Objetivos

La Diplomatura en Inteligencia Artificial con Python se propone proporcionar a los participantes una formación integral. Busca brindar una comprensión sólida de los fundamentos de programación en Python, desarrollar habilidades en matemáticas aplicadas esenciales para la inteligencia artificial, capacitar en técnicas avanzadas de análisis de datos con Python y explorar áreas clave como aprendizaje automático, procesamiento de imágenes y procesamiento del lenguaje natural. Con un enfoque práctico respaldado por la realización de proyectos reales, la Diplomatura aspira a preparar a los participantes no solo con conocimientos teóricos, sino también con competencias sólidas para abordar desafíos específicos en el campo laboral de la inteligencia artificial.

Además, se busca brindar a los estudiantes las herramientas necesarias para trabajar eficientemente en el campo de la Inteligencia Artificial. Se pretende que comprendan los conceptos fundamentales de la disciplina, abarcando temas como Machine Learning, Deep Learning, Computer Vision y los diferentes tipos de algoritmos utilizados en A.I. Este enfoque holístico garantiza que los participantes estén equipados con una base sólida y aplicable en entornos laborales de la vida real, preparándolos para enfrentar con confianza los desafíos del mundo de la inteligencia artificial.

Lo que aprenderás

Los participantes de la Diplomatura en Inteligencia Artificial con Python adquirirán un conjunto integral de habilidades durante el programa educativo. Comenzando con la base de programación en Python, avanzarán en la aplicación de conceptos matemáticos esenciales y en el análisis de datos. Explorarán áreas clave, como aprendizaje automático, procesamiento de imágenes y procesamiento del lenguaje natural, sustentando este enfoque mediante la participación en proyectos reales. Esta metodología no solo permite obtener conocimientos teóricos, sino que también facilita el desarrollo de competencias sólidas para abordar desafíos específicos en el campo de la inteligencia artificial.

Al completar la Diplomatura, los participantes alcanzarán un nivel avanzado en programación en Python, aplicarán conceptos matemáticos en problemas y proyectos relacionados con inteligencia artificial, dominarán técnicas avanzadas de análisis de datos, implementarán y comprenderán algoritmos de aprendizaje automático, adquirirán habilidades en el procesamiento de imágenes y su aplicación en contextos de inteligencia artificial, desarrollarán competencias en el procesamiento del lenguaje natural y obtendrán experiencia práctica a través de proyectos reales que simulan situaciones del campo laboral de la inteligencia artificial. Esta estructura proporciona una visión clara de los objetivos generales del curso y lo que los participantes aprenderán durante su trayecto educativo, asegurando una preparación integral para enfrentar los desafíos de la inteligencia artificial.

Programa Académico

Unidad 00: Nivelación (Optativa)

• Programación lógica
• Bases de datos relacionales y no relacionales
• Probabilidad y Estadística

Unidad 01: Introducción a Python

• Tipos de datos y estructuras de control
• Listas, tuplas, diccionarios y conjuntos
• Módulos y funciones
• Python ejecutable: Bash, VSCode
• Introducción a POO

Unidad 02: Matemáticas para IA

• Vectores y Matrices
• Factorización
• Funciones, derivadas e integrales
• Optimización, SGD, convexidad
• Elementos de Probabilidad y Estadística

Unidad 03: Análisis de datos

• Análisis exploratorio: Uso de bibliotecas
• Indexado, Agrupación y Agregación, Pivot Table y Joins
• Visualización
• Data Wrangling
• Conexiones a bases de datos

Unidad 04: Machine Learning

• Introducción al Aprendizaje Automático
• Regresión lineal simple
• Regresión lineal múltiple
• Evaluación de modelos
• Regularización y Feature Engineering
• Clasificación – Regresión logística
• Métodos supervisados no paramétricos
• Métodos de ensamble (Bagging, Boosting)
• Boosting de árboles
• Detección de anomalías y shap values
• Webscrapping: APIS, ChromeDevTool, Selenium, XPath
• Series de tiempo
• Aprendizaje no supervisado: clustering
• Reducción de Dimensionalidad
• Redes bayesianas
• Sistemas de recomendación
• Uso de LLMs para hacer operaciones de ML

Unidad 05: Deep Learning

• Introducción a Deep Learning
• Redes neuronales de una capa
• Redes neuronales multicapa
• MLP a medida: uso de Keras
• Selección de modelos: búsqueda de parámetros
• Algoritmos de optimización
• Sistemas de recomendación
• Introducción al Reinforcement Learning

Unidad 06: Computer vision

• Introducción al Procesamiento de Imágenes
• OpenCV
• Redes convolucionales (CNNs)
• Arquitecturas CNNs modernas
• Uso de modelos preentrenados
• Detección de objetos
• Segmentación semántica
• Modelos Generativos, GANs y VAEs

Unidad 07: Procesamiento del lenguaje natural

• Introducción a NPL, alternativas a DL
• RNNS, Arquitecturas RNNs modernas
• Embeddings
• Aplicaciones de RNN
• Mecanismos de atención, Atención en RNNs
• Transformers
• Aplicaciones de BERT

Modalidad de cursada

• Modalidad a distancia de forma Online.
• Clases por videoconferencias interactivas, una teórica y una práctica. La duración de cada clase es de aproximadamente una hora.
• El alumno deberá realizar cierta actividad complementaria con material de soporte de las clases, trabajos con enfoque práctico y proyectos reales orientados a la Ciencia de Datos.

Fechas y horarios

Precio:
Con tarjetas de crédito……………………. $1.345.183 en 6 cuotas sin interés
Transferencia bancaria 25% OFF…….. $941.628