LÍNEA 01
Salud Pública
Mejorar la calidad de vida y el bienestar mediante el análisis de datos y la investigación aplicada.
Grupo de investigación emergente · Resolución CU N.º 1004-2025-UNASAM
Innovación Data Science en Salud, Educación, Gestión y Tecnología
Somos un equipo académico y científico de la Universidad Nacional Santiago Antúnez de Mayolo. Integramos el rigor de las ciencias básicas con la innovación tecnológica para generar conocimiento de alto impacto y soluciones aplicadas a las necesidades del sector público y privado.
Programa vigente
Diplomado en Inteligencia Artificial Aplicada
Formación teórico-práctica de 24 créditos académicos, con laboratorios en Python y proyecto final de aplicación.
- 384
- Horas académicas
- 9
- Módulos especializados
- Intermedio aplicado
- Nivel
- Setiembre 2026
- Inicio previsto
01 — Quiénes somos
Investigación aplicada con respaldo institucional
Conformados bajo la categoría de grupo de investigación Emergente, nuestro propósito es generar conocimiento de alto impacto y soluciones tecnológicas aplicadas a problemáticas complejas de la sociedad. Abordamos los desafíos del sector público y privado combinando el rigor metodológico de las ciencias básicas con las tendencias actuales en innovación tecnológica.
Nuestras actividades cuentan con el aval oficial del Vicerrectorado de Investigación de la UNASAM, y nuestra constitución fue formalmente aprobada mediante Resolución de Consejo Universitario — Rector N.º 1004-2025-UNASAM, del 22 de octubre de 2025.
03
Líneas de investigación con sublíneas especializadas
10
Investigadores titulares, colaboradores y en formación
2025
Año de reconocimiento oficial ante el Consejo Universitario
02 — Líneas de investigación
Tres pilares científicos
El trabajo del grupo se estructura en tres grandes ejes, cada uno desglosado en sublíneas altamente especializadas.
LÍNEA 02
Energía Renovable e Innovación Tecnológica
Impulsamos la transformación digital y el desarrollo sostenible mediante la ingeniería y la tecnología.
LÍNEA 03
Ciencias Básicas
Fundamentamos nuestros proyectos empíricos y tecnológicos en modelos matemáticos y estadísticos rigurosos.
03 — Oferta formativa
Diplomado en Inteligencia Artificial Aplicada
Programa de formación práctica en los métodos de inteligencia artificial más relevantes en la actualidad. Está diseñado para personas que ya cuentan con una base en programación y estadística y quieren dar el paso hacia el desarrollo y despliegue de modelos de IA en problemas reales.
Nueve módulos cubren dominios distintos que comparten una lógica común: transformar datos complejos en representaciones que permitan clasificar, predecir, recomendar o generar. Esta idea transversal —las representaciones latentes— conecta los módulos y permite que el aprendizaje de cada uno refuerce a los demás.
Perfil de egreso
Al concluir el programa, el participante formula un problema de datos como problema de IA, selecciona el enfoque adecuado, entrena y evalúa un modelo con criterio técnico, documenta sus decisiones y presenta resultados a una audiencia técnica y no técnica.
- Modalidad
- Teórico-práctica con laboratorios en Python
- Entorno de trabajo
- Google Colab o entorno local con Python
- Producto final
- Proyecto de inteligencia artificial aplicada
- Inicio previsto
- Setiembre 2026
Estructura curricular
9 módulos · 384 horas · 24 créditos
Deep Learning Fundamentals
Redes densas, funciones de activación, backpropagation, regularización y validación en PyTorch. Base técnica de todo el programa.
Entrega
Red neuronal entrenada y documentada
Procesamiento de Lenguaje Natural
De TF-IDF y modelado de tópicos a embeddings, transformers y fine-tuning de modelos preentrenados.
Entrega
Pipeline NLP con dos enfoques comparados
Sistemas de Recomendación
Filtrado colaborativo, factorización matricial con ALS y evaluación offline con métricas top-k.
Entrega
Motor de recomendación con evaluación offline
Deep Learning en Visión
Transfer learning, detección y segmentación con U-Net, interpretabilidad visual con Grad-CAM.
Entrega
Modelo de visión con análisis de errores
Despliegue de Modelos (MLOps)
Del notebook al servicio: FastAPI, Docker, versionamiento con Git, DVC y MLflow, monitoreo y drift.
Entrega
API dockerizada con monitoreo básico
Aprendizaje por Refuerzo
Procesos de decisión de Markov, funciones de valor, Q-learning tabular e introducción a Deep Q-Networks.
Entrega
Agente entrenado en entorno simulado
Modelos Generativos de Difusión
Procesos forward y reverse, U-Net para denoising, condicionamiento por texto, DDIM y uso responsable.
Entrega
Experimento generativo documentado
Deep Learning para Sensoramiento Remoto
Imágenes satelitales multibanda, índices espectrales, segmentación geoespacial e inferencia por tiles.
Entrega
Mapa predictivo sobre imágenes satelitales
Graph Machine Learning
Métricas de red y comunidades, embeddings de nodos, predicción de enlaces y graph neural networks.
Entrega
Análisis de red con modelo predictivo
Metodología
- Fundamento conceptualExposición del modelo, sus supuestos y la matemática mínima necesaria para entender qué hace el algoritmo y por qué funciona.
- Laboratorio guiadoEl instructor desarrolla un notebook en Python paso a paso, explicando cada decisión de implementación con datos reales o reproducibles.
- Práctica autónomaEl participante resuelve una variante del laboratorio: ajusta parámetros, cambia de datos o resuelve una tarea relacionada.
- Entrega del móduloProducto breve que integra lo aprendido y alimenta el portafolio; puede escalar hasta convertirse en el proyecto final.
Evaluación
| Entregas por módulo | 40 % |
| Proyecto final | 35 % |
| Exposición final | 15 % |
| Participación | 10 % |
Perfil de ingreso
04 — Inscripción
Registra tu postulación
Déjanos tu número de celular y te contactaremos con el cronograma, los requisitos de matrícula y el enlace de acceso al grupo oficial de postulantes.
Registro recibido
Gracias,
Hemos registrado el número . El equipo de i-Data Science te contactará con el cronograma y los pasos de matrícula.
05 — Equipo de trabajo
Multidisciplinariedad y excelencia
El grupo está compuesto por investigadores consolidados, colaboradores expertos y talentos en formación.
Investigadores titulares
- M.Sc. Emerson Damián Norabuena FigueroaCoordinador general
- Mag. Hugo Walter Maldonado Leyva
- Dr. Elmer Cecilio Blas Cerda
- M.Sc. Grimaldo Jorge Mejia Valcarcel
Investigadores colaboradores
- Angel Deroncele-Acosta
- PhD en Cliometría Alberto Frank Lázaro Aguirre
- Sadet Rocío Robles Colonia
Investigadores en formación
- Johan Alexis García MinayaEstudiante
- Yomel Jair Barreto FloresEstudiante
- Jason Ramírez LunaEstudiante
06 — Próximas actividades
Congreso Internacional de Inteligencia Sostenible
Encuentro sobre inteligencia artificial y ciencia de datos para la investigación, organizado por el Vicerrectorado de Investigación y el grupo i-Data Science.
- Fecha
- Diciembre (próximamente)
- Sede
- Huaraz, Áncash — Perú
