Curso Introducción y fundamentos de inteligencia artificial y Aprendizaje Automático
30 horas
Presencial / Virtual Class
Precio por alumno: consultar
Precio de grupo: consultar
Este curso está diseñado para proporcionar una comprensión exhaustiva de la inteligencia artificial (IA) y el Aprendizaje Automático (ML), desde sus raíces históricas hasta los desafíos éticos y regulatorios actuales.
A lo largo del curso, los alumnos explorarán el ciclo de desarrollo del ML, diversos modelos y técnicas estadísticas, aplicaciones prácticas y los problemas sociales relacionados con la IA.
Esta formación proporciona conocimientos esenciales sobre la vanguardia de la tecnología en IA. Con este curso, estarán equipando a sus equipos con conocimientos fundamentales y actualizados sobre IA y Aprendizaje Automático, y con una comprensión crítica de las implicaciones éticas y sociales de estas tecnologías.
Este enfoque integral no solo amplía la base de conocimiento técnico dentro de la empresa, sino que también prepara a las personas para liderar con responsabilidad en la adopción y aplicación de soluciones de IA, garantizando que la innovación se maneje con una conciencia ética y socialmente responsable.
Requisitos:
Ninguno
Dirigido a:
Este curso está dirigido a científicos de datos, ingenieros de ML, estudiantes avanzados de tecnología y profesionales interesados en profundizar en el campo de la IA y el ML.
Objetivos:
- Obtener una perspectiva histórica y comprender la evolución de la IA y el ML.
- Aprender el ciclo completo de desarrollo de proyectos de ML, desde la conceptualización hasta la implementación.
- Explorar diferentes modelos y tareas de ML, y cómo aplicarlos en situaciones reales.
- Discutir las implicaciones éticas, sociales y regulatorias del uso de la IA.
Contenidos
- Historia de la Inteligencia Artificial y el Aprendizaje Automático
- Orígenes y evolución histórica desde los primeros conceptos hasta la era moderna de redes neuronales y deep learning
- Hitos importantes, desarrollos clave y figuras influyentes en el campo
- Impacto tecnológico y cultural
- El ciclo de desarrollo del Aprendizaje Automático
- Pre procesamiento, limpieza de los datos
- Análisis exploratorio de los datos
- Diseño de rasgos
- Elección de modelos de Aprendizaje Automático
- Entrenamiento. Evaluación. Implantación
- Los modelos principales de Aprendizaje Automático
- Redes neuronales
- Redes neuronales profundas
- Modelos de Lenguaje Grandes LLMs
- Generación Aumentada por Recuperación (RAG)
- K-Nearest Neighbors (KNN)
- Support Vector Machines (SVM)
- Aprendizaje por refuerzo y aprendizaje supervisado
- Conceptos estadísticos y tareas de Aprendizaje Automático
- Distribuciones probabilísticas
- Mediciones de error
- Pruebas de hipótesis
- Regresión lineal y logística
- Clasificación
- Regresión
- Categorización (clustering)
- Procesamiento del lenguaje natural (PLN)
- Visión artificial y reconocimiento de imágenes
- Robótica
- Aplicaciones de Aprendizaje Automático
- Sistemas de recomendación
- Reconocimiento de imágenes
- Procesamiento del lenguaje natural
- Problemas sociales, estándares y regulaciones
- Extractivismo
- Sesgo y discriminación en la IA
- Privacidad y vigilancia
- Automatización, empleo y desigualdad económica
- Huella ambiental
- Cibercrimen
- Futuros de la ia y escenarios distópicos
- Regulación nacional e internacional sobre IA
Catálogo 2024
Conoce nuestra oferta formativa para este año: