CURSO SOBRE INTELIGENCIA ARTIFICIAL

CURSO SOBRE 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.

OBJETIVOS GENERALES

-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.

-Que 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 podrían perder este curso

REQUISITOS PREVIOS

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

CONTENIDOS
UNIDAD 1: Introducción a la Programación con Python.
Configuración del entorno. Conceptos básicos de programación. Operaciones fundamentales. Declaración y uso de variables. Operadores lógicos. Ejercicios prácticos y aplicaciones.
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 ESPECÍFICA

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 DE CURSADA: Clases virtuales.

DURACIÓN: 60h sincrónicas y 30h asincrónicas. Total 90h

DÍAS Y HORARIOS DE CURSADA: MARTES de 18:30h a 20:30h

INICIO: Martes 17/09

FINALIZACIÓN: Martes 05/11