Diplomatura Inteligencia Artificial

Esta Diplomatura tiene como objetivo proporcionar a los/as estudiantes las habilidades necesarias para recopilar, analizar y visualizar datos utilizando el lenguaje de programación Python.
La capacitación busca que los/as participantes puedan desarrollar las habilidades básicas para la interpretación y la manipulación de datos de tipo estructurado por intermedio del uso de diversas librerías, incluyendo la aplicación de modelos de inteligencia artificial.

DURACIÓN DE LA CARRERA

3 meses

OBJETIVOS

Que el/la estudiante adquiera los conocimientos básicos de programación utilizando Python.
Que las/los estudiantes adquieran las bases que le permitan utilizar herramientas de Python para la limpieza y la transformación de datos, y a construir modelos de análisis de datos para resolver problemas empresariales y científicos.
Que el/la estudiante adquieran las bases del conocimiento del aprendizaje automático.
Que las/los estudiantes puedan transformar, modelar y visualizar los datos de una manera fácil y rápida.
Para que finalmente, el/la estudiante pueda implementar soluciones de Python con aplicación en IA.

DESTINATARIOS

Analistas, científicos/as e ingenieros/as de datos que deseen utilizar Python para realizar análisis estadísticos, manipulación, visualización y predicción de datos. Personas en general que deseen aprender cómo utilizar Python para procesar y analizar datos.

REQUISITOS

Manejo de PC. Conocimientos básicos de estadística. Comprensión básica de programación.

Contar con titulo secundario.

CONTENIDOS

  • UNIDAD 1: Introducción a la Programación con Python.
  • UNIDAD 2: Estructuras de Datos.
  • UNIDAD 3: Sentencias de control de flujo y funciones
  • UNIDAD 4: Programación orientada a objetos
  • UNIDAD 5: Análisis exploratorio, curación y visualización de datos I.
  • UNIDAD 6: Análisis exploratorio, curación y visualización de datos II.
  • UNIDAD 7: Aprendizaje automático, Regresión.
  • UNIDAD 8: Aprendizaje automático, Clasificación.
  • UNIDAD 9: Árboles de decisión.
  • UNIDAD 10: Support Vector Machines.
  • UNIDAD 11: Redes neuronales I.
  • UNIDAD 12: Redes neuronales II.

METODOLOGÍA ESPECIFICA

Cada clase inicia con una introducción teórica para explicar los conceptos del tema.  Luego, el docente presentará ejemplos concretos en Python para ilustrar la teoría y su aplicación. 
Los/as estudiantes tendrán la oportunidad de participar en actividades prácticas en tiempo real, aplicando lo aprendido y resolviendo nuevos casos. 
Además, se ofrecerán apuntes digitales como complemento a la bibliografía recomendada. 
En resumen, las estrategias del curso se centran en un enfoque práctico y participativo, buscando que los estudiantes obtengan un conocimiento profundo y significativo sobre los temas tratados.

MODALIDAD

Clases a distancia online en vivo de exposición del tema que corresponde a la semana en cuestión, más consultas.
Documentos PDF, scripts, ejemplos modelos, video tutoriales, todo de elaboración propia del docente a cargo.

LA CARRERA EN ACCIÓN