FACULTAD DE INGENIERÍA Y GESTIÓN

ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS

SÍLABO

I. DATOS GENERALES
1.1. Asignatura : Estructuras Discretas
1.2. Código : ISR0103
1.3. Semestre : 2025-II
1.4. Ciclo :I
1.5. Carácter : Obligatorio
1.6. Área : Estudios de Especialidad
1.7. Créditos :3
1.8. Pre requisito : Ninguno
1.9. Duración : 16 semanas
1.10. Horas Teóricas : 2
1.11. Horas Prácticas : 2
1.12. Horas totales :4
1.13. Docentes : Mg. Janett Deisy Julca Flores
[email protected]

II. SUMILLA

La Asignatura es de naturaleza teórico - práctico, y corresponde al área de estudios de especialidad de

la carrera de Ingeniería de Sistemas. Tiene como propósito conocer los fundamentos de las estructuras
discretas de computación que resultan fundamentales para la comprensión y resolución de problemas
reales mediante el computador. Presenta el siguiente contenido organizado en cuatro unidades: Lógica
y Demostraciones, Teoría de Grafos y árboles, Búsqueda, Ordenamiento y Recursividad; Aprendizaje
Automático.

III. COMPETENCIA
COMPETENCIA CAPACIDADES
Emplea la lógica y demostraciones, el lenguaje de las matemáticas y
relaciones para argumentar que un programa es correcto con un
Emplea herramientas de estructuras enfoque creativo y algorítmico.
discretas en la construcción de Aplica la teoría de grafos y árboles para la solución de problemas
modelos analíticos para la solución de computacionales con un enfoque creativo.
problemas computacionales con un Aplica algoritmos de búsqueda, ordenamiento y recursividad para la
enfoque algorítmico y creativo. solución de problemas computacionales con un enfoque creativo.
Aplica algoritmos de aprendizaje automático para la solución de
problemas con un enfoque creativo
 IV. PROGRAMACIÓN DE CONTENIDOS

UNIDAD DE APRENDIZAJE N° 1
Lógica y Demostraciones.
CAPACIDAD N° 1

Emplea la lógica y demostraciones, el lenguaje de las matemáticas y relaciones para argumentar que un programa es correcto
con un enfoque creativo y algorítmico
CONTENIDO CONTENIDO
SEMANA CONCEPTUAL CONTENIDO PROCEDIMENTAL ACTITUDINAL
Presentación del Sílabo. Explicación de las políticas del curso y los Interés por el estudio e
Conceptos Generales. rubros de evaluación. Identificación de investigación.
1 Proposiciones. Conceptos Generales en casos dados.
Cuantificadores. Resolución de ejercicios usando
proposiciones y cuantificadores.
Demostraciones. Inducción Resolución de ejercicios usando Participación activa.
matemática. demostraciones e Inducción matemática.
2

Conjuntos. Relaciones. Análisis de la Teoría de conjuntos y Responsabilidad en la

relaciones en el diseño y análisis de presentación de trabajos.
problemas computacionales relacionados
con base de datos, estructura de datos,
3
graficación, sistemas operativos, redes y
programación. Resolución de ejercicios de
conjuntos usando un lenguaje de
programación.
Análisis combinatorio. Resolución de ejercicios de Análisis Puntualidad y diligencia
combinatorio usando un lenguaje de académica en la presentación de
4 programación. trabajos.
Evaluación De Capacidad 1 (EC1)
EVIDENCIA DE LA CAPACIDAD 1: Informe que demuestra la lógica en enfoque o perspectiva real en interpretación algorítmica
cuantificadas.

UNIDAD DE APRENDIZAJE N° 2
Teoría de Grafos y Árboles
CAPACIDAD N° 2
Aplica la Teoría de grafos y árboles para la solución de problemas computacionales con un enfoque creativo.
CONTENIDO CONTENIDO
SEMANA CONTENIDO PROCEDIMENTAL
CONCEPTUAL ACTITUDINAL
Introducción a la teoría de Análisis y reflexión de la teoría de grafos. Interés por el estudio e
5 grafos. Trayectorias y ciclos. Resolución de ejercicios utilizando un lenguaje investigación.
Ciclos hamiltonianos de programación.
Algoritmo de la ruta más corta. Análisis y reflexión del algoritmo de ruta más Participación activa.
Representaciones gráficas. corta. Resolución de ejercicios utilizando un
6
Isomorfismo de gráficas. Gráficas lenguaje de programación
planas.
Árboles. Caracterización de Análisis y reflexión de la teoría de árboles. Puntualidad y diligencia académica
árboles. Árboles de Resolución de ejercicios utilizando un en la presentación de trabajos.
7
expansión. Árboles binarios. lenguaje de programación. Evaluación De
Capacidad 2 (EC2)
 Examen parcial
8 Proyección Social
EVIDENCIA DE LA CAPACIDAD 2: Informe, que plasma a través de grafos la interpretación real plasmados en lenguaje
computacional.
UNIDAD DE APRENDIZAJE N° 3
Búsqueda, Ordenamiento y Recursividad.
CAPACIDAD N° 3
Aplica algoritmos de búsqueda, ordenamiento y recursividad para la solución de problemas computacionales con un enfoque creativo.

CONTENIDO CONTENIDO
SEMANA CONTENIDO PROCEDIMENTAL
CONCEPTUAL ACTITUDINAL
Algoritmos de búsqueda: Instalación del IDE. Implementación de
9 Secuencial, Binaria y funciones algoritmos de búsqueda utilizando un lenguaje Interés por el estudio e
de programación. investigación.
hash.

Algoritmos de ordenamiento: Implementación de algoritmos de

Burbuja, Selección, Shell y Radix, ordenamiento utilizando un lenguaje de Participación activa.
10 programación.
QuickSort.
Implementación de funciones y
11 recursividad utilizando un Responsabilidad en la presentación
Recursividad.
lenguaje de programación. de trabajos.
Implementación utilizando un lenguaje de
12 Caso de aplicación. programación. Puntualidad y diligencia académica
Evaluación De Capacidad 3 (EC3) en la presentación de trabajos.

EVIDENCIA DE LA CAPACIDAD 3: Informe, que procesa información y plasma alternativas de solución utilizando enfoque
computacional.

UNIDAD DE APRENDIZAJE N° 4
Aprendizaje Automático
CAPACIDAD N° 4
Aplica algoritmos de aprendizaje automático para la solución de problemas con un enfoque creativo
CONTENIDO CONTENIDO
SEMANA CONTENIDO PROCEDIMENTAL
CONCEPTUAL ACTITUDINAL

Identificación de conceptos básicos sobre

13 Introducción al aprendizaje
aprendizaje automático. Implementación Participación activa.
automático. Algoritmo supervisado.
utilizando un lenguaje de programación.
Análisis y reflexión sobre los algoritmos:
Algoritmos: Regresión Lineal, Regresión Lineal, Regresión Logística, K-
Actitud crítica y responsabilidad en
14 Regresión Logística, K-Vecinos más Vecinos más próximo.
la presentación de trabajos.
próximo. Implementación utilizando un lenguaje de
programación.
Algoritmos: Árboles de Decisión. Análisis y reflexión sobre los algoritmos: Puntualidad y diligencia
Máquina de soporte vectorial. K- Árboles de Decisión. Máquina de soporte académica en la presentación
Medias vectorial. KMedias Implementación utilizando de trabajos.
15 un lenguaje de programación. Evaluación De
Capacidad 4 (EC4) Evaluación de Trabajo
Académico
16 Examen Final
EVIDENCIA DE LA CAPACIDAD 4: Informe final de un proyecto de investigación desarrollado con enfoque analítico crítico y
sistematizado.
V. METODOLOGÍA DEL PROCESO DE ENSEÑANZA-APRENDIZAJE

La metodología a utilizar en el curso es:

5.1. Enseñanza basada en resolución de problemas, casos y proyectos:

Que respondan a investigaciones que permitan integrar contenidos multidisciplinarios que
permitan entender la multicausalidad de los problemas y las posibilidades de soluciones en
función al contexto social.
5.2. Aprendizaje significativo:
Concebido como resultado de las acciones desarrolladas por el profesor desde la selección,
organización y presentación de los contenidos de las asignaturas a su cargo de manera que
incidan en forma directa e indirecta en el aprendizaje y logro de competencias de los
estudiantes.
5.3. Uso de Técnicas de simulación:
Uso de técnicas de simulación, para el aprendizaje basado en problemas, casos y proyectos,
mediante la creación de diferentes escenarios de aprendizaje, favoreciendo la evaluación
formativa

VI. SISTEMA DE EVALUACIÓN

EVALUACIÓN CÓD DETALLE PESO

Evaluación del aprendizaje de la primera unidad
Evaluación de Capacidad
EC1 (taller, laboratorio, control de lectura, foro en aula 10%
de la UA1
virtual, otros)
Evaluación del aprendizaje de la segunda unidad
Evaluación de Capacidad
EC2 (taller, laboratorio, control de lectura, foro en aula 10%
de la UA2
virtual, otros)
Evaluación Parcial EP Examen parcial de asignatura 20%
Evaluación del aprendizaje de la tercera unidad (taller,
Evaluación de Capacidad
EC3 laboratorio, control de lectura, foro en aula virtual, 10%
de la UA3
otros)
Evaluación de Capacidad Evaluación del aprendizaje de la cuarta
EC4 unidad (taller, laboratorio, control de lectura, foro en 10%
de la UA4
aula virtual, otros)
Trabajo aplicativo TA Investigación Formativa 20%
Evaluación Final EF Examen final de asignatura 20%

PF = (40) EC + 20(EP) + 20(EF) + 20(TA)

100

EC= (EC1 + EC2 + EC3 + EC4)/4

Al finalizar el ciclo el alumno habrá logrado una calificación final de acuerdo a la escala
vigesimal donde:
 Aprobado : De 10.50 a 20
Desaprobado : De 00 a 10.49

VII. FUENTES DE INFORMACIÓN

7.1 BÁSICA

● Rosen K. H. (2004). Matemática Discreta y sus Aplicaciones. Quinta edición. Madrid,

España. McGraw-Hill
● García F.(2007). Problemas resueltos de Matemática Discreta. Madrid, España. Thomson
Editores Spain
● R. Johnsonbaugh (2005). Matemáticas discretas. Sexta edición. Madrid, España.
McGraw-Hill
● R. Grimaldi. (2005). Matemáticas Discreta y Combinatoria. Tercera Edición. Prentice Hall
7.2 COMPLEMENTARIA
● Kolman B. Busby R. Ross S. (2005). Estructuras de Matemáticas para la computación. Tercera
Edición. Prentice Hall
● Abril Fernández, M. Y. Sánchez Hernández, Y. J. & Martínez Montaña, M. (2022). Matemáticas
Discretas: con un enfoque desde la ingeniería y ciencias sociales: conceptos básicos: (1 ed.). Editorial
UPTC. https://elibro.net/es/lc/untels/titulos/231882
● García Muñoz, M. Á. (2017). Matemática discreta para la computación: nociones teóricas y problemas
resueltos: ( ed.). Universidad de Jaén. https://elibro.net/es/lc/untels/titulos/59076
● Villalpando Becerra, J. F. (2014). Matemáticas discretas: aplicaciones y ejercicios: ( ed.). Grupo
Editorial Patria. https://elibro.net/es/lc/untels/titulos/39454
7.3 RESULTADOS DE INVESTIGACIONES
● De la Cruz Quispe, Victor Raul (2019). “Diseño De Un Modelo Predictivo Basado En Machine Learning
Para El Control De La Deserción De Estudiantes En La Universidad Ricardo Palma”
http://repositorio.untels.edu.pe/jspui/handle/123456789/282

Villa El Salvador, 5 de agosto del 2025