Certificado en Inteligencia Artificial

· Conceptos fundamentales del lenguaje:

• Introducción a Python.
• Variables y tipos de datos.
• Operadores
• Estructuras de control.
• Colecciones
• Funciones del lenguaje.
• Módulos externos.
• Entrada/Salida.

· Aplicación en Machine Learning y Data Science:

• Nociones básicas de Análisis Exploratorio con Python.
• Librerías más populares de Python para la generación de gráficos y reportes.
• Uso de Python como herramienta de análisis y automatización.

Ciencia de Datos

• Conceptos básicos y reseña histórica del origen de la Ciencia de Datos.
• Diferencias entre Ciencia de Datos, Análisis de Datos, Inteligencia Artificial y Aprendizaje Automático.
• ¿Cómo se lleva a cabo la Ciencia de datos y de qué manera la Ciencia de Datos está transformando los negocios?
• Aplicaciones más conocidas de Aprendizaje Automático y Ciencias de Datos en el mundo real.
• Herramientas para Ciencia de Datos.
• Plataformas para proyectos de Ciencia de Datos.
• Casos de éxito. Analítica para la toma de decisiones y competitividad.
• Metodología para proyectos de Analítica.
• Preparación de datos estructurados.
• Analítica de Procesos.
• Conceptos e implementación de KPIs.
• Elaboración de Paneles de Control de Gestión (Control Dashboards).
• Herramientas de visualización, análisis e interpretación de visualizaciones.
• Riesgos y consideraciones al realizar proyectos de Analítica de Datos.
• Principios y métodos de anonimización.
• Tecnologías para analizar grandes volúmenes de datos.

Machine Learning

• Introducción al Machine Learning.
• Herramientas y tecnologías.
• Etapas del Machine Learning.
• Métricas y validación de modelos.
• Aprendizaje supervisado.
• Aprendizaje no supervisado.
• Aprendizaje por refuerzos.
• Problemas con modelados.
• MLOps.
• Ejemplos de uso. Discusión de lecturas.
• Proyecto guiado.