course-premium

Diplomado en inteligencia artificial

4.0
1 opinión
  • Ok
    |

Diplomado

Online

Precio a consultar

Llama al centro

Descripción

  • Tipología

    Diplomado

  • Metodología

    Online

  • Horas lectivas

    135h

  • Duración

    8 Meses

Recientes avances en el área de IA, en particular, la aparición de técnicas de aprendizaje profundo, han abierto la puerta para superar uno de los principales desafíos históricos del área: la capacidad de percibir semánticamente fuentes no estructuradas de información, tales como imágenes, audios o textos. Esto ha dado pie a una avalancha de nuevas aplicaciones que, en diversos ámbitos, han incluso alcanzado un nivel de exactitud similar al de un humano. Reconocimiento facial en imágenes, análisis automático de textos, interacción en lenguaje natural en formato de chat, control de asistentes virtuales, son ejemplos de una larga y creciente lista de aplicaciones comerciales aparecidas recientemente, cuyo eje común es el uso de módulos de aprendizaje profundo, los que han emergido como la tecnología habilitante para percibir patrones semánticos desde datos multidimensionales.

Hoy, una primera generación de estas tecnologías se encuentra disponible a través de diversas fuentes de dominio público, existiendo una amplia gama de plataformas de desarrollo y soluciones de código abierto. Esto representa un escenario inusual para una nueva tecnología, abriendo una oportunidad única, tanto para su uso, como para el desarrollo de innovadoras aplicaciones. En este contexto, el principal objetivo del diplomado en IA es entregar competencias que permitan comprender, manipular y aplicar estas nuevas tecnologías, así como también entender sus desafíos futuros, tanto en el ámbito tecnológico como en el ético.

A tener en cuenta

- Explicar conceptos y técnicas relevantes al estado del arte en el área de IA.
- Aplicar conceptos y técnicas relevantes al paradigma de aprendizaje profundo, especialmente su aplicación a datos no estructurados como texto, audio, imágenes y video.
- Aplicar las principales herramientas y modelos disponibles en código abierto o disponibles mediante API (ej: chatGPT de OpenAI) para el desarrollo de soluciones basadas en IA.

Profesionales y/o emprendedores relacionados con el desarrollo de soluciones que requieran o se beneficien de la incorporación de tecnologías basadas en inteligencia artificial en sus productos, así como también a profesionales del ámbito de las tecnologías de información que participen en iniciativas asociadas a la incorporación de soluciones basadas en inteligencia artificial en sus empresas o instituciones.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

4.0
  • Ok
    |
100%
1.9
aceptable

Valoración del curso

Lo recomiendan

Valoración del Centro

marco perez

4.0
01/11/2021
Sobre el curso: Ok
¿Recomendarías este curso?:
*Todas las opiniones recolectadas por Emagister & iAgora han sido verificadas

Materias

  • Inteligencia artificial
    1

    1 alumnos indicaron haber adquirido esta competencia o habilidad

  • Tecnología de la Información
  • Análisis de datos
    1

    1 alumnos indicaron haber adquirido esta competencia o habilidad

  • Aprendizaje máquina
  • Aprendizaje profundo
  • Redes neuronales
  • Funciones de activación
  • Grafos de cómputo
  • Modelos relacionales

Profesores

Álvaro Soto

Álvaro Soto

Ph.D. in Computer Science, Carnegie Mellon University, (EE.UU).

Ph.D. in Computer Science, Carnegie Mellon University, (EE.UU). Master of Science, Louisiana State University (EE.UU). Su área principal de trabajo es el estudio y desarrollo de nuevas técnicas de aprendizaje de máquina para la extracción de conocimiento desde grandes fuentes de datos no estructurados. Profesor Asociado Departamento de Ciencia de la Computación, Escuela de Ingeniería UC.

Temario

Seminario introducción a la Inteligencia Artificial y Aprendizaje de Máquina

  • Introducción a IA y aprendizaje de máquina.
  • Comprender los desafíos inherentes al aprendizaje de máquina.
  • Algoritmo de vecinos cercanos, su relación al aprendizaje profundo y el escenario de Big Data.
  • Redes neuronales tradicionales y mecanismos esenciales de aprendizaje automático.
  • Introducción al aprendizaje profundo.


Curso: Inteligencia Artificial I

  • Parte 1: Aprendizaje Profundo I
  1. Redes neuronales convolucionales.
  2. Arquitecturas de redes convolucionales.
  3. Ambientes de trabajo de dominio público para implementación de modelos de aprendizaje profundo.
  4. Redes neuronales recurrentes.
  5. Modelos de secuencia a secuencia.
  6. Mecanismos de atención.
  7. Redes relacionales y Transformer.
  8. Implementación de modelos y entrenamiento (principalmente usando Python y Pytorch).
  • Parte 2: Aprendizaje Profundo II
  1. Funciones de activación.
  2. Funciones de pérdida y regularización en aprendizaje profundo.
  3. Gráfos de cómputo.
  4. Algoritmos de optimización para entrenar modelos de aprendizaje profundo.
  5. Herramientas de entrenamiento: learning rate, dropout, batch-normalization, inicialización de parámetros.
  6. Refinamiento de modelos, transferencia de conocimiento y data augmentation.
  7. Tareas auxiliares.


Curso: Inteligencia Artificial II

  • Parte 1: Modelos Relacionales y de Refuerzo
  1. Redes neuronales de grafos.
  2. Aprendizaje reforzado.
  3. Aprendizaje por imitación.
  4. Aprendizaje reforzado inverso.
  5. Modelos generativos con adversario.
  6. Recomendación.
  • Parte 2: Tópicos de Profundización
  1. Olvido catastrófico y aprendizaje incremental.
  2. Modelos con memoria externa.
  3. Modelos de auto supervisión.
  4. Razonamiento en modelos de aprendizaje profundo.
  5. Meta aprendizaje.

.
Curso: Aplicaciones de Inteligencia Artificial I

  • Parte 1: Reconocimiento Visual
  1. Introducción al análisis de imágenes usando modelos de aprendizaje profundo.
  2. Redes neuronales totalmente convolucionales para reconocimiento visual.
  3. Modelos pre-entrenados para reconocimiento de objetos.
  4. Modelos pre-entrenados para detección de poses humanas.
  5. Modelos para reconocimiento visual de texto.
  6. Modelos de pregunta-respuesta con input visual.
  7. Exploración de set de datos públicos para entrenar modelos de reconocimiento visual
  8. Hardware y tips para trabajar con modelos profundos.
  9. Aplicaciones.
  • Parte 2: Procesamiento de Lenguaje Natural
  1. Introducción al procesamiento de lenguaje natural.
  2. Modelos de lenguaje.
  3. Word Embeddings como Word2Vect y GloVe.
  4. Modelos pre-entrenados para procesamiento de lenguaje natural (Elmo, Bert, GPT, ChatGPT).
  5. Modelos de pregunta-respuesta.
  6. Exploración de set de datos públicos para procesamiento de lenguaje natural.
  7. Generación de resúmenes.
  8. Aplicaciones.


Curso: Aplicaciones de Inteligencia Artificial II

  • Parte 1: Análisis de Videos
  1. Introducción al análisis de video usando modelos de aprendizaje profundo.
  2. Reconocimiento de acciones y actividades en video.
  3. Seguimiento de personas u obbjetos en video.
  4. Modelos pre-entrenados para análisis de video.
  5. Exploración de set de datos públicos para entrenar modelos de análisis de video.
  6. Aplicaciones.
  • Parte 2: Análisis de Audios
  1. Introducción al análisis de audios.
  2. Modelos pre-entrenados para reconocimiento de sonidos.
  3. Modelos pre-entrenados para reconocimiento de voz.
  4. Exploración de set de datos públicos para entrenar modelos de análisis de audio.
  5. Generación de Deep Fakes (audio + video).
  6. Aplicaciones.
Seminario de ética en el desarrollo de Inteligencia Artificial
  1. IA y el mundo del trabajo.
  2. IA y privacidad.
  3. IA y manejo de sesgos en opinión pública.
  4. IA y responsabilidad civil.

Llama al centro

Diplomado en inteligencia artificial

Precio a consultar