyectos de Portafolio
investigación Esquematiza proyectos de Proyecto
aplicando estrategias y investigación proponiendo informe
metodológicas alternativas viables de solución a
pertinentes, la problemática local, regional y
nacional.
II UNIDAD Portafolio
Proyecto
Ejecuta proyectos de Informe
investigación, garantizando los
términos de referencia y
estándares de calidad
6) BIBLIOGRAFÍA Y/O WEB GRAFIA

Ley N° 23733 (1983), Ley Universitaria, Articulo 23, Diario Oficial “El Peruano”
Estatuto (2015), Universidad Nacional del Altiplano – Puno.
Reglamento de Grados y Títulos (2012), Facultad de Ingeniería Estadística e
Informática.
Reglamento de Practicas Pre Profesionales (2008). Facultad de Ingeniería Estadística e
Informática.
207
VII. ADMINISTRACIÓN DEL CURRÍCULO
7.1 Plana docente
Grados
N° Apellidos y Nombres Categoría Condición Especialidad
Académicos
M.Sc. en
GONZALES ACHATA, Educación:
1 PRINCIPAL NOMBRADO MSc.
ALFREDO ERNESTO Didáctica de la
Educ. Superior
AZAÑERO DE Maestro en
2 AGUIRRE EMMA PRINCIPAL NOMBRADO Contabilidad y Dr.
ORFELINDA Administración
Maestro en
LLUÉN VALLEJOS,
3 PRINCIPAL NOMBRADO Ciencias. Mención: Dr.
CÉSAR AUGUSTO
Estadística
MORILLOS Maestro en
4 VALDERRAMA, PRINCIPAL NOMBRADO Ciencias Mención Dr.
SANTOS OCTAVIO Estadística
Doctor en
CANQUI FLORES, Administración /
5 PRINCIPAL NOMBRADO Dr.
BERNABÉ Magister Scientiae
en: Informática
Doctor en
PAREDES QUISPE, Administración /
JUAN REYNALDO Magister Scientiae
en: Informática
Maestro en
VARGAS VALVERDE
7 PRINCIPAL NOMBRADO Ciencias. Mención: Dr.
CONFESOR MILÁN
Estadística
Doctor en
SALAS PILCO, MARIA Administración /
MAURA Magister Scientiae
en: Informática
Doctor en Gestión y
Ciencias de la
CARPIO VARGAS, Educación /
EDGAR ELOY Magister en
Scientiae en
Informática
TUMI FIGUEROA, Magister Scientiae
10 PRINCIPAL NOMBRADO MSc.
ERNESTO NAYER en Informática
PEREZ QUISPE, Magister Scientiae
SAMUEL DONATO en Informática
Doctor en
IBAÑEZ QUISPE, Administración /
VLADIMIRO Magister Scientiae
en: Informática
208
Grados
Académicos
Doctoris Scientiae
APAZA TARQUI
13 PRINCIPAL NOMBRADO en: Ciencias de la Dr.
ALEJANDRO
Computación
MENDOZA
Magister Scientiae
14 MOLLOCONDO, PRINCIPAL NOMBRADO M.Sc.
en Informática
CHARLES IGNACIO
CHOQUEJAHUA Magister Scientiae
15 PRINCIPAL NOMBRADO M.Sc.
ACERO, REMO en Informática
QUISPE MAMANI, Magister Scientae
GODOFREDO en Informática
Doctoris Scientiae
en: Ciencias de la
17 COYLA IDME, LEONEL ASOCIADO NOMBRADO Computación / Dr.
Magister Scientae
en Informatica
VILLASANTE
Magister Scientae
18 SARAVIA, FREDY ASOCIADO NOMBRADO M.Sc.
en Informática
HERIC
Doctoris Scientiae
en: Economía y
HUATA PANCA,
19 ASOCIADO NOMBRADO Gestión / Magister D.Sc.
PERCY
Scientiae en
Informática
Magister en
ALEMAN GONZALES,
20 AUXILIAR NOMBRADO Ingeniería de MSc.
LEONID
Software
PARI CONDORI, ELQUI Magíster Scientiae
21 AUXILIAR NOMBRADO M.Sc.
YEYE en: Informática
Doctoris Scientiae
en: Ciencias de la
TITO LIPA, JOSÉ
22 AUXILIAR NOMBRADO Computación / D.Sc.
PÁNFILO
Magister Scientiae
en: Informática
JUAREZ VARGAS, Doctoris Scientiae
23 A1 CONTRATADO Dr.
JUAN CARLOS en Administración
Doctor en
LÓPEZ CUEVA,
24 A2 CONTRATADO Estadística e Dr.
MILTON ANTONIO
Informática
Doctor en
ARPASI PANCCA,
25 A3 CONTRATADO Estadística e Dr.
RUDY ALVARO
Informática
ALVAREZ ROZAS, Magíster Scientiae
26 B1 CONTRATADO Dr.
TERESA PAOLA en: Informática
Magister Scientiae
en: Informatica
QUISPE YAPO,
27 B1 CONTRATADO Mencion en: MSc.
EDGARDO
Ingenieria De
Software
209
Grados
Académicos
Magister Scientiae
ROQUE CLAROS,
28 B1 CONTRATADO en Gestión MSc.
ROBERTO ELVIS
Empresarial
Grado de Maestría
QUISPE CARITA, Nivel Posgrado
30 B1 CONTRATADO MSc.
ANGEL JAVIER Stricto Sensu en
Ingeniería Eléctrica
MAMANI MAYTA, Ingeniero
31 B1 CONTRATADO Ing.
RONALD Estadístico
Ingeniero
RAMOS CALCINA,
32 B1 CONTRATADO Estadístico e Ing.
ALCIDES
Informático
Magíster Scientiae
en: Informática
YUPANQUI BENDITA,
33 B2 CONTRATADO Mención en: MSc.
CESAR ENRIQUE
Informática
Educativa
PACORI PARICAHUA, Magister en
EDWERSON WILLIAM Educación
APAZA CUTIPA, Magister Scientiae
RENZO en: Informática
210
VIII. GRADO ACADEMICO Y TITULO PROFESIONAL
8.1 Grado Académico:

BACHILLER EN CIENCIAS ESTADÍSTICAS E INFORMÁTICA.
La obtención de grados y títulos se realiza de acuerdo a las exigencias
académicas que cada universidad establezca en sus respectivas normas internas.
La Escuela Profesional de Ingeniería Estadística e Informática de la UNA-Puno,

otorga el grado académico de Bachiller en Ciencias Estadísticas e Informática a
quienes aprueben 234 créditos académicos obligatorios y electivos, así como la
aprobación de un trabajo de investigación y el conocimiento de un idioma
extranjero, de preferencia inglés o lengua nativa, concordante con el Reglamento
de Grados y Títulos Profesionales y tal como estipula el Artículo 45, inciso 45.1,
de la Ley Universitaria 30220.
Requisitos:
Académicos:
 Haber logrado el perfil de egreso
 Lo establecido por la Ley Universitaria (Art. 45 Ley N° 30220)
Investigación:
Aprobar un trabajo de investigación y el conocimiento de un idioma extranjero
de preferencia inglés o lengua nativa.
8.2 Título Profesional:

INGENIERO ESTADÍSTICO E INFORMÁTICO
La Escuela Profesional de Ingeniería Estadística e Informática de la UNA-Puno,
otorga el título profesional de Ingeniero Estadístico e Informático a quienes
tengan el grado académico de bachiller en Ciencias Estadísticas e Informática y
apruebe una tesis o trabajo de suficiencia profesional, solo en la universidad
nacional del Altiplano, concordante con el reglamento de título profesional. (Ley
30220 Art. 45.2).
Requisitos:
- Grado de bachiller en ciencias estadísticas e informática
- La aprobación de una tesis o trabajo de suficiencia profesional.
8.3 Duración de estudios:

 Duración mínima de cinco años o seis semestres académicos
 Dos semestres académicos por año.
211
8.4 Organización académico administrativo de la Facultad
La Facultad de Ingeniería estadística e Informática, es una unidad académica que

funciona como órgano descentralizado. Es responsable de promover, administrar y
evaluar programas de formación académico-profesional de capacitación, de
investigación y proyección social, en concordancia con los fines y objetivos de la
Universidad.
Órganos de Gobierno:
 Consejo de Facultad
 Decanatura
Órganos de apoyo:
 Secretaría Técnica
 Oficina de Registros Académicos
 Oficina de Biblioteca Especializada
 Oficina de Bienestar Estudiantil
 Centros de Cómputo, Laboratorios y Talleres
Órganos de Línea:
 Departamento Académico
 Dirección de Estudios
 Dirección de Investigación
 Dirección de Proyección Social
ORGANIZACIÓN ACADÉMICA
La Organización Académica de la Escuela Profesional de Ingeniería Estadística e
Informática, tiene como finalidad la administración curricular normada por la ley
Universitaria y el Estatuto de la Universidad Nacional del Altiplano. Los estudios
son de sistema FLEXIBLE Y POR COMPETENCIAS, Comprende:
ORGANIZACIÓN ESTRUCTURAL
Conformada por el Concejo de Facultad, Decano, Dirección de Estudio, Jefatura
de Departamento, Oficina de Coordinación de Registros Académicos.
 Consejo de Facultad.
Es el encargado de nominar las diferentes comisiones que permita la ejecución del
Plan de Estudio, sancionar y evaluar las acciones realizadas por las comisiones.
 Decano
Tiene por función velar por el cumplimiento de las normas para la realización de
actividades académicas, planificar, organizar, dirigir y evaluar las actividades
académicas de la Facultad y coordinar con las Autoridades Universitarias.
 Dirección de Escuela
Es la encargada del cumplimiento y control, supervisión permanente de la
ejecución de la estructura curricular, su avance académico.
 Dirección de Departamento
212
Controla y supervisa la puntualidad de docentes, distribuye la carga académica,

en coordinación con la Dirección de Estudios, promueve la capacitación de los
Docentes.
 Coordinación de Registros Académicos
Tiene por funciones, ejecutar el proceso de matrícula, conservar la información
académica de la Facultad, entrega y recepciona de nóminas y registros de
evaluación, elabora cuadros de méritos y coordina con la Dirección de Estudio.
213
ORGANIGRAMA FUNCIONAL DE LA FACULTAD DE INGENIERIA

ESTADISTICA E INFORMATICA
SECRETARIA
TECNICA CONSEJO DE FACULTAD
COORD. DE
INVESTIGACION
Decano
COORD. DE PROY.
SOCIAL
SEGUNDA
ESPECIALIZACION
COORD. BIBLIOT.
ESPEC.
MAESTRIA EN
INFORMATICA
JEFE DE CENTRO DE
CÓMPUTO
Doctorados Maestrías
ESCUELA PROFESIONAL
Ingeniería Estadística e
Informática
DIRECCIÓN DE DIRECCIÓN DE COMITÉ DE

DEPARTAMENTO ESCUELA CALIDAD
Autoridades
Docentes Estudiantes
Docentes
Estudiantes
Administrativos
Egresados
Grupos de Interés
214
8.5 Cuadro de equivalencias de planes de estudios

9 Plan de estudios concluido (Currículo flexible por Plan de estudios vigente(Currículo de estudios por
competencias 2015-2019) competencias 2021-2025)
CI Total Cré CI Total Cré

CURSO CURSO
CLO Hrs ditos CLO Hrs ditos
Taller de Estrategias Cognitivas para

3 2
el Aprendizaje I Estrategias de Aprendizaje 4 3
Seguridad y Defensa
Seguridad y Defensa Nacional 3 3
III Nacional 4 3
Matemática básica 4 3 I Matemática básica 5 4
I Diseño de Instrumentos para la
4 3
Investigación
Estadística Computacional 6 5 I Estadística básica 6 5
Teoría Computacional 5 4
Lenguajes de programación
Fundamentos de Programación 5 4
III I 5 4
TOTALES 30 24
Física Para Informática 4 3 II Fisica general 5 4
Calculo Diferencial e Integral 5 4
Introducción a la Investigación 4 3
II Análisis y Diseño de Sistemas de Análisis y diseño de
6 4 IV 6 5
Información sistemas de información
Metodología de la
Métodos de Programación 5 4 VII 5 4
investigación
Fundamentos de Estructuras de Datos 5 4 Estructura de datos 4 3
TOTALES 29 22
Geometría Vectorial 4 3
Ecuaciones Diferenciales 4 3
Cálculo de Probabilidades 6 4 II Cálculo de probabilidades 6 5
III Sistemas de gestión de base
Fundamentos de Base de Datos 4 3 IV 5 4
de datos I
Microinformática 4 3
Estructura de Datos Avanzadas 5 4
Inglés Técnico Académico 3 2 III Ingles 3 2
TOTALES 30 22
Programación Numérica 4 3 IV Programación numérica 4 3
Proyectos de Inversión 4 3
Métodos Estadísticos 5 4 IV Inferencia Estadística 4 3
IV Análisis de Poblaciones 4 3
Base de Datos Avanzadas 4 3
Análisis y Diseños de
Análisis y Diseños de Algoritmos 5 4 II 6 4
Algoritmos
Sistemas Operativos Modernos 4 3
TOTALES 30 23
Gestión de Proyectos TICs 5 4 VI Gestión de Proyectos Tics 5 4
Muestreo 5 4 III Muestreo 5 4
V Modelos Lineales 5 4 VI Modelos Lineales 6 5

Métodos Estadísticos Avanzados 5 4 V Estadística no paramétrica 4 3
Ingeniería de Software 5 4 VII Ingeniería de software I 5 4
Programación avanzada 5 4
TOTALES 30 24
Muestreo Avanzado 5 4
VI Modelos Lineales Avanzados 5 4
Investigación Operativa 5 4
215
Computación Gráfica 5 4
Arquitectura de redes y
Arquitectura de Redes y Protocolos 5 4 VI 4 3
protocolos
Ingeniería Web 5 4 VIII Ingeniería de software II 5 4
TOTALES 30 24
Investigación de Mercados 5 4 IX Investigación de Mercados 4 3
Regresión Avanzada 5 4
Diseños Experimentales 5 4 VIII Diseños experimentales I 5 4
VII Laboratorio de Desarrollo de
5 4
Software
Administración de Redes 5 4 VII Administración de redes 5 4
Taller de Proyectos de Tesis 5 4
TOTALES 30 24
Ingeniería Financiera (Electivo I)
Formulación y Evaluación de 5 4
proyectos de inversión pública
(Electivo I)
Series de Tiempo 5 4 VI Series de Tiempo 5 4
VIII Diseños Experimentales Avanzados 5 4 IX Diseños experimentales II 5 4
Simulación (electivo II)
5 4
Estadística Bayesiana (electivo II) VII Estadística bayesiana 5 4
Sistemas Distribuidos Concurrentes 5 4 VII Sistemas distribuidos 5 4
Computación Paralela 5 4 VIII computación paralela 5 4
TOTALES 30 24
Inteligencia de mercados 3 2
Control estadístico de
Estadística Industrial 5 4 VIII 4 3
procesos
Técnicas Estadísticas Multivariadas 4 3 VI Aprendizaje no supervisado 5 4
Seguridad y Auditoria
Seguridad y Auditoria Informática 4 3 IX 5 4
Informática
IX
Programación Ubicua y Móvil
(electivo III)
5 4
Tecnología e-business -
Computación en nube electivo III)
Inteligencia Artificial 5 4 IX Inteligencia Artificial 5 4
Taller de tesis 4 3 X Taller de tesis 6 5
TOTALES 30 23
Minería de datos 6 5
X
Practicas pre profesionales 24 12
TOTALES 30 17
Relación de cursos nuevos

N
HORAS
CODIGO CURSO créditos
HT HP TH
EG101 Comprensión y Argumentación 3 2 5 4
EG102 Pensamiento racional y ética 2 2 4 3
EG108 Química general 3 2 5 4
EG104 Taller de innovación y emprendimiento 2 2 4 3
EG105 Ecología y desarrollo sostenible 2 2 4 3
EST307 Modelos discretos 4 2 6 5
EST309 Métodos de optimización 2 2 4 3
EST310 Lenguajes de programación III 3 2 5 4
216
ELE311 Arquitectura de computadoras 3 2 5 4

EST314 Aprendizaje no supervisado 3 2 5 4
EST209 Regresión lineal y no lineal 3 2 5 4
EST320 Aprendizaje supervisado 3 2 5 4
ADM213 Marketing 2 2 4 3
EST324 Ciencia de datos I 3 2 5 4
EST326 Taller de desarrollo de software 0 2 2 1
EST328 Ciencia de datos II 3 2 5 4
Internet de las cosas y computación en
EST329 2 2 4 3
las nubes
EST332 Taller de estadística 0 2 2 1
EST333 Tecnologías emergentes 4 2 6 5
EST334 Estadística Espacial 4 2 6 5
EST335 Inteligencia de negocios 4 2 6 5
9.1 Líneas de investigación
Áreas y temas de investigación.

Señalar las Areas prioritarias de investigación, las que orientarán el trabajo de
investigación del estudiante, con la asesoría formal del docente dedicado a esta
actividad.
Área desarrollo de software:
 Desarrollo de aplicaciones, web y soluciones empresariales
 Ingeniería de software
 Algoritmos, sistemas operativos y bio computación
 Visión computacional
 Inteligencia artificial
Área modelos estadísticos y algoritmos computacionales
 Modelos predictivos uni variantes
 Modelos predictivos multivariantes
 Minería de datos
 Modelamiento usando de técnicas machine learning
 Modelamiento usando técnicas de redes neuronales y deep learning
Área redes
 Tecnologías de la información y comunicación
 Administración de redes
Área base de datos
 Base de datos y sistemas de información
 Big data
 Internet de las cosas y computación en las nubes
217
 Inteligencia de negocios
 Estadística espacial
Área investigación
 Control estadístico de procesos industriales y de servicios
 Investigación descriptiva cuasi experimental y experimental
 Aplicaciones estadísticas
218
IX. SEGUIMIENTO AL EGRESADO
Precisa las estrategias pertinentes con las exigencias de la autoevaluación.

1) Implementar un catálogo de egresados que contenga los datos personales y
laborales.
2) Realizar eventos de capacitación y actualización en forma presencial,
semipresencial y virtual
3) Perfeccionar la comunicación utilizando la web.
4) Mecanismo de evaluación de la satisfacción de información recibida.
Tabla: Descripción de indicadores para el factor egresado

Factor Indicador Descripción
1. Base de datos de La institución cuenta con una base de datos la cual
egresados será actualizada permanentemente.
La institución apertura procedimientos que
2. Satisfacción de
permiten evaluar la satisfacción del egresado con
egresados
la información recibida.
Egresado
3. Relación La institución cuenta con mecanismos que
permanente con el permiten y estimulan el contacto permanente para
egresado capacitación de egresados.
4. Capacitación e La institución fomenta y promueve el empleo de
Inserción laboral sus egresados a través de convenios.
219
X. EVALUACIÓN DEL CURRÍCULO

El currículo por su carácter de ser pertinente y flexible es susceptible de ser evaluado
periódicamente, esto implica realizar talleres evaluativos a final de cada semestre, de
modo que, en sus diferentes elementos se realicen acciones de fortalecimiento y planes
de mejora para ser implementados en el corto plazo.
En el marco de la normatividad vigente es preciso realizar procesos de evaluación
curricular con carácter participativo, con resultados a nivel de eficiencia, efectividad e
impacto. En la cuestión formativa, se realizarán acciones para la adecuación y/o
rediseño curricular que implique procesos de actualización en referencia a los adelantos
científicos y situaciones de cambio constante en el desarrollo de la ciencia, acorde a la
dinámicas culturales, sociales, tecnológicas y económicas.
La revisión de la currícula debe realizarse mínimo en tres años
220
XI. ANEXOS
221

Curriculo Flexible 2021-2015 Finesi

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Curriculo Flexible 2021-2015 Finesi

Cargado por

Copyright:

Formatos disponibles

Currículo flexible por competencias 2021-2025

UNIVERSIDAD NACIONAL DEL ALTIPLANO – PUNO

CURRÍCULO FLEXIBLE POR COMPETENCIAS

UNIVERSIDAD NACIONAL DEL ALTIPLANO - PUNO

Dr. HECTOR CALUMANI BLANCO

Dr. DANTE ATILIO SALAS AVILA

Dr. ARIEL ROGELIO VELAZCO CÁRDENAS

M.Sc. ERNESTO NAYER TUMI FIGUEROA

M.Sc. REMO CHOQUEJAHUA ACERO

La Estructura Curricular de la Escuela Profesional de Ingeniería Estadística e Informática,

8.1 Grado Académico: ......................................................................................................................... 211

RESOLUCIONES RECTORALES Y DECANALES

Resolución rectoral de organización y funcionamiento

Resolución rectoral de creación de la escuela profesional

Resolución rectoral de cambio de nombre

Resolución de asamblea universitaria de modificación de nombre en estatuto

Resolución de asamblea universitaria de creación de la escuela profesional

Artículo 18º. La educación universitaria tiene como fines la formación profesional, la

Cada universidad es autónoma en su régimen normativo, de gobierno, académico,

LEY N° 30220, Ley universitaria

Artículo 6. Fines de la universidad

6.4. Colaborar de modo eficaz en la afirmación de la democracia, el estado de derecho y la

Artículo 45. Obtención de grados y títulos

Artículo 100. Derechos de los estudiantes

100.2 La gratuidad de la enseñanza en la universidad pública.

100.7 Tener en las universidades privadas, la posibilidad de acceder a escalas de pago

100.9 Ingresar libremente a las instalaciones universitarias y a las actividades académicas

100.11 Solicitar reserva de matrícula por razones de trabajo o de otra naturaleza

100.14 Los demás que disponga el Estatuto de la universidad.

1.3. Texto Único ordenado del Estatuto Universitario 2015

(Aprobado mediante R.R.N° 1044-2015-R-UNA de fecha abril de 2015)

Artículo 38. Régimen de estudios de pregrado

académico semestral como equivalente a un mínimo de dieciséis (16) horas lectivas de

Artículo 47 Diseño curricular

47.2 Los estudios específicos y de especialidad de pregrado

Artículo 48. Módulos de competencia ocupacional y/o profesional

Artículo 49. Evaluación y actualización de la estructura curricular

Artículo 50. Enseñanza del idioma extranjero o nativo

Artículo 51. Cursos electivos

Artículo 52. Convalidación de cursos en Universidades Extranjeras

Artículo 54. Grados académicos y títulos.

Artículo 55. Requisitos de los grados y títulos

II. OBJETIVOS Y PROPOSITOS

2.1. Misión Visión

UNA-PUNO FACULTAD ESCUELA

2.2. Objetivos Institucionales.

OEI.1 Consolidar la formación profesional de calidad, para los estudiantes de

2.3. Propósito del Programa de Estudios

El propósito del programa de estudios de Ingeniería Estadística e informática, consiste

2.4. Objetivos Educacionales del programa

Objetivo 1: El egresado es un profesional competente que obtiene y explica modelos

Objetivo 2. El egresado es un profesional competente que diseña e implementa sistemas

Objetivo 3. El egresado es un profesional competente que desarrolla aplicaciones

Objetivo 4. El egresado es un profesional competente que participa en proyectos de

Objetivo 5. El egresado es un profesional que utiliza metodologías estadísticas y/o

Objetivo 6. Fortalece las actividades de responsabilidad social, extensión cultural y

2.5. Objetivos académicos.

3. Incorporar la investigación docente en el desarrollo de asignaturas del plan de

III. JUSTIFICATION DE LA DEMANDA SOCIAL DEL PROGRAMA

3.1 Análisis de la oferta y demanda del servicio educativo.

Las entidades públicas no brindan suficientes plazas, de acuerdo a esto el egresado

3.2 Análisis de la oferta y demanda del perfil de egreso.

IV. FUNDAMENTACIÓN DEL CURRÍCULO DEL PROGRAMA DE ESTUDIOS