Estudiar Ingeniería

Objetivos y descripción

El participante incorporará los conocimientos necesarios que le permitirán un manejo de los datos que hacen al tratamiento de la información para su transformación en acciones y decisiones de éxito,  a través de la utilización del lenguaje de programación Python, y disciplinas como Ciencia de Datos y Machine Learning.

Destinatarios del Certificado en Inteligencia Artificial

Estudiantes, técnicos y público en general interesados en adquirir las habilidades necesarias en el lenguaje Python, la toma de decisiones a partir de datos y la utilización de herramientas de aprendizaje automático base para introducirse en el mundo de la Inteligencia Artificial.

Próximo inicio

Consultar.

Régimen

Lunes y miércoles de 18:00 a 19:45.

Duración

63 hrs.

Modalidad:

  • Clases sincrónicas (docente en vivo).

Evaluación

  • Evaluación en línea vía cuestionario de opción múltiple: 40 preguntas.
  • Es necesario obtener el 70% para aprobar.

Temario Certificado en Inteligencia Artificial

Programación Python

· 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.

Contáctenos para información del Certificado en Inteligencia Artificial

    (pulse enviar y reciba confirmación tras unos segundos)

    Formulario de información protegido por la política de privacidad de Google y sus términos y servicios.