Índice

• ¿Por qué estudiar una maestría en IA?
• ¿Cuál es la mejor maestría para estudiar IA en México?
• ¿Cómo estudiar una maestría en IA si vienes de una carrera alterna?
• Lista de maestrías en IA en México

Hace menos de dos años publiqué una lista de maestrías públicas en las que se puede estudiar Inteligencia Artificial (IA), dado que el ecosistema ha cambiado mucho, he decidido ampliar la lista y agregar un par de respuestas a preguntas comunes que me han hecho.

¿Por qué estudiar una maestría en Inteligencia Artificial?

El por qué estudiar una maestría es una decisión muy personal, algunas de las razones que he escuchado a través de los años son: el deseo de especializarse para acercarse y/o profundizar en el campo de estudio, para mejorar las perspectivas laborales, por querer continuar o regresar a ser estudiante, para participar en la práctica o investigación de técnicas y metodologías del campo, etc. Desafortunadamente, el estudio de una maestría no está garantizado ya que uno depende de circunstancias externas como: ser aceptado/da en un posgrado o tener el apoyo para pasar de un año a dos siendo estudiante de nuevo; también hay otras circunstancias personales como si uno trabaja, la disposición a abandonar ese estilo de vida para ser estudiante de nuevo, o tener acceso a otras vías de especialización como son diplomados o certificaciones.

Por otro lado en los últimos años la IA se ha vuelto un campo de estudio muy interesante. En este campo se estudian los sistemas computacionales que toman decisiones primitivas (decisiones básicas) de forma “autónoma”¹. En las últimas dos décadas se consolidó la forma más efectiva para configurar a un sistema a que tome decisiones, esto fue a través del análisis algorítmico/procedural de ejemplos de decisiones pasadas. Habitualmente, llamamos a esos ejemplos datos y el conjunto de algoritmos y métodos más apropiado hasta ahora es el de redes profundas neuronales. El campo se ha tornado muy emocionante, porque las decisiones tomadas por estos sistemas pueden ser comparables con las que toma una persona, y para algunos casos son mejores. Además que se pueden hacer sistemas en el dominio en el que ningún humano tomaría decisiones (ej., decidir si una solicitud de acceso a un servidor es válida o no). Otro aspecto que ha hecho del campo un campo fértil para su aplicación y estudio, es el hecho de qué a través de las decisiones básicas se pueden construir comportamientos complejos (ej. hablar con un chatbot), o también se puede estudiar el orden natural del universo (ej. Alphafold²).

En el caso específico de una maestría de IA uno será expuesto a conocimiento fundamental (establecido) y del estado del arte (más reciente) que conforman a la Inteligencia Artificial con el fin de adentrarse, practicar o establecer conocimiento de algunos de los elementos de la IA. Estas dinámicas se logran en un esquema de enseñanza escolarizada formal (ej. clases, calificaciones, proyecto final, etc.). Entonces, uno debe estudiar una maestría de IA si ha identificado alguna razón para estudiar una maestría, si está interesado/da en el emocionante campo de la IA, y quiere y puede tener la experiencia escolarizada formal.

¿Cuál es la mejor maestría para estudiar Inteligencia Artificial en México?

En realidad no existe una mejor, de hecho veremos que muchas no son de IA sino de Ciencias Computacionales, entonce más bien hay que poner atención a un conjunto de factores que se aunan con aspectos personales de cada estudiante para generar una experiencia positiva. Algunos de los factores relevantes que he visto son:

• Enfoque en IA Como mencionaba muchos programas no son de IA sino de Ciencias Computacionales o afines, esto generalmente repercute que se retrase el acceso al conocimiento del campo de la IA. Una buena experiencia de programa da acceso a temas de IA de manera muy pronta (primer semestre).
• Enfoque en IA actual Una circunstancia que crea confusión es que han habido muchos sabores de IA desde su concepción, pero como mencioné el sabor de IA que actualmente se considera como el estado del arte gira alrededor de redes neuronales profundas. Si la expectativa del estudiante es ver este tipo de IA algunos temas que deberá ver en los programas de estudio son: Aprendizaje profundo, visión computacional, aprendizaje por refuerzo, IA generativa, programación en GPUs, ética de IA, y muchos más temas avanzados. Y aunado al punto anterior, los debería ver muy pronto en la organización del curso.
• Orientación del programa En los posgrados hay dos orientaciones, una es profesionalizante que se enfoca a la práctica del campo de estudio y establece un lazo con la industria, y la otra es de investigación, en esta se enfoca hacía la investigación y establece un lazo con academia. Aunque luego los posgrados tienen una orientación especifica que los define formalmente, generalmente no los limita a proporcionar en la práctica las dos orientaciones, por lo que recae en el estudiante tener muy clara la orientación que desea seguir.
• Disponibilidad de tiempo En los últimos años se ha abierto la posibilidad de trabajar mientras se estudia la maestría, esta y otras circunstancias a veces limitan la disponibilidad de estudiantes a dedicarles el tiempo a la profundización en los temas de estudio y el trabajo asociado a ellos. En mi experiencia, la falta de tiempo para profundizar en los temas es un factor que crea mucha desventajas. Esto se puede reducir si se pone atención a la orientación del programa, los programas profesionalizantes, consideran la poca disponibilidad de tiempo del estudiante.
• Tutores y sus líneas de especialización En la mayoría de los posgrados al final de estos se desarrolla un proyecto terminal que es necesario para obtener el título. La dinámica alrededor del proyecto terminal necesita de un seguimiento puntual departe de una tutora o tutor. La temática del proyecto generalmente está asociado a los temas de especialización de la tutora o tutor. Esta circunstancia impone que la relación entre estudiante y tutor sea muy importante para focalizar el tema de interés, alcanzar los objetivos del trabajo terminal, y en general en la buena experiencia del posgrado.
• Tema de proyecto terminal No solo es necesario hacer un match entre el tema y la tutora o turor, sino también es importante, y en realidad mucho más importante la relación entre el tema y estudiante. Al final de la experiencia, el tema del trabajo terminal será un diferenciador de la especialización alcanzada, por lo que el tema debe escogerse para satisfacer la curiosidad de este y uno debe tener la certeza que ante las barreras que se enfrenten se podrá voltear a ver el tema y decidir continuar trabajando.
• Tiempo efectivo para realizar proyecto final De los puntos anteriores queda claro que el tiempo de esfuerzo dedicado a la maestría es muy importante. De este esfuerzo, es deseable que se le dedique al proyecto terminal una buena cantidad. Diferentes posgrados determinan diferentes estrategias y calendarios para la realización del proyecto. Entre más tiempo esté destinado al proyecto esto repercute en un mejor proyecto, que potencialmente desemboca en una experiencia más completa que permite la publicación de resultados robustos, presentación de dichos resultados a diferentes audiencias y lo más seguro que sea un trabajo del cual se esté muy orgulloso.

¿Cómo estudiar una maestría en IA si vienes de una carrera alterna?

En los últimos años una pregunta recurrente es como estudiar una maestría en IA si uno no tiene antecedentes de los campos conocidos como STEM (ciencia, tecnología, ingeniería y matemáticas). Esto en realidad es una desventaja mayor ya que los programas en México no están preparados para lograr una transición sistematizada, los programas requieren que uno provenga de campos afines, lo cual evidentemente es una lástima y en el caso del estudio y práctica de la IA una oportunidad perdida. Ante esta circunstancia algunas opciones que hemos identificado son:

• Hacer la maestría en el extranjero En otros países existen programas preparados para lograr la transición.
• Cursar una segunda carrera En años recientes he visto estudiantes que han tomado una segunda carrera en el área STEM, en particular ha escogido esquemas semi-escolarizados como carreras en universidades a distancia. Con esta preparación se abre la posibilidad de una maestría en el campo.
• Optar por una vía de especialización alterna Estudiantes han tenido éxito logrando una transición participando en bootcamps, tomando cursos especializados,diplomados, cursos para certificaciones, obteniendo las certificaciones, tomando cursos en línea, autodidacta, etc. Todas estas son vías alternas para lograr algunos de los objetivos al querer estudiar una maestría.

Dejo esta lista con algunos de los recursos que hemos recolectado en el laboratorio que coordino para comenzar de forma autodidacta.

Lista de maestrías en IA en México

A continuación algunas de las maestrías en las cuales es posible especializarse en Inteligencia Artificial:

Nombre	Institución	Tipo	Lugar	Estado	Convocatoria reciente	Ciclo	Observaciones
Ciencia de Datos	Universidad de Sonora (UNISON)	Pública	Hermosillo	Sonora	📑	Anual	Existe una colegiatura Próximamente
Ciencia de Datos e Información	Centro de Investigación e Innovación en Tecnologías de la Información y Comunicación (INFOTEC Ciudad de México)	Pública	Tlalpan	Ciudad de México	📑	Anual	Es una maestría con dos cedes: Ciudad de México y Aguascalientes
Ciencia de Datos e Información	Centro de Investigación e Innovación en Tecnologías de la Información y Comunicación (INFOTEC Aguascalientes)	Pública	Aguascalientes	Aguascalientes	📑	Anual	Es una maestría con dos cedes: Ciudad de México y Aguascalientes
Ciencias de la Computación	Unidad Azcapotzalco de la Universidad Autónoma Metropolitana (UAM)	Pública	Azcapotzalco	Ciudad de México	📑	Anual	Distingue mexicanos/extranjeros
Ciencias de la Computación	Benemérita Universidad Autónoma de Puebla (BUAP)	Pública	Puebla	Puebla	📑	Anual
Ciencias de la Computación	Centro de Investigación Científica y de Educación Superior de Ensenada (CICESE)	Pública	Ensenada	Baja California	📑	Anual
Ciencias de la Computación	Centro de Investigación en Computación (CIC), Instituto Politécnico Nacional (IPN)	Pública	Ciudad de México	Ciudad de México	📑	Semestral	Tener presentado examen GRE y EXANI-III
Ciencias de la Computación	Centro de Investigaciones en Matemáticas, AC (CIMAT)	Pública	Guanajuato	Guanajuato	📑	Anual	2026
Ciencias de la Computación	Universidad Autónoma de Yucatán (UADY)	Pública	Mérida	Yucatán	📑	Anual
Ciencias de la Computación	Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET), Tecnológico Nacional de México	Pública	Cuernavaca	Morelos	📑	Anual
Ciencias Computacionales	Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE)	Pública	Tonanzitla	Puebla	📑	Anual
Ciencias e Ingeniería de Datos	Universidad Autónoma de Tamaulipas (UAT)	Pública	Ciudad Victoria	Tamaulipas	📑	Anual
Ciencias en Inteligencia Artificial	Campus Aeropuerto, Universidad Autónoma de Querétaro (UAQ)	Pública	Santiago de Querétaro	Querétaro	📑	Semestral
Ciencia y Tecnología de Inteligencia Artificial y Ciencia de Datos	Instituto Politecnico Nacional (IPN)	Pública	Ciudad de México	Ciudad de México	📑	Semestral	Tener presentado examen GRE y EXANI-III
Cómputo estadístico	Centro de Investigaciones en Matemáticas, AC (CIMAT)	Pública	Monterrey	Monterrey	📑	Anual
Sistemas Computacionales	Instituto Tencológico de Nogales	Pública	Nogales	Sonora	📑	Anual
Diseño, Información y Comunicación MADIC	Universidad Autónoma Metropolitana Cuajimalpa (UAM)	Pública	Cuajimalpa	Ciudad de México	📑	Anual
Ciencia e Ingeniería de la Computación	Universidad Nacional Autónoma de México (UNAM)	Pública	Ciudad de México	Ciudad de México	📑	Anual	2026, es una maestría con dos cedes: Ciudad de México y Mérida
Ciencia e Ingeniería de la Computación	Universidad Nacional Autónoma de México (UNAM)	Pública	Mérida	Yucatán	📑	Anual	2026, es una maestría con dos cedes: Ciudad de México y Mérida
Inteligencia Artificial	Universidad Politécnica Metropolitana de Hidalgo (UPMH)	Pública	San Javier, Tolcayuca	Hidalgo	📑	Anual
Inteligencia Artificial	Tecnológico Nacional de México (TecNM)	Pública	En línea.	En línea	📑	Semestral	2026, profesionalizante, 1ra generación 2026, visitar aquí para buscar. Disponible en los tecnológicos de las ciudades de: Aguascalientes, El Llano Aguascalientes, Tijuana, Los Cabos, Ciudad Consitutición, Calkini, Tapachula, Tláhuac, Jocotitlán, San Felipe del Progreso, León, Ciudad Altamirano, Lázaro Cárdienas, Zacatepec, Linares, Atlixco, Tezuitlán, Zacapoaxtla, Ciudad Valles, Nogales, Nuevo Ladero, Orizaba, Veracruz,
Inteligencia Artificial	Universidad Veracruzana (UV)	Pública	Xalapa	Veracruz	📑	Semestral
Inteligencia Artificial	Tecnológico de Monterrey (Tec)	Privada	En línea	En línea	📑	Trimestral	Para convocatoria solicitar información.
Inteligencia Artificial y Analítica de Datos	Universidad Autónoma de Ciudad Juárez (UACJ)	Pública	Ciudad Juárez	Chihuahua	📑	Anual	Profesionalizante, en línea.
Inteligencia Artificial Centrada en la Sociedad	Uniersidad ITSON (ITSON)	Pública	Obregón	Sonora	📑	Anual	Con examen EXANI-III.
Inteligencia Artificial y Ciencia de Datos	Uniersidad Panamericana (UP)	Privada	Aguascalientes	Aguascalientes	📑	Trimestral	Para convocatoria solicitar información.
Inteligencia Artificial y Optimización	Universidad Autónoma de Nuevo León (UANL)	Pública	San Nicolás de los Garza	Nuevo León	📑	Semestral
Robótica e Inteligencia Artificial	Universidad de Guadalajara (UDG)	Pública	Guadalajara	Jalisco	📑	Semestral
Sistemas Computacionales	Instituto Tecnológico Superior de Misantla	Pública	Misantla	Veracruz	📑	Anual
Tecnología de Cómputo	Centro de Innovación y Desarrollo Tecnológico en Computo (CEDITEC), Instituto Politécnico Nacional (IPN)	Pública	Ciudad de México	Ciudad de México	📑	Semestral

Pies de página