Magíster en Ciencias de la Ingeniería

FÍSICA Y MECÁNICA APLICADAS

Quienes opten por esta mención pueden especializarse en alguna de las siguientes líneas de investigación:

Mecánica de Fluidos: Entendiendo como fluidos a cualquier medio continuo líquido o gaseoso, esta línea de investigación se encarga de poner como objeto de estudio el movimiento de los fluidos, así como las fuerzas que lo provocan. Esto en el contexto de la física fundamental tanto de las aplicaciones industriales y medio ambientales.

Medios Granulares: Los materiales granulares son constituidos por elementos macroscópicos de carácter discreto en los que las fluctuaciones térmicas no juegan un rol significativo. Esta línea de investigación busca relacionar el comportamiento de sus componentes con el del conjunto. Así, contribuye tanto a la física fundamental de la materia fuera del equilibrio, como a la resolución de problemas propios de las industrias farmacéutica, minera, agroalimentaria así como a sistemas medioambientales.

Análisis estructural de materiales: Esta línea de investigación apunta a describir y optimizar las propiedades de la materia desde el estudio de sus componentes estructurales hasta el nivel atómico. Esto incluye la caracterización a través de técnicas destructivas y no destructivas de microscopía electrónica, reológicas, de difracción de rayos X, ópticas, entre otras. Las aplicaciones de esta línea se orientan tanto a industrias como la minera, metalúrgica, metalmecánica y farmacéutica como a disciplinas como las ciencias de materiales, geología y nanotecnología.

Propagación de ondas: Esta línea de investigación estudia la física de la propagación de ondas mecánicas en medios sólidos o fluidos. Dentro de la línea de investigación se desarrollan aplicaciones relacionadas a la caracterización de materiales y a la generación de imágenes médicas y geológicas.

Los académicos vinculados a estas líneas son:

Gustavo Castillo

David Espíndola

Pablo Gutiérrez

Domingo Julián

GESTIÓN DE OPERACIONES

Quienes opten por esta mención pueden especializarse en alguna de las siguientes líneas de investigación:

Decisiones basadas en datos: El objetivo de esta línea es el estudio de modelos de decisión que consideren un uso intensivo de los datos existentes. Dentro de los temas a estudiar está la modelación de la incertidumbre inherente en problemas de decisión a través de datos, el aprendizaje de preferencias de usuarios de sistemas de apoyo a las decisiones, modelos de aprendizaje con foco en el proceso de decisión y el desarrollo de heurística que aprendan de soluciones pasadas.

Diseño de algoritmos para problemas a gran escala: El objetivo de esta línea es el estudio y diseño de modelos y algoritmos para encontrar soluciones a problemas en el área de gestión operaciones donde la naturaleza de las decisiones implica trabajar con una gran cantidad de datos, variables y escenarios. Estos problemas aparecen frecuentemente en diversas aplicaciones en la industria y son típicamente difíciles computacionalmente, y por lo que se requiere el diseño de algoritmos y heurísticas que puedan encontrar soluciones de forma eficiente.

Diseño de Mercados: El objetivo de esta línea es el estudio de modelos y herramientas para crear o rediseñar mercados y plataformas, tratando de maximizar el bienestar o utilidad social. A medida que los mercados crecen, los agentes están expuestos a grandes cantidades de información y, en consecuencia, deben tomar decisiones que pueden requerir cálculos intensivos. En esta línea se estudia la confluencia entre los incentivos que surgen en los mercados o plataformas y los problemas computacionales asociados al manejo de una gran cantidad de información, muchas veces en tiempo real.

Los académicos vinculados a estas líneas son:

Víctor Bucarey

Waldo Gálvez

Gonzalo Muñoz

Diego Muñoz

David Salas

Víctor Verdugo

Rodrigo Verschae

MODELAMIENTO E INTELIGENCIA ARTIFICIAL

Quienes opten por esta mención pueden especializarse en alguna de las siguientes líneas de investigación:

Optimización y Algoritmos: La optimización se refiere a los métodos y técnicas para encontrar eficientemente una solución que permita seleccionar al mejor elemento de un conjunto dado respecto a un criterio dado. El objetivo de esta línea es desarrollar teoría y estudiar técnicas algorítmicas para resolver problemas de optimización discretos, continuos, de gran escala (típicamente provenientes de aprendizaje de máquinas e inteligencia artificial) y problemas sujetos a incertidumbre.

Biología Matemática: Las interacciones entre las entidades vivas y su entorno, además de la capacidad de la materia viva en modificar sus propias estructuras como su nicho ha sido una interrogante que, por su complejidad, ha requerido el desarrollo de modelos matemáticos y computacionales para explorar hipótesis que a través de la experimentación no resulta posible. A su vez, estas interrogantes han nutrido a la matemática de la necesidad de desarrollar teorías que engloban dichos marcos teóricos. El objetivo de esta línea es desarrollar teoría y estudiar técnicas de análisis funcional, ecuaciones diferenciales y modelos estocásticos, con foco en la resolución de problemas complejos provenientes de diferentes sistemas vivos, a la vez de potenciar la interacción con otras disciplinas tales como la ecología, agronomía, las neurociencias, la epidemiología, entre otras.

Visión Computacional e Inteligencia Artificial: La inteligencia artificial se refiere a la simulación de la inteligencia humana en las máquinas. Los objetivos de la inteligencia artificial son el aprendizaje, el razonamiento y la percepción. En particular la visión computacional es un campo de la inteligencia artificial (IA) que permite a los computadores y sistemas obtener información significativa a partir de imágenes digitales, vídeos y otras entradas visuales, y emprender acciones o hacer recomendaciones basadas en esa información. El objetivo principal de esta línea es desarrollar teoría y técnicas de visión computacional y aprendizaje de máquinas, para que a partir de modelos, datos, y algoritmos, los computadores (la IA) puedan extraer información de distintas fuentes de datos, así como comprender y aprender de su entorno, y tomar decisiones y acciones en base estos.

Los académicos vinculados a estas líneas son:

Cristóbal Quiñinao

Anton Svensson

David Salas

David Sossa

Pedro Pérez

Emilio Vilches

Rodrigo Verschae