4000

El objetivo del curso es introducir al estudiante en el marco teórico del tema de su tesis y avance en el planteamiento de las soluciones al problema  seleccionado. Para inscribir esta materia es necesario tener un asesor (trabajo que le corresponde al estudiante), diligenciar el formato correspondiente y haber entregado un documento con su propuesta de investigación en la Coordinación del Departamento, además haber aprobado los dos cursos obligatorios de la Maestría en Ingeniería Industrial y el requisito de idiomas de posgrado.

La propuesta de investigación debe tener: título del proyecto, objetivos, justificación, cronograma y una pequeña revisión bibliográfica.

Durante el segundo semestre de tesis, el estudiante debe dedicar todo su tiempo a la labor de investigación. En caso de necesitar más tiempo, se le otorgará no más de un semestre adicional. Para inscribir Tesis de Grado 2, debe haber aprobado Tesis 1, haber diligenciado el formato correspondiente y haber entregado un documento que describa el proyecto y el avance realizado durante el semestre.

El documento debe contener como mínimo: descripción y objetivos del proyecto, importancia y relevancia del proyecto, contexto general en que se ubica el proyecto, descripción de la metodología que desarrollará para llevar a cabo dicho proyecto, resultados esperados, cronograma propuesto de actividades, compromiso de resultados finales de Tesis 1, síntesis de la revisión bibliográfica.

En este espacio el estudiante culmina el proyecto de investigación que han venido desarrollando desde tesis 1 y presenta su desarrollo y resultados ante un jurado.

Este curso se inscribe a los estudiantes del programa de maestría que efectúan intercambio durante un semestre académico. Para recibir información de los intercambios, el estudiante debe comunicarse directamente con la Coordinación Académica al menos cuatro meses antes del viaje para revisar los trámites y fechas relacionados.

Este curso se inscribe a los estudiantes del programa de maestría que se encuentran bajo el convenio de doble titulación con la Escuela de Minas de Nantes y están tomando cursos en Francia durante un semestre regular. El curso es inscrito directamente por la Coordinación Académica.

Este curso se inscribe a los estudiantes del programa de maestría que se encuentran bajo el convenio de doble titulación con la Escuela de Minas de Nantes y están efectuando su tesis en Francia.

Este curso se inscribe a los estudiantes del programa de maestría que se encuentran bajo el convenio de doble titulación con la Escuela de Minas de Nantes y están tomando cursos en Francia durante un período intersemestral.

Este curso se inscribe a los estudiantes del programa de maestría que se encuentran bajo el convenio de doble titulación con la Escuela de Minas de Nantes y están efectuando su tesis en Colombia. Este curso lo inscribe directamente la Coordinación Académica, y siempre que el estudiante (el semestre previo a la inscripción) haya gestionado la autorización ante el comité respectivo.

En este curso se presentan los conceptos fundamentales de los modelos estadísticos lineales, tanto teóricos como aplicados. Los modelos lineales, son la base de la mayoría de modelos estadísticos usados actualmente y contienen las características esenciales para comprender los mecanismos de estimación e inferencia estadística. Son usados extensivamente en diversas ramas como ingeniería, economía, ciencias naturales, ciencias sociales y administración de negocios. 
La idea fundamental de los modelos desarrollados en el curso es construir una relación funcional lineal entre variables explicativas y una variable de interés que se quiere entender o predecir. Los mecanismos de estimación permiten comprobar estadísticamente las relaciones más importantes, así como desarrollar pruebas que permiten comprobar o proponer teorías que representen la realidad de los fenómenos que se registran con los datos. 
El curso pretende que el estudiante adquiera todas las habilidades técnicas para la correcta aplicación de los modelos, pero también que desarrolle un pensamiento crítico que le permita evaluar las ventajas y desventaja de los mismos. 

 Los objetivos primarios de curso son: 
- Desarrollar la capacidad de formular modelos estadísticos apropiados para describir fenómenos aleatorios. 
- Comprender los conceptos fundamentales de los modelos estadísticos lineales, incluyendo sus supuestos y limitaciones. 
- Aprender a utilizar herramientas computacionales que permitan la correcta aplicación de los métodos vistos. 
- Desarrollar habilidades para el análisis, comprensión y comunicación de resultados de los modelos.  

 

 

El curso presenta al estudiante las técnicas de modelado, técnicas de solución, y diseño algorítmico propios de un curso avanzado en optimización. La teoría del curso está principalmente enmarcada en el área de programación matemática, y se hará énfasis especial en la solución computacional de problemas de gran escala. Por lo tanto, es imprescindible que el estudiante tenga bases en algún lenguaje de programación (e.g., Python, Java, C, C++, entre otros). Durante las sesiones teóricas, prácticas y en los talleres, se desarrollarán aplicaciones de los temas del curso, principalmente en las áreas de producción, logística y finanzas. 

Los grandes volúmenes de datos que se generan hoy en día en la sociedad de la información presentan grandes retos que requieren tanto de métodos clásicos de análisis estadístico multivariado, como de técnicas contemporáneas de aprendizaje computacional e ingeniería. Las técnicas estadísticas multivariadas ofrecen una gran versatilidad en el manejo de los datos, facilitando su compresión y explotación, extrayendo conocimiento útil para el apoyo a la toma de decisiones. Este curso propone un marco coherente a partir de los métodos clásicos, ilustrando nuevas técnicas de minería de datos y herramientas matemático/estadísticas y computacionales, con el fin de extraer conocimiento relevante a partir de distintas fuentes de información y generar resultados con alto valor para la toma de decisiones.

 

El objetivo general del curso es estudiar métodos para analizar datos que evolucionan en el tiempo. Específicamente el curso pretende adiestrar al estudiante en la correcta identificación y estimación de modelos dinámicos. En el curso se presentan los modelos ARIMA estableciendo su comportamiento y sus propiedades de autocorrelación. Se analizará la forma de identificar correctamente el modelo ARMA y se darán herramientas para especificar la forma final. Se estudian también los modelos integrados, la caminata aleatoria y las pruebas de raíz unitaria (test de Dickey-Fuller) para detectar tendencias y series integradas.

Adicionalmente se presentan metodologías para tratar series con comportamientos estacionales.

Otros temas de interés que se cubren en este curso son los modelos ARCH/GARCH para estimar y pronosticar la volatilidad condicional. Finalmente se introduce el concepto de cointegración y se estudian técnicas para estimar e identificar modelos de regresión dinámicos.

La estocasticidad es una característica inherente de la realidad, desde las capas inferiores de las cuestiones físicas hasta los niveles más complejos de los sistemas organizativos. Por ello, es de suma importancia comprender cómo la incertidumbre puede ser caracterizada e incluida en modelos estocásticos para analizar el comportamiento de los sistemas.

Este curso tiene como objetivo proporcionar una introducción matemática rigurosa y al mismo tiempo práctica al modelado estocástico y a la optimización de sistemas basados ​​en estados discretos. Se estudia la selección del nivel de abstracción de un modelo dado el problema en cuestión y la forma en que las técnicas de solución numérica y la simulación pueden complementar el modelado axiomático.

El curso presenta conceptos, modelos y algoritmos en el área de investigación de operaciones junto con aplicaciones relevantes.

En el curso se estudia algunas estrategias o algoritmos no exactos que permiten mejorar la eficiencia en la búsqueda de soluciones a problemas diversos de optimización. En la literatura son denominados Metaheurísticas. Estos algoritmos aproximados son herramientas aplicables a diversos problemas, pero deben ser ajustados a la situación particular que se quiera resolver. Cada técnica tendrá una presentación teórica-conceptual, y será contextualizada a través de un conjunto de aplicaciones enfocadas en su gran mayoría a problemas de Logística y Producción. Además de esto, para algunas de estas se desarrollará y experimentará durante el aula de clase.

Objetivo del curso:

Al final del curso se espera que el estudiante logre tener conocimientos sólidos sobre los fundamentos y estructuras de las metaheurísticas estudiadas. El estudiante será capaz de entender la utilidad y limitaciones prácticas de estas técnicas. También conocerá la forma de implementarlas en la solución de problemas de optimización con aplicaciones en Ingeniería Industrial. Él tendrá las herramientas necesarias para aplicar los conocimientos adquiridos en la realización de varias tareas y un proyecto final. Estos trabajos estarán enfocados hacia el planteamiento, la selección de las alternativas metaheurísticas de solución más apropiadas, la implementación computacional, el diseño experimental, el análisis y la obtención de las mejores soluciones posibles en aplicaciones de interés práctico para el ingeniero industrial.

Al estudiante que ha demostrado responsabilidad y gran interés por un área en particular, se le ofrece esta alternativa, con el objeto de profundizar en los temas del área bajo la guía de un profesor del Departamento de Ingeniería Industrial. Este curso busca que el estudiante profundice en un tema del área de Investigación de Operaciones y Estadística Aplicada que no esté contemplado en ninguna de los cursos regulares o electivos brindados por el Departamento. Para tomar este curso es necesario que el estudiante haga su solicitud el semestre anterior y cuente con  autorización de la Coordinación Académica al momento de su inscripción. 

Los grandes volúmenes de datos que se generan hoy en día en nuestra sociedad de la información presentan grandes retos que requieren tanto de métodos clásicos de análisis estadístico como de técnicas avanzadas de aprendizaje computacional e ingeniería de la información. Las técnicas estadísticas ofrecen una gran versatilidad en el manejo de los datos, facilitando su compresión y explotación, extrayendo conocimiento útil para el apoyo a la toma de decisiones. Este curso propone un marco coherente a partir de los métodos clásicos, ilustrando nuevas técnicas de aprendizaje computacional (supervisado y no -supervisado), con el fin de extraer conocimiento relevante a partir de distintas fuentes de información y generar resultados con alto valor para la recomendación y toma de decisiones.

El curso presenta al estudiante los aspectos de modelaje y diseño algorítmico de un primer curso de optimización en redes. El curso tiene un enfoque de programación matemática, como continuación natural de un curso en optimización lineal (Principios de Optimización). Algunos temas siguen un enfoque combinatorio, sirviendo así como un primer curso en el área de optimización combinatoria. El tema de optimización en redes tiene una amplia aplicabilidad. Algunos ejemplos de su uso son: redes de transporte, redes de comunicaciones, planeación de capital, programación de proyectos, mantenimiento y reemplazo de equipos, programación de producción, entre otros.

La simulación computacional es una técnica general para el análisis de sistemas. Puede utilizarse para hacer frente a escenarios difícilmente observables o imposibles de reproducir en sistemas reales, y para llevar a cabo experimentos simulados rápidos y baratos que de otro modo requerirían una enorme cantidad de tiempo y costos. Este es un curso con fuerte énfasis en modelos que definen abstracciones computacionales de sistemas y que son susceptibles de simulación.

Este curso presenta conceptos y métodos estadísticos para el análisis de datos bajo el enfoque de modelamiento predictivo (machine learning). Los modelos predictivos buscan aproximar el valor de una variable de interés en términos de valores particulares de las variables predictoras, usando una función que debe ser estimada (aprendida) a partir de datos. Incluye problemas de regresión (predicción de variable continua, por ejemplo, predecir el monto de una transacción electrónica), clasificación (predicción de variable categórica, por ejemplo, predecir si la transacción es fraude o no), ranking (ordenamiento de la variable de respuesta) y aprendizaje no-supervisado (cuando la respuesta no es observable). A diferencia de modelos estadísticos clásicos, los modelos predictivos se evalúan a partir de su eficacia para pronosticar la respuesta y no necesariamente en su capacidad para explicar las relaciones entre las variables. En el curso se incluyen técnicas de minería de datos, de machine learning y de reconocimiento de patrones.

El enfoque central es cómo usar estas técnicas para crear métodos que sean buenos predictores desde el punto de vista estadístico, y no solamente como una herramienta de minería de datos. Así mismo, se hará énfasis en la implementación computacional de algoritmos para el análisis de datos y el uso de software. También se tratarán aplicaciones relevantes a la Ingeniería Industrial y el desarrollo de casos de estudio, como por ejemplo: detección de fraude, modelos de puntaje (scoring), confiabilidad de productos, determinación de factores de éxito, sistemas de recomendación, entre otras.

Los objetivos primarios del curso son: 1) Comprender los conceptos generales del modelamiento predictivo: buen uso de los datos, dimensión y complejidad del problema, evaluación y selección de mejores modelos. 2) Aprender a utilizar herramientas computacionales que permitan la correcta aplicación de los métodos vistos. 3) Comprender los conceptos fundamentales de cada técnica vista en el curso, incluyendo sus supuestos y limitaciones. 4) Desarrollar habilidades para el análisis, comprensión y comunicación de resultados de los modelos.

El nombre de este curso es muy diciente sobre la naturaleza del mismo. La palabra optimización ya advierte que es un curso en el que el interés está en la toma de las mejores decisiones posibles, y que, para esto, se utilizarán herramientas matemáticas y computacionales, desde las fundamentales hasta otras más recientes. En ese sentido, el curso tiene una connotación típica de un curso en el área de investigación de operaciones.  

La palabra incertidumbre, sin embargo, abre un espectro diferente. La toma de decisiones bajo incertidumbre pasa por temas fundamentales de filosofía (¿cómo sé qué es lo que no sé?), psicología (sesgos cognitivos), física (estabilidad en sistemas complejos), economía y política (definir lo aceptable y lo deseable), y por supuesto matemáticas e ingeniería. Desarrollar soluciones exclusivamente desde la ingeniería, desconociendo esta diversidad de aspectos, puede terminar en modelos “perfectos” que fallan con increíble precisión. Por esto, es importante tenerlos presentes. 

El objetivo de este curso es que el estudiante adquiera las habilidades fundamentales para formular y resolver modelos de optimización que involucren elementos no determinísticos, con un entendimiento razonable de los retos de la toma de decisiones bajo incertidumbre en la práctica. 

La incertidumbre es un aspecto intrínseco de la realidad, desde el comportamiento de los elementos básicos de la materia hasta los niveles más complejos de las organizaciones. Aún si en muchos casos sus efectos pueden ser abstraídos sin afectar el estudio de los sistemas, es sumamente importante entender cómo se puede caracterizar e incluir en modelos estocásticos del comportamiento y evolución de sistemas dinámicos.
La capacidad de integrar ágilmente estas diferentes técnicas y enfoques con la computación representa una competencia fundamental para el ingeniero que se enfrente al modelado predictivo de sistemas complejos del mundo real.

El curso buscar brindar modelos teóricos y herramientas fundamentales para la toma de decisiones en un ambiente productivo. El estudiante al final del curso deberá ser capaz de:

• Pronosticar y validar un pronóstico.
• Planear los requerimientos de mano de obra y recursos a nivel macro en una empresa.
• Diseñar políticas de inventario (tamaño de lote, periodicidad de pedidos, etc.).
• Programar producción a nivel básico.
• Diseñar un sistema apropiado de control de piso.
• Conocer los conceptos logísticos involucrados en los procesos de manufactura.

 

 

El curso:

• Presenta diferentes problemas que surgen en la programación de la producción de bienes o servicios.
• Hace un énfasis en problemas de programación en sistemas de manufactura.
• Presenta diferentes enfoques para modelar y resolver los problemas. Se tratarán enfoques de programación matemática, métodos de aproximación, métodos heurísticos y métodos metaheurísticos, entre otros.
• Combina aspectos teóricos con un desarrollo práctico usando herramientas computacionales.

 

Al estudiante que ha demostrado responsabilidad y gran interés por un área en particular, se le ofrece esta alternativa, con el objeto de profundizar en los temas del área bajo la guía de un profesor del Departamento de Ingeniería Industrial. Para tomar este curso es necesario que el estudiante haga su solicitud el semestre anterior y cuente con  autorización de la Coordinación Académica al momento de su inscripción. 

Los objetivos de aprendizaje de este curso son:

a) Realizar de manera formal experimentos encaminados a descubrir algo acerca de un proceso o sistema particular, utilizando modelos y herramientas estadísticas y software computacional. 
b) Desarrollar competencias de planeación, ejecución, análisis y presentación de los datos resultantes de un experimento con el fin de obtener conclusiones válidas y objetivas. 
c) Diseñar, ejecutar, implementar y presentar los resultados de un experimento utilizando las herramientas del curso por medio de un proyecto práctico que los estudiantes desarrollarán en trabajo en equipos a lo largo del semestre.

El curso cubre técnicas básicas y avanzadas para el control estadístico de la calidad y el mejoramiento de procesos, estas técnicas han sido ampliamente utilizadas en muchas industrias. Se cubre temas como los gráficos de control, el análisis de capacidad, la evaluación de la satisfacción de los clientes, entre otros. Se cubrirán algunos temas con datos correlacionados y estadísticas multivariadas. El objetivo es que usted entienda los conceptos, el funcionamiento y el papel de estas técnicas.

Este es un curso de posgrado para estudiantes de ingeniería y otras personas interesadas en procesos y sistemas de fabricación/manufactura. Se introducirá al estudiante a los principios fundamentales de los sistemas y procesos de fabricación, incluyendo temas como: propiedades de los materiales, procesos de fabricación, dimensionamiento y tolerancia, fabricación avanzada, entre otros.

Esta alternativa de curso se ofrece a estudiantes de la certificación Six Sigma que requieren profundizar en temas relacionados con  procesos de mejora y aseguramiento de calidad, dentro del marco de la metodología Lean-Six-Sigma bajo la guía de un profesor Black Belt del Departamento de Ingeniería Industrial. Para tomar este curso es necesario que el estudiante haga su solicitud el semestre anterior y cuente con  autorización de la Coordinación Académica al momento de su inscripción y encontrarse realizando la certificación Six Sigma.

Curso ofrecido en inglés en el que por medio de conferencias y sesiones de laboratorio, los estudiantes aprenden y experimentan aspectos del diseño y desarrollo de productos de ingeniería. Las herramientas de diseño asistido por computador (CAD) se usan para guiar el proceso de diseño. Mediante un trabajo en equipo, los estudiantes desarrollan un proyecto final de diseño en el que no solo aprenden a ser técnicamente competentes en sistemas y componentes de diseño, sino también efectúan prácticas de procesos de diseño que conducen a resultados más innovadores. 

Desde sus comienzos, hace tres décadas, el Pensamiento Sistémico Crítico ha constituido una de las áreas de mayor desarrollo dentro del enfoque sistémico, experimentando múltiples transformaciones. Estas últimas han implicado una relación estrecha con otros tipos de enfoques sistémicos y con el pensamiento crítico. Por esto en el curso se estudian las características principales de otras corrientes de pensamiento sistémico, se discuten los orígenes y posteriores transformaciones del pensamiento sistémico crítico, y se fomenta su aplicación en el estudio de dos problemas sociales y empresariales. Con esto último se busca que los estudiantes tengan un
espacio en el que puedan descubrir por sí mismos la potencialidad del pensamiento sistémico crítico en una situación problemática concreta, y que además se motiven a explorar y buscar opciones a situaciones problemáticas que aquejan a nuestras organizaciones y nuestra sociedad.

Este curso ofrece elementos conceptuales y herramientas metodológicas para que un estudiante pueda comprender, analizar, diagnosticar y diseñar organizaciones. Estas organizaciones pueden ser empresas privadas, instituciones públicas o cualquier forma organizacional que transforme insumos en un conjunto de bienes o servicios. El curso se desarrolla dentro del contexto de la cibernética organizacional.

Los objetivos de este curso son:
1. Equipar a los estudiantes con las capacidades para hacer críticas a problemáticas relacionadas con sistemas sociales, organizaciones
2. Introducir a los alumnos en el ámbito de la modelación de sistemas sociales para hacer frente a problemas que puedan surgir en estos mismos.
3. En el curso se cubren temáticas como el estudio de los sistemas complejos desde el ámbito de las ciencias naturales, modelación de sistemas sociales, aprendizaje organizacional, economía comportamental, interacciones locales y fenómenos emergentes, entre otros.

Vivimos en una sociedad que está conectada. Día a día interactuamos con diferentes personas en entornos cambiantes haciendo que la información llegue rápidamente a más gente y, sin darnos cuenta, comenzamos a ser partícipes de estos fenómenos. Para entender lo que está pasando debemos salir del paradigma de lo proporcional para entrar en un mundo donde el todo es mayor que la suma de sus partes y las conexiones entre los individuos cobran tanta o más importancia como estos mismos. Las ciencias de la complejidad han desarrollado herramientas eficientes para explicar y modelar éstos fenómenos.
Este curso es un seminario donde se busca que los estudiantes exploren mecanismos y modelos computacionales simples utilizando el paradigma de la complejidad. Así, los estudiantes tendrán herramientas para la interpretación y la intervención de sistemas complejos relevantes para la solución de problemas, sobretodo en Colombia.

Este curso profundiza en el tema de toma de decisiones en procesos de negociación y resolución de disputas en general. En el curso se ilustra cómo diferentes técnicas de toma de decisiones pueden ser usadas en procesos de resolución de controversias. Se hace especial énfasis en cómo el uso de diferentes racionalidades puede conducir a diferentes esquemas de negociación. A lo largo del curso el estudiante diseña y realiza una investigación sobre toma de decisiones en procesos de resolución de disputas. 

Objetivos general:
Explorar la toma de decisiones en procesos de negociación y resolución de disputas en general, tomando conciencia de las diferentes racionalidades que puede haber detrás de la forma como se toman las decisiones.

Objetivos específicos:
-Identificar elementos que a la teoría de la negociación establece como conceptos básicos que se deben considerar al tomar decisiones en procesos de negociación.
-Explorar racionalidades alternas a aquellas que domina actualmente la teoría de la negociación.
-Explorar herramientas que permiten tomar mejores decisiones en procesos de negociación.
-Promover la investigación de los estudiantes sobre los temas centrales del curso.

El curso Estructuración de Redes Sociales es un primer curso de análisis de redes sociales, el cual enfatiza el entendimiento de las implicaciones estratégicas y de posicionamiento de individuos en redes. Este curso explora conceptos que transversalmente se relacionan con áreas como la física, la economía, la sociología y la teoría organizacional. Sin embargo, el curso decididamente se enfoca en los aspectos de comportamiento y de la relación entre desempeño individual y el posicionamiento en la red. Por medio de este curso se espera que el estudiante reconozca la importancia de entender las implicaciones de desempeño de diferentes estructuras y de cómo los individuos, restringidos y beneficiados por su posición en la red, simultáneamente son influenciados e influencian las estructuras a las cuales pertenecen.

El curso busca que el participante logre identificar los problemas centrales de las situaciones problemáticas a las que se enfrentará en su vida laboral como planificador social en entidades públicas o privadas, con el fin de que pueda elaborar descripciones adecuadas de las mismas y, siguiendo la metodología que se le plantea en este curso, se responda las preguntas básicas de ¿para qué enfrentar dichos problemas? y ¿qué hacer con respecto a los mismos?, y en consecuencia diseñe de manera lógica los proyectos que contribuyan a resolver dichos problemas o a disolver las situaciones que los han originado y mantienen.

Esperamos que el estudiante desarrolle la capacidad de observar y abordar metódicamente y de forma sistémica, creativa y crítica las situaciones problemáticas a las que debe enfrentarse.

Al estudiante que ha demostrado responsabilidad y gran interés por un área en particular, se le ofrece esta alternativa, con el objeto de profundizar en los temas del área bajo la guía de un profesor del Departamento de Ingeniería Industrial. Para tomar este curso es necesario que el estudiante haga su solicitud el semestre anterior y cuente con  autorización de la Coordinación Académica al momento de su inscripción. 

 

 

La idea de la selección natural propuesta por Charles Darwin representa no solamente una forma de entender el desarrollo de las especies en el planeta sino también una forma de pensar y de caracterizar una lógica general de procesos de adquisición? y en particular de ganancia de conocimiento?la cual explica la adaptación y el éxito de organismos en diferentes ambientes. Aquí el término "organismo" es utilizado de manera genérica y se puede referir a unidades tan disímiles como lo son: seres vivos, individuos, neuronas, anticuerpos, colectividades, instituciones, organizaciones, tecnologías, ideas, innovaciones, agentes económicos, robots, estudiantes, leyes, teorías científicas, creencias, productos culturales en general, entre muchos otros. Se le conoce como "seleccionismo" a esta forma de pensar y abordar procesos de adaptación basados en la idea genérica de la selección natural. En particular el seleccionismo ayuda a explicar la evolución de diversos niveles de complejidad en sistemas caracterizados por el cambio y la diversidad. Sin embargo, la ciencia tradicionalmente ha necesitado asumir regularidades y agregación de elementos. Este curso parte del supuesto contrario y asume el cambio y la diversidad como principios de la naturaleza y en particular de los sistemas sociales. ¿Cómo estudiar e intervenir sistemas si los suponemos continuamente cambiantes y con elementos constitutivos diferentes entre sí y que además también cambian a través del tiempo? Dicho punto de partida requiere una forma de pensar y de responder preguntas que pueda ser consistente con la complejidad inherente a tal supuesto. La biología tradicionalmente se ha enfrentado a este escenario; dicha reflexión es el punto de partida de este curso para desarrollar un pensamiento seleccionista que sea útil para abordar, comprender y diseñar organizaciones, y sistemas sociales en general, al concebirlos como sistemas evolutivos de conocimiento.

Los objetivos del curso son:

1. Describir y profundizar en metodologías sistémicas para la Gestión de las Organizaciones.
2. Presentar casos aplicados de dichas metodologías de gestión.
3. Desarrollar algunas competencias en investigación y expresión.

¿Qué es ingeniería? ¿Se caracteriza por los tipos de problemas que aborda? ¿Por el tipo de conocimiento que produce? ¿Por los métodos y técnicas que aplica? ¿Por la forma como produce conocimiento nuevo? ¿Por los campos de aplicación en los que actúa? ¿Por su impacto social? ¿Qué es lo que hace que la ingeniería sea ingeniería? A pesar de la importancia de estas preguntas es común definir con ligereza la ingeniería como “ciencia aplicada”. Sin embargo, seguramente lo que define a la ingeniería es el diseño de artefactos lo cual conduce a una contradicción con dicha definición pues la actividad de diseñar es creativa y no meramente aplicativa. Estas reflexiones son el punto de partida para explorar en este curso la noción de ingeniería, su diferencia con las ciencias naturales y sociales, el alcance y los retos de la actividad de diseñar, y las posibilidades de los modelos de ingeniería. La cuestión del diseño implica además consideraciones éticas propias de la ingeniería que no se encuentran en las ciencias y que son necesarias para una práctica profesional apropiada. Cuando la ingeniería pretende transformar sistemas sociales (empresas, instituciones, sistemas públicos y privados, organizaciones, etc.) entonces las reflexiones anteriores plantean retos especiales tanto para la investigación como para la práctica pues dichos sistemas están formados por actores que toman decisiones, es decir que son sistemas que no se pueden describir con “leyes científicas”—a diferencia de otros tipos de sistemas, e.g. mecánicos, eléctricos, químicos, etc. La inadecuada o ausente reflexión sobre estos temas, tanto en la formación universitaria como en la práctica profesional, explica la irrelevancia—y muchas veces el fracaso—de la ingeniería en muchos campos en donde debería ser la disciplina que lidera la transformación de la sociedad.

El estudiante estará en capacidad de:

− Comprender la necesidad de reflexionar sobre los supuestos, la naturaleza y los propósitos de la práctica de la ingeniería.
− Comprender y desarrollar una posición propia frente a varios debates académicos sobre qué se puede entender por ingeniería y su diferencia con las ciencias.
− Desarrollar una noción propia de sistema social y comprender los retos que plantean estos sistemas.
− Desarrollar y articular con su propia experiencia y perspectiva una noción de ingeniería de sistemas sociales que considere debates académicos y profesionales relevantes.
− Comprender y desarrollar una posición propia sobre los retos e implicaciones éticas de la ingeniería para articularla con la práctica profesional.
− Identificar y utilizar elementos metodológicos derivados de estas reflexiones para la práctica efectiva de la ingeniería en y de sistemas sociales.

Este curso internacional tiene la finalidad de reunir a profesionales, profesores y estudiantes de universidades nacionales y extranjeras para la difusión de conocimiento, el intercambio académico y la discusión en torno al papel de la ingeniería como promotor de desarrollo de las comunidades vulnerables, particularmente aquellas ubicadas en el área rural. Se hará un especial énfasis en la generación de soluciones innovadoras de ingeniería, que puedan mejorar la calidad de vida de comunidades vulnerables y en desarrollo de ideas de negocio orientadas al ámbito social.

El curso de Simulación basada en Agentes (SIMBA) es un curso de maestría del Departamento de Ingeniería Industrial, por medio del cual se pretende brindar herramientas complementarias a enfoques tradicionales en el estudio de sistemas organizacionales / sociales. El curso SIMBA combina elementos fundamentales de la teoría de sistemas (interacciones, estructura y comportamiento) con técnicas computacionales de simulación de sistemas complejos. El curso refuerza dos pilares del “núcleo” del departamento de ingeniería industrial: (i) el paradigma de simulación computacional (ampliamente interpretado), y (ii) la perspectiva de sistemas en ambientes complejos e inciertos.

La complejidad actual de los sistemas organizacionales / sociales hace que ninguna disciplina por sí sola sea capaz de generar un entendimiento holístico de los mismos. Perspectivas actuales involucran aproximaciones cuantitativas desde la economía, psicología, sociología e incluso desde la física y la ingeniería industrial. Adicionalmente, enfoques tradicionalmente “estáticos” (p. ej., únicamente centrados en la determinación de equilibrios y no en el proceso para llegar a ellos) son insuficientes para explicar la evolución y dinámica de cambio, lo cual hace que las herramientas computacionales se conviertan en un recurso complementario tanto para el estudio como para la transformación de dichos sistemas. 

El curso SIMBA es una aproximación interdisciplinaria al modelado del comportamiento individual y sus implicaciones en la emergencia de características agregadas de sistemas. Por medio de este curso se pretende brindar una sólida base metodológica en relación con la elaboración de modelos computacionales basados en agentes y su aplicación a diversas problemáticas observadas en sistemas sociales y organizacionales, representadas en preguntas tales como las siguientes: ¿Cómo ciertas estructuras organizacionales facilitan o impiden la innovación, cooperación y competencia? ¿Cómo la aproximación de agentes ayuda al (re)diseño de sistemas socio-técnicos? ¿Cómo los modelos de agentes ayudan a establecer diferentes alternativas de coordinación de tareas en sistemas organizacionales?

El objetivo del curso es entender y utilizar la creatividad como un todo a partir de diversas perspectivas conceptuales y prácticas. Frecuentemente la creatividad se asume como una capacidad o talento individual que bien orientada puede llevar al individuo a obtener soluciones inesperadas a problemas dados o por descubrir.  A nivel colectivo se confunde la creatividad con la innovación y se limita a la generación continua o disruptiva de productos y servicios.  Dada la diversidad de ideas y teorías que existen sobre la creatividad en diferentes campos de la ciencia, así como la posibilidad de extender las ideas sobre este fenómeno en el campo del pensamiento sistémico (“systems thinking”), este curso recoge la idea de la creatividad como un sistema o serie de sistemas.  Con esta idea integradora se ofrecen elementos prácticos para que los estudiantes aprecien y utilicen estos elementos en la búsqueda de soluciones innovadoras a un problema o conjunto de problemas de su interés.

La ingeniería sistémica o “systems engineering” es un enfoque interdisciplinario que permite hacer realidad sistemas exitosos. Ella contribuye al desarrollo, diseño y operación de sistemas de todo tipo, incluyendo sistemas organizacionales, tecnológicos, sociales, socio-técnicos, etc. Por esto la ingeniería sistémica es hoy en día ampliamente usada en todas las áreas de la ingeniería, y proporciona a los estudiantes herramientas muy prácticas para el ejercicio de su profesión cualquiera que sea el campo en el cual ellos se vayan a desempeñar en el futuro. La ingeniería sistémica ha sido usada en grandes proyectos como el “Manhattan Project”, el Proyecto Boeing 787, y múltiples proyectos en organizaciones como la NASA, General Electric, Ford, John Deer, Lockheed, etc.

El curso presenta técnicas prácticas y recientes de la ingeniería sistémica, enfatizando el desarrollo de la creatividad en los estudiantes para aumentar sus habilidades en el diseño de sistemas exitosos.

Esta materia desarrolla competencias para el diseño, mejoramiento y operación de sistemas efectivos mediante la selección de los componentes adecuados, la integración de estos componentes para que interactúen de la manera correcta satisfaciendo así los requerimientos, las capacidades y los comportamientos que son necesarios en el sistema completo. El curso provee metodologías y herramientas para diseñar sistemas en los cuales las partes y el todo operan eficaz y dinámicamente en un contexto complejo, al cual se adaptan y en el cual interactúan con otros sistemas.

El curso se desarrolla bajo enfoques de investigación cuantitativa y cualitativa, que permiten al estudiante tener una visión clara para la toma de decisiones estratégicas desde perspectivas de ingeniería industrial en lo económico, lo social y lo ambiental. En particular, como resultado del curso, el estudiante esta en la capacidad de:

- Reconocer situaciones problemáticas del desarrollo sostenible y la sostenibilidad en las organizaciones.
- Establecer y cuantificar el impacto de soluciones de ingeniería en el medio ambiente, la sociedad y las dinámicas económicas.
- Aplicar herramientas y metodologías de ingeniería y toma de decisiones a problemas relacionados con la sostenibilidad organizacional.
- Tomar una posición crítica con respecto a la responsabilidad profesional y ética asociada con la práctica de la ingeniería.

El curso ofrece elementos conceptuales y herramientas metodológicas aplicadas al desarrollo sostenible dentro del ámbito empresarial. El estudiante adquiere técnicas analíticas, computacionales, de diseño y de liderazgo orientadas al desarrollo sostenible de sistemas organizacionales.

Adicional a las clases presenciales, los estudiantes desarrollan un proyecto de aplicación que permite ejemplificar los conceptos vistos. Dicho proyecto busca solución a un problema real, con un nivel de complejidad razonable, cuyo estudio sea de interés.

Como resultado del curso el estudiante estará en la capacidad de: 1) Reconocer situaciones problemáticas del desarrollo sostenible y la sostenibilidad en las organizaciones. 2) Establecer y cuantificar el impacto de soluciones de ingeniería en el medio ambiente, la sociedad y las dinámicas económicas. 3) Aplicar herramientas y metodologías de ingeniería y toma de decisiones a problemas relacionados con la sostenibilidad organizacional. 4) Tomar una posición crítica con respecto a la responsabilidad profesional y ética asociada con la práctica de la ingeniería.

El curso tiene la finalidad de reunir profesores y estudiantes de universidades nacionales y extranjeras para la difusión de conocimiento, el intercambio cultural y la discusión en torno al papel de la ingeniería como promotor de desarrollo de las comunidades, particularmente las más vulnerables.

Con lo anterior, el curso cuenta con dos espacios: i) un componente teórico, donde por medio de conferencias magistrales, lecturas, y un componente práctico, se desarrollaron talleres y, ii) discusiones en clase; donde los estudiantes revisan diversas herramientas de ingeniería aplicadas al contexto de las comunidades.
Para evaluar este aprendizaje, los estudiantes conforman equipos de trabajo, observan a la comunidad para identificar una problemática, diseñan una solución de ingeniería sostenible teniendo en cuenta las restricciones y variables relevantes, diseñan la solución y proponen un esquema de implementación.

Contenidos:
1. Modelo de interacción herramientas computacionales y proceso de investigación.
2. Creación de documentos que integren código ejecutable, texto e imágenes.
3. Análisis de datos dentro del texto.
4. Creación y administración de repositorios de documentos y datos en línea.
5. Gestión informática de referencias bibliográficas.

El objetivo del curso, busca que los estudiantes desarrollen competencias y habilidades para analizar, estructurar y resolver problemas de toma de decisiones bajo riesgo e incertidumbre, teniendo en cuenta uno o múltiples criterios de decisión.  

En particular, como resultado del curso el estudiante debe estar en capacidad de: 

- Identificar y estructurar un problema de decisión de tipo estratégico en una empresa y diseñar una metodología para resolverlo, utilizando los modelos de decisión apropiados para ello. 
-Identificar situaciones en las cuales pueda hacer uso de algunas de las metodologías apropiadas para el análisis y solución de problemas de decisión bajo incertidumbre, haciendo énfasis en la importancia de utilizar metodologías estructuradas y herramientas apropiadas como soporte para la toma racional de decisiones en las organizaciones. 
-Construir modelos para el análisis de decisiones que involucran riesgo e incertidumbre.  
-Utilizar las herramientas computacionales más conocidas en el tema de análisis de decisiones, las cuales deberá aplicar en las tareas y en el desarrollo de su proyecto final del curso.   

El objetivo del curso Gerencia Financiera del Riesgo está diseñado para profundizar tanto en la medición y gerencia del riesgo financiero, como en la valoración de instrumentos no convencionales para la cobertura del mismo. El riesgo financiero como tal será descompuesto en: Riesgo Tasa de Interés, Riesgo de Mercado y Riesgo de Quiebra. Las estrategias de manejo y cobertura del riesgo implicarán no solamente la discusión sobre las relaciones entre valor corporativo y cobertura del riesgo, sino adicionalmente el uso y diseño de estrategias “on-balance”, tales como el diseño de instrumentos híbridos de deuda, y de estrategias “off-balance”, tales como el uso de derivados exóticos para el manejo de riesgos específicos. 

El foco del curso será la medición del riesgo financiero, las estrategias de cobertura del mismo, la relación entre estructura de capital, valor y riesgo y los modelos de “pricing” de los instrumentos “on” y “off-balance”. 

El enfoque del curso es claramente cuantitativo en la dirección de lo que se conoce hoy como “finanzas en tiempo continuo”. Sin embargo, modelos discretos de árboles binomiales serán igualmente utilizados de manera intensiva. No obstante, este no es un curso de cálculo estocástico en finanzas ni un curso en derivados. En el campo de las finanzas el estudiante deberá dominar los conceptos básicos de decisiones de inversión bajo incertidumbre, estructura de capital, teoría de portafolio, las proposiciones de Modigliani-Miller y la introducción a la teoría general del riesgo.

Este curso es una introducción a las matemáticas financieras contemporáneas: a la teoría, la aplicación e implementación de las mismas. Estas matemáticas son utilizadas en la modelación de los mercados financieros para el diseño de lo que se conoce como “derivados financieros” y el posterior análisis en su gestión. El curso contempla los fundamentos teóricos, la modelación matemática y computacional, así como la aplicación práctica de los anteriores conceptos a los mercados financieros. De manera formal el curso introduce al estudiante en el análisis de modelos financieros en tiempo discreto y continuo, en las herramientas computacionales para la solución de derivados financieros que no admiten una solución analítica y por lo tanto para su valoración se requiere de algún método numérico; y por último en los métodos no paramétricos para la calibración de este tipo de modelos. Se espera que los estudiantes hayan seguido un curso de cálculo diferencial e integral un curso de probabilidad y un curso de programación básica.

La Ingeniería financiera es un campo multidisciplinario que utiliza analítica, modelos probabilísticos, optimización, simulación, análisis de sistemas, y conceptos de economía y finanzas para resolver problemas de naturaleza financiera y dar soporte al proceso de toma de decisiones sobre ahorro, inversión, préstamos y gestión del riesgo en las organizaciones

Objetivo general:
Desarrollar en los estudiantes habilidades para analizar, estructurar y resolver problemas de decisión en sector financiero.

En particular:

1. Comprender la noción de los principales instrumentos financieros y la importancia de los mercados financieros.

2. Dar la capacidad para entender y estructurar la información relacionadas con las transacciones financieras y sus usuarios.

3. Desarrollar las capacidades analíticas relacionadas con la medición del riesgo de mercado en el sistema financiero.

4. Utilizar las herramientas computaciones para desarrollar y utilizar modelos de analítica financiera

5. Comprender las matemáticas fundamentales para modelar los precios para la elaboración de modelos financieros

6. La capacidad de diseñar contratos financieros simples e implementar opciones reales básicas.

7. Exponer los modelos más utilizados de riesgo de crédito.  8. Utilizar las herramientas computaciones para desarrollar y utilizar modelos de analítica financiera. 

En este curso se desarrollan una serie de técnicas para el análisis de series de tiempo financieras empleando R y Python*. El curso está permeado de ejemplos aplicativos financieros, siempre sustentados en un componente teórico práctico. Se comienza con una introducción a las series de tiempo financieras haciendo un repaso general de algunos códigos en R y de Python más relevantes; se estudian las aplicaciones y métodos de regresión útiles en este tipo de datos. Posteriormente estudiamos modelos simples autorregresivos y de movimiento ponderado, así como mixtos para posteriormente abordar modelos condicionales de volatilidad. En la parte final del curso vemos el análisis de datos tipo panel y teoría de portafolios de mercados.  Se espera que se desarrollen ejercicios en clase prácticos, así como un proyecto final de aplicación. 

Objetivo General:
- Integrar conocimientos estadísticos econométricos para su aplicación en ejemplos de datos financieros.