Programa Ejecutivo

Inteligencia Artificial y Machine Learning

Course ID
Inteligencia Artificial y Machine Learning

La irrupción de las nuevas tecnologías ha revolucionado la sociedad en múltiples aspectos, y uno de los ámbitos más impactados es la inteligencia artificial. La inteligencia artificial (IA) representa una poderosa herramienta en este proceso de transformación digital que estamos viviendo. Su influencia se extiende a la forma en que trabajamos, compramos y nos relacionamos en el mundo actual.

Objetivo general

Proporcionar los conceptos y las herramientas que le permitan al asistente, comprender los conceptos básicos y entender cómo las empresas de hoy pueden adoptar la inteligencia artificial en especial el machine learning para alcanzar sus objetivos profesionales.

  • Aprendizaje práctico y aplicabilidad.
  • La metodología está centrada en el análisis de casos reales, vinculados con los desafíos que plantean hoy la inteligencia artificial y el machine learning.

Requisitos de admisión

El Programa Ejecutivo está dirigido a toda persona relacionada a las carreras de Sistemas de Información, Informática, Estadísticas y afines que quieran entender y/o desarrollar estrategias de Machine Learning.

Programa

Módulo 1: Introducción a la IA

  • La IA como revolución social e industrial
    • Como afecta la IA a la vida de las personas
    • ¿Qué es la Inteligencia Artificial?
    • Historia y evolución de la IA
    • Presente y Futuro de la IA
  • El manejo de los Datos
    • Exploración de los Datos
    • Falencias en los Datos
    • Datos cualitativos y cuantitativos
    • Tratamientos sobre variables cualitativas
    • Tratamientos sobre variables cuantitativas
    • Transformación de Datos

Módulo 2: Programación Básica

  • Introducción
    • Concepto de programa
    • Datos, tipos de datos y operaciones primitivas
    • Constantes y variables
    • Expresiones
  • Estructuras Selectivas
    • Si-entonces
    • Si-entonces-sino
    • Sentencias anidadas
  • Estructuras Repetitivas
    • Mientras
    • Hacer-mientras
    • Repetir
    • Desde/para
    • Sentencias anidadas
  • Subprogramas
    • Subprogramas conceptos
    • Declaración de variables
    • Paso de parámetros

Módulo 3: Matemáticas

  • Nociones de Lógica
    • Proposiciones
    • Operaciones proposicionales
    • Leyes lógicas
  • Conjuntos
    • Determinación de conjuntos
    • Inclusión
    • Complementación
    • Intersección
    • Unión
    • Diferencia
    • Producto cartesiano
  • Funciones
    • Relaciones funcionales
    • Representación de funciones
    • Dominio y codominio

Módulo 4: Estadísticas

  • Estadística Descriptiva
    • Distribución de Frecuencias
    • Medidas
    • Percentiles
    • Cuartiles
  • Probabilidad
    • Espacio muestral
    • Eventos
    • Probabilidad
    • Variables
    • Tipos de distribución
  • Regresión y Correlación
    • Modelos de regresión
    • Ecuaciones normales
    • Regresión lineal

Módulo 5: Base de Datos

  • Introducción
    • Propósito de las bases de datos
    • Base de datos relacionales
    • Diseño de base de datos
  • Modelo Relacional
    • Estructura de base de datos relacional
    • Modelo entidad relación
    • Entidades débiles
    • Normalización
  • SQL
    • Lenguaje de definición de datos
    • Lenguaje de manipulación de datos
    • Consultas simples
    • Consultas avanzadas
  • No SQL
    • Estructuras de datos – Data Modeling.
    • Operaciones CRUD
    • Operadores de filtrado y actualización.
    • Inserciones, Actualizaciones y Eliminaciones.
    • Consultas avanzadas

Módulo 6: Machine Learning

  • Introducción
    • En qué consiste el Machine Learning y qué se diferencia de la Inteligencia Artificial y Deep Learning.
    • Conceptos básicos de Python.
  • Herramientas de Trabajo
    • Instalación Python + Jupyter.
    • Introducción a las librerías: Matplotlib.
  • Analítica de Datos
    • Manejo de Python para el análisis de datos con las principales librerías (numpy, pandas, scikit-learn).
    • Utilización de Librerías de Python para Cálculo Numérico y Análisis de Datos: NumPy, SciPy, Pandas, Numba.
  • Machine Learning
    • Algoritmos de machine learning en cada tipología.
    • Valoración de algoritmos más adecuados y optimización.
    • Diferentes tipos de machine learning para resolver problemas de clasificación, regresión, clustering y reglas de asociación.
    • Utilización de Librerías de Python para Machine Learning. Scikit-learn.