Maestría en Optimización y Cómputo Aplicado

Perfil de ingreso

Los candidatos a ingresar a la MOCA deberán cubrir el perfil que se menciona a continuación:

  1. Contar con los conocimientos previos de licenciatura o ingeniería en Informática, Ciencias Computacionales, Computación, Tecnologías de la Información, Sistemas Computacionales, Matemáticas Aplicadas, Actuario, Ingeniería Industrial, Ingeniería Financiera e incluso Ingeniería Eléctrica o Electrónica con énfasis en computación o de otras carreras afines.
  2. Demostrar habilidades básicas para la investigación a través de la presentación de un anteproyecto en la entrevista.
  3. Acreditar comprensión de textos científicos en el idioma inglés, esto se avalará a través de un documento expedido por instituciones públicas o particulares que cuenten con reconocimiento de validez oficial de estudios (RVOE) vigentes en materia de idiomas.
  4. Demostrar conocimientos y habilidades básicas en algorítmica, programación y matemáticas.
  5. Responsable, con actitud positiva, con gusto por los retos y disposición a trabajar en equipo.
Perfil de Egreso
  1. El egresado contará con conocimientos, habilidades y actitudes que le permitan identificar, analizar y proponer esquemas de solución a problemas de investigación pertenecientes a Cómputo Aplicado y/o Optimización.
  2. El egresado contará con habilidades y actitudes para colaborar en grupos de investigación multidisciplinarios enfocados a la solución de problemas de ciencia básica y aplicada, a través de sus conocimientos en computación y matemáticas.
  3. El egresado contará con habilidades para lograr una idónea comunicación de los resultados de un proyecto de investigación, en forma escrita y oral.
  4. Estará capacitado para participar como docente para la formación de recursos humanos a nivel licenciatura.
  5. Contará con los conocimientos y habilidades para continuar con sus estudios de doctorado.
  6. Estará capacitado para incorporarse a la industria aportando su formación en el área para resolver problemas de Cómputo Aplicado y/o Optimización.
Competencias Específicas de egreso

A lo largo de su formación, el egresado de la Maestría en Optimización y Cómputo Aplicado, logrará los siguientes conocimientos, habilidades, actitudes y valores:

Conocimientos
  1. Solucionar un problema de optimización y/o cómputo aplicado mediante los conocimientos teóricos y prácticos adquiridos en la maestría en la academia o en la industria buscando el bienestar social.
  2. Investigar el estado del arte de un problema mediante la revisión de artículos científicos en inglés ubicado en los repositorios indexados internacionales.
  3. Plantear el modelo matemático de problemas de optimización y cómputo aplicado mediante la aplicación del método científico para economizar recursos para el desarrollo sostenible y sustentable.
Habilidades
  1. Colaborar en grupos de investigación multidisciplinarios a través de sus conocimientos en computación y matemáticas mediante la elaboración de proyectos conjuntos, incluyendo proyectos para el bienestar social.
  2. Difundir los resultados de su investigación o proyectos mediante su participación como expositor en congresos, seminarios y coloquios coadyuvando de manera indirecta en el bienestar social.
  3. Escribir los resultados de su proyecto de investigación mediante la redacción de la tesis de maestría
Actitudes
  1. Apertura a nuevas propuestas y enfoques de investigación que aporten nuevo conocimiento en temáticas de optimización y cómputo aplicado.
  2. Disposición para desarrollar investigación en equipo, a través de discusiones y búsqueda de información compartida, a fin de identificar puentes de interconexión entre disciplinas que aporten nuevo conocimiento.
  3. Colaboración con redes de investigación a través de proyectos de investigación, para producir nuevo conocimiento.
Valores
  1. Respetar los derechos de autor, empleando las técnicas de citación científica, para lograr productos con los criterios de investigación científica.
  2. Ser honesto en el trabajo intelectual, a partir del respeto de ideas entre sus compañeros y autores revisados, a fin de consolidar un sentido ético.
  3. Ser responsable con los compromisos que conllevan los estudios de maestría, mediante la entrega oportuna de los productos de investigación requeridos por la naturaleza del programa.
Objetivo General

Formar recursos humanos en Optimización y Cómputo Aplicado con preparación académica y científica, orientados a la investigación, capaces de identificar y proponer soluciones a problemas científicos, tecnológicos y de servicios.

Objetivos Particulares
  1. Proporcionar los fundamentos teóricos y metodológicos para identificar, entender y formular un problema científico y/o tecnológico, a través de la elaboración de modelos computacionales, desarrollo e implementación de algoritmos, simulación e interpretación de resultados.
  2. Desarrollar habilidades para realizar investigación y trabajar en equipos multidisciplinarios para la solución de un problema planteado.
  3. Desarrollar habilidades para redactar y presentar los resultados de investigación en foros académicos.
  4. Profundizar los conocimientos y los elementos necesarios en el área disciplinar que contribuya a cada proyecto de investigación.
Cursos
Cursos Básicos

Los cursos básicos establecen el conocimiento común que deben tener los estudiantes en el primer año del programa, orientarán el aprendizaje de los fundamentos teóricos que apoyan el desarrollo del proyecto de investigación.
A continuación, se presenta el listado de cursos básicos:

  • Matemáticas discretas
  • Algorítmica
  • Probabilidad y Estadística

Los cursos que tomará el estudiante suman un total de 18 créditos de los 90 que requiere el programa. Se recomienda que estos cursos se tomen en los primeros dos semestres.

Cursos disciplinares

Estos cursos establecen el conocimiento con base en el proyecto de investigación, desarrollándose la capacidad de análisis del estado del arte, el diseño y aplicación de las técnicas que den solución a la problemática de su proyecto de investigación. A continuación, se muestra el listado de cursos:

  • Teoría de la calendarización
  • Razonamiento formal
  • Complejidad de los Algoritmos
  • Teoría de la computación
  • Investigación de operaciones
  • Métodos heurísticos
  • Inteligencia Artificial
  • Algoritmos bioinspirados
  • Minería de datos y big data
  • Tratamiento digital de imágenes
  • Optimización Combinatoria
  • Modelos matemáticos para tópicos selectos de optimización
  • Cómputo paralelo
  • Redes Neuronales Artificiales
  • Simulación Monte Carlo
  • Estadística multivariada computacional
  • Optimización y multimedia aplicada con Matlab
  • Procesamiento digital de señales para aplicaciones a la multimedia
  • Sistemas para procesamiento en tiempo real
  • Programación Matemática
  • Laboratorio de Programación
  • Principios y paradigmas de programación
  • Taller de comunicación y divulgación de la ciencia

El listado de cursos disciplinares se complementa con el listado de tópicos selectos y de movilidad, en los cuales se pueden incluir contenidos de temas selectos para cubrir las demandas educativas y tecnológicas relevantes a las LGACs del posgrado, y el impulso a la movilidad estudiantil, de tal forma que el estudiante tiene la oportunidad de cursar asignaturas impartidas en otros programas de posgrado que pertenecen al PNPC, así como realizar estancias nacionales o en el extranjero. A continuación, se muestran los cursos de tópicos selectos:

  • Tópicos selectos de Optimización y Cómputo de alto rendimiento 1
  • Tópicos selectos de Optimización y Cómputo de alto rendimiento 2
  • Tópicos selectos de Sistemas, modelado y simulación 1
  • Tópicos selectos de Sistemas, modelado y simulación 2

El estudiante deberá cursar un total de cinco asignaturas de este eje, incluyendo cursos disciplinares y/o tópicos selectos. La selección de estos cursos disciplinares y cursos de tópicos selectos está en función de las necesidades del proyecto de investigación del estudiante y debe ser aprobado por su comité tutoral. Los cursos que tomará el estudiante suman un total de 30 créditos de los 86 que requiere el programa.

Seminarios metodológicos

Tienen el propósito de auxiliar al estudiante en su formación, en aspectos relacionados con su trabajo de investigación, tales como: actualización de conocimientos, estado del arte, escritura y presentación de resultados. En estos seminarios los estudiantes e investigadores presentan los avances de su investigación, con el objetivo de que los estudiantes logren una idónea comunicación de sus actividades de investigación y de los resultados de sus proyectos. El listado de seminarios es el siguiente:

  • Seminario Metodológico: Actualización de conocimientos en optimización y cómputo aplicado
  • Seminario Metodológico: Estado del arte
  • Seminario Metodológico: Metodología experimental
  • Seminario Metodológico: Escritura y presentación de resultados

Los seminarios que cursará el estudiante de este eje suman un total de 12 créditos de los 86 que requiere el programa.

Seminarios de Investigación

Estos seminarios orientan el proyecto de investigación que el alumno realiza durante su estancia en la MOCA. La materialización de este objetivo se concreta en la realización de una tesis, la cual se desarrolla durante los siguientes seminarios bajo la dirección de un tutor:

  • Seminario de Investigación: Protocolo de Investigación
  • Seminario de Investigación: Marco teórico
  • Seminario de Investigación: Implementación y pruebas
  • Seminario de Investigación: Análisis de resultados y conclusiones

El seguimiento del trabajo en cada uno de estos seminarios se realiza cada semestre por medio de un comité tutorial. Estos cursos correspondientes al desarrollo de la tesis, suman un total de 26 créditos de los 86 que requiere el programa.

Mapa Curricular

Eje formativo

Nombre del curso

Carga Horaria

Valor en créditos

Teórico

Básico

HT=2 HP=2

6

Básico

HT=2 HP=2

6

Básico

HT=2 HP=2

6

Disciplinar

Disciplinar

HT=2 HP=2

6

Disciplinar

HT=2 HP=2

6

Disciplinar

HT=2 HP=2

6

Disciplinar

HT=2 HP=2

6

Disciplinar

HT=2 HP=2

6

Metodológico

Actualización de conocimientos en optimización y cómputo aplicado

HT=2 HP=0

4

Estado del arte

HT=2 HP=0

4

Metodología experimental, escritura y presentación de resultados

HT=2 HP=0

4

Investigación

Seminario de Investigación: Protocolo de Investigación

HT=2 HP=0

4

Seminario de Investigación: Marco Teórico

HT=2 HP=2

6

Seminario de Investigación: Implementación y pruebas

HT=3 HP=2

8

Seminario de Investigación: Análisis de Resultados y Conclusiones

HT=3 HP=2

8

TOTAL

HT=36 HP=20

90

Número de Alumnos Matriculados por Cohorte Generacional

GENERACIÓN

NÚMERO DE ESTUDIANTES

1a Generación 2017-2019

10

2a Generación 2018-2020

10

3a Generación 2019-2021

08

Núcleo Académico
  • Dr. Luis Manuel Gaggero Sager(SNI III)
  • Dr. Nodari Vahkania Maidzuradze (SNI II)
  • Dr. Marco Antonio Cruz Chávez (SNI II)
  • Dra. Lorena Díaz González (SNI I)
  • Dr. Outmane Oubram (SNI I)
  • Dr. José Crispín Zavala Díaz (SNI I)
  • Dr. Federico Alonso-Pecina (SNI I)
  • Dr. Martin Gerardo Martínez Rangel (SNI C)
  • Dr. José Alberto Hernández Aguilar
Colaboración con otros sectores de la sociedad

El plan de estudios considera la vinculación de la MOCA con los diversos sectores de la sociedad, tanto públicos como privados y con centros de investigación a nivel nacional e internacional. La lista de instituciones con las que el NAB ha colaborado es extensa, entre las que se pueden señalar las siguientes:

En el ámbito nacional: Centro de Investigación en Energía (UNAM), Instituto de Ciencias Físicas (UNAM), Universidad Autónoma de Querétaro, Universidad Autónoma de Aguascalientes, Universidad Autónoma de Ciudad Juárez, Instituto Tecnológico de Zacatepec (ITZ-MORELOS, MEXICO), Universidad Tecnológica del ITSMO (UNISTMO-TEHUANTEPEC, OAXACA, MEXICO), Instituto de Matemáticas (UNAM), Centro Nacional de Investigación y Desarrollo Tecnológico, Universidad Autónoma de Ciudad del Carmen, Centro Nacional de Investigación, Desarrollo Tecnológico y el Instituto Nacional de Electricidad y Energías Limpias y la Universidad Autónoma de Yucatán .

En el ámbito internacional: Fakültat für Mathematik, Otto-Von- Guericke- Universität, Magdebürg Germany, Russian Academy of Sciences, Universidad Tecnológica de Honduras (UTH-Tegucigalpa/San Pedro Sula, Honduras), Universidad Nacional Autónoma de Honduras, Universidad de Málaga, España, Centro de Inteligencia Artificial de la Universidad de Oviedo (Asturias, España), Universidad Politécnica de Cataluña, España, The University of Nottingham (Reino Unido),Faculté des Sciences, Université Mohammed V-Agdal, Marruecos, Centro de cálculo de la academia de Ciencias Rusa.

Con el sector productivo: Gonet México y la Comisión Federal de Electricidad (Divisiones Centro Sur Oriente y Centro).
Con el sector público: Secretaría de Innovación, Ciencia y Tecnología del Gobierno del Estado de Morelos, Tribunal Superior de Justicia, entre otros.
Además, se podrán utilizar los convenios ya signados por la UAEM, entre los que se encuentran los de mayor pertinencia:

  • Instituto Morelense de Información Pública y Estadística
  • Pemex Gas
  • Comisión Nacional para el Conocimiento y Uso de la Biodiversidad
  • Forza Global

Cabe destacar que los estudiantes del programa se vinculan bajo las siguientes estrategias: estancias de investigación, desarrollo de tesis vinculadas a las empresas públicas y/o privadas, asesorías, seminarios, foros y coloquios dirigidos a las empresas.

Líneas de Generación y/o Aplicación del Conocimiento

Este posgrado cultiva las dos siguientes LGACs:

  1. Optimización y cómputo de alto rendimiento.
    En esta LGAC se modelan y resuelven diversos problemas a fin de encontrar la mejor solución de un espacio de soluciones factibles. Los problemas pueden ser de programación lineal, entera o mixta. La solución de estos problemas suele requerir del uso intensivo de cómputo de alto rendimiento.
  2. Sistemas, modelado y simulación.
    En esta LGAC se modelan, simulan y desarrollan sistemas que resuelven problemas en diferentes áreas de la ciencia e ingeniería, usando diversas técnicas como son redes neuronales artificiales, simulación Monte Carlo, minería de datos, estadística computacional, entre otras.
Relación de directores de tesis y de tutores
Primera generación
Segunda generación
Productividad Académica

LGAC*:
[1] Optimización y Cómputo de Alto Rendimiento.
[2] Sistemas, Modelado y Simulación.

MIEMBRO DEL NAB

LGAC*

ULTIMAS TRES PUBLICACIONES

Dr. Luis Manuel Gaggero Sager (SNI III)

[2]

2020 Model of n-type quadruple -doped GaAs quantum wells https://link.springer.com/article/10.1140/epjb/e2019-100412-7

2019 Bandgap engineering in aperiodic Thue-Morse graphene superlattices https://aip.scitation.org/doi/full/10.1063/1.5081750
2019 Optical absorption coefficient in n-type double delta-doped layers GaAs quantum wells https://www.worldscientific.com/doi/abs/10.1142/S0217979219502151

Dr. Nodari Vahkania Maidzuradze (SNI II)

[2]

2020 Simple Constructive, Insertion, and Improvement Heuristics Based on the Girding Polygon for the Euclidean Traveling Salesman Problem https://www.mdpi.com/1999-4893/13/1/5
2019 Fast solution of single-machine scheduling problem with embedded jobs https://www.sciencedirect.com/science/article/pii/S0304397519301483

2019 f-Polynomial on Some Graph Operations https://www.mdpi.com/2227-7390/7/11/1074

Dr. Marco Antonio Cruz Chávez (SNI II)

[1]

2020 A permutational-based Differential Evolution algorithm for feature subset selection https://www.sciencedirect.com/science/article/abs/pii/S016786552030060X 2020 The Time optimization for polynomial series using a long For in C https://www.ijcopi.org/ojs/article/view/170

2019 Hybrid Micro Genetic Multi-Population Algorithm with Collective

Communication for the Job Shop Scheduling Problem

https://ieeexplore.ieee.org/abstract/document/8743353

Dra. Lorena Díaz González (SNI I)

[2]

2020 APMdisc: An online computer program for the geochemical discrimination of siliciclastic sediments from active and passive margins http://journals.tubitak.gov.tr/earth/abstract.htm?id=26627
2020 Nueva discriminación multidimensional basada en la función discriminante de la cresta oceánica y la meseta oceánica https://www.sciencedirect.com/science/article/pii/S1674987120300268?via%3Dihub 2019 Evaluation of artificial neural networks for the prediction of deep reservoir temperatures using the gas-phase composition of geothermal https://www.sciencedirect.com/science/article/pii/S0098300418302929

Dr. Outmane Oubram (SNI I)

[2]

2020 Model of n-type quadruple delta-doped GaAs quantum wells https://link.springer.com/article/10.1140/epjb/e2019-100412-7
2019 Controlling the optical absorption properties of -FETs by means of contact voltage and hydrostatic pressure effects https://www.sciencedirect.com/science/article/abs/pii/S0749603617321110 2018 Asymmetrical external effects on transmission, conductance and giant

tunneling magnetoresistance in silicone

https://www.sciencedirect.com/science/article/abs/pii/S0749603617315744

Dr. José Crispín Zavala Díaz (SNI I)

[1]

2019 A Multi-Branch-and-Bound Binary Parallel Algorithm to Solve the Knapsack Problem 01 in a Multicore Cluster https://www.researchgate.net/publication/337843076_A_Multi-Branch-and- Bound_Binary_Parallel_Algorithm_to_Solve_the_Knapsack_Problem_0- 1_in_a_Multicore_Cluster

2019 Hybrid Micro Genetic Multi-Population Algorithm With Collective Communication for the Job Shop Scheduling Problem https://ieeexplore.ieee.org/abstract/document/8743353
2019 Short-term prediction of the closing price of financial series using a -machine model

https://www.sciencedirect.com/science/article/pii/S0378437119319739

Dr. Federico Alonso-Pecina (SNI I)

[1]

2019 Optimal allocation of public parking spots in a smart city: problem characterisation and first algorit https://www.tandfonline.com/doi/abs/10.1080/0952813X.2019.1591522?journalCod e=teta20

2018 A Hybrid Simulated Annealing/Linear Programming Approach for the Cover Printing Problem https://www.hindawi.com/journals/mpe/2018/6193649/#copyright
2017 A Simulated Annealing Approach for the Train Design Optimization Problem https://www.hindawi.com/journals/mpe/2017/4703106/

Dr. Martin Gerardo Martínez Rangel (SNI C)

[1]

2018 Big Data Analytics: una perspectiva multidisciplinaria para la mejora del proceso de toma
https://bonillaartigaseditores.com/ products/big-data-analytics-una-perspectiva- multidisciplinaria-para-la-mejora-de l-proceso-de-toma-de-decisiones-en-las- organizaciones-jose-alberto- hernandez-aguilar-y-jose-crispin-zavala-diaz-comp

2017 Sustratos como material de última generación
https://books.go ogle.es/books ?hl=es&lr=&id=inTFD gAAQBAJ&oi=fnd &pg=PP1&dq= Sustratos +como+material+de+%C3%BAltima+generac i%C3%B3n&ots=AAevqSd7z W&sig=B_jxkz2_6U3Q6nqS WpEgUd7ac5w#v=onepage& q=Sustratos%20como%2 0material%2 0de%20%C3%BAlti ma%20generaci%C3%B3n&f= false

2017 Accelerated simulated annealing algorithm applied to the flexible job shop scheduling problem
https://onlinelibrary.wiley.com/toc/14753995/2017/24/5

Dr. José Alberto Hernández Aguilar

[2]

2020 Study of the critical probability of percolation in a 3D simulation system with random radius in its pores for grids of variable size
https://www.researchgate.net/publi cation/34109157 1_Study_of_the_critical_pro babil ity_of_percolati on_in_a_3D_system_with_por es_of_rando m_radius_for_variable_gri ds

2020 ENTERPRISE DIMENSION OF THE E-GOVERNMENT: BACKGROUND OF A GENETIC ALGORITHM TO COLLABORATE WITH LOCAL ECONOMIC
https://www.researchgate.net /publication/3404 12775_ENTERPRISE_ DIMENSION_ OF_ THE_E- GOVERNMENT_BA CKGROUND_OF_A_GEN ETIC_ALGORITHM_T O_COLLABO RATE_W ITH_LOCAL_ECONOMIC_D EVELOPMENT

2019 Short-term prediction of the closing price of financial series using a e-machine model
https://ideas.repec. org/a/eee/phsmap/v545y2 020ics03784371 19319739.html


Estudiantes Estudiantes
Colaboración con otros sectores de la sociedad

El plan de estudios considera la vinculación de la MOCA con los diversos sectores de la sociedad, tanto públicos como privados y con centros de investigación a nivel nacional e internacional. La lista de instituciones con las que el NAB ha colaborado es extensa, entre las que se pueden señalar las siguientes:

En el ámbito nacional: Centro de Investigación en Energía (UNAM), Instituto de Ciencias Físicas (UNAM), Universidad Autónoma de Querétaro, Universidad Autónoma de Aguascalientes, Universidad Autónoma de Ciudad Juárez, Instituto Tecnológico de Zacatepec (ITZ-MORELOS, MEXICO), Universidad Tecnológica del ITSMO (UNISTMO-TEHUANTEPEC, OAXACA, MEXICO), Instituto de Matemáticas (UNAM), Centro Nacional de Investigación y Desarrollo Tecnológico, Universidad Autónoma de Ciudad del Carmen, Centro Nacional de Investigación, Desarrollo Tecnológico y el Instituto Nacional de Electricidad y Energías Limpias y la Universidad Autónoma de Yucatán .

En el ámbito internacional: Fakültat für Mathematik, Otto-Von- Guericke- Universität, Magdebürg Germany, Russian Academy of Sciences, Universidad Tecnológica de Honduras (UTH-Tegucigalpa/San Pedro Sula, Honduras), Universidad Nacional Autónoma de Honduras, Universidad de Málaga, España, Centro de Inteligencia Artificial de la Universidad de Oviedo (Asturias, España), Universidad Politécnica de Cataluña, España, The University of Nottingham (Reino Unido),Faculté des Sciences, Université Mohammed V-Agdal, Marruecos, Centro de cálculo de la academia de Ciencias Rusa.

Con el sector productivo: Gonet México y la Comisión Federal de Electricidad (Divisiones Centro Sur Oriente y Centro).
Con el sector público: Secretaría de Innovación, Ciencia y Tecnología del Gobierno del Estado de Morelos, Tribunal Superior de Justicia, entre otros.
Además, se podrán utilizar los convenios ya signados por la UAEM, entre los que se encuentran los de mayor pertinencia:

  • Instituto Morelense de Información Pública y Estadística
  • Pemex Gas
  • Comisión Nacional para el Conocimiento y Uso de la Biodiversidad
  • Forza Global

Cabe destacar que los estudiantes del programa se vinculan bajo las siguientes estrategias: estancias de investigación, desarrollo de tesis vinculadas a las empresas públicas y/o privadas, asesorías, seminarios, foros y coloquios dirigidos a las empresas.

Procesos Administrativos
Mecanismos de Ingreso
  1. La Comisión Académica del PE, emite una convocatoria a través de diversos medios de divulgación: posters, trípticos, anuncios insertados en la página electrónica institucional de la UAEM y de la FCAeI, spots o promocionales transmitidos en Radio UAEM, anuncios en la Gaceta Universitaria, entre otros.
  2. El aspirante interesado presentará toda la documentación requerida para registrarse como candidato al programa (solicitud, constancia de comprensión del idioma inglés y demás información requerida en la convocatoria).
  3. Realizar el pago correspondiente para ingresar su expediente.
  4. Presentar un examen de conocimientos. Para ingresar al Programa Académico, el aspirante deberá acreditar el examen de ingreso, el cual consta de tres secciones: algorítmica, programación y matemáticas. La calificación mínima aprobatoria será de 8.0.
  5. Presentar examen psicométrico en las fechas y lugares establecidos en su momento. El estudiante deberá pasar el examen para poder ser admitido en la maestría.
  6. El estudiante deberá entregar un anteproyecto de investigación acorde a las líneas del programa. Deberá de exponer su anteproyecto ante el Comité de Admisión “ad hoc” y deberá responder a los cuestionamientos durante su exposición y defensa.
  7. El inglés se acreditará mediante un examen de comprensión de lectura de textos científicos en computación. Es requisito para entrar a la maestría que el aspirante apruebe el inglés.
  8. La Comisión Académica del Programa Educativo se reúne para analizar los resultados de cada una de las etapas del proceso de selección, con base en la siguiente ponderación se seleccionan a los candidatos con el puntaje más alto que cumplan con la calificación mínima. La calificación mínima para ser aceptado será 80%.
  9. La Comisión Académica del PE envía una carta de aceptación a los candidatos seleccionados.
Requisitos de ingreso

De conformidad con el artículo 57 del Reglamento General de Estudios de Posgrado y criterios de calidad el Plan de Estudios, el aspirante para su aceptación e ingreso deberá cumplir con los siguientes requisitos, cuyos documentos deberá entregar por duplicado:

  1. Solicitud de inscripción al proceso de selección del programa educativo.
  2. Entregar currículum vitae con la documentación que lo soporte.
  3. Título profesional de licenciatura. Para el caso de que se encuentre en trámite su expedición, se deberá entregar constancia fehaciente del acta de examen correspondiente. En ambos casos, el documento deberá ser expedido por institución que cuente con reconocimiento oficial. En el caso de Títulos profesionales expedidos por una institución de educación superior no incorporada al Sistema Educativo Nacional, los documentos deberán estar debidamente reconocidos.
  4. Certificado de estudios de la licenciatura, en la que conste un promedio mínimo de 8.0. En el caso de estudiantes de instituciones con sistemas de evaluación en que los parámetros numéricos o de evaluación sean diversos, se requerirá la homologación de calificación aprobada por el Consejo Interno de Posgrado.
  5. Copia del acta de nacimiento.
  6. En el caso de los aspirantes extranjeros, cuya lengua materna no sea el español, deberán acreditar el dominio de este idioma y presentar el permiso migratorio emitido por la autoridad competente que le permita cursar el posgrado en la Universidad Autónoma del Estado de Morelos
  7. Copia de la Clave Única de Registro de Población.
  8. Las demás disposiciones que indique el Plan de Estudios.