IA-ML | Inteligencia Artificial y el Aprendizaje Automático
 
El curso aborda temas cuya finalidad está destinada a comprender la importancia de la IA y el ML para poder aplicarlo en las distintas organizaciones a las cuales pertenecen los participantes.
 
Objetivos del curso
El participante comprenderá y aplicará la IA y el Aprendizaje Automático en los distintos campos actuales, además de tener un enfoque para incrementar el rendimiento en entornos empresariales.
 
Perfil de la audiencia
El participante comprenderá y aplicará la IA y el Aprendizaje Automático en los distintos campos actuales, además de tener un enfoque para incrementar el rendimiento en entornos empresariales.
 
Prerrequisitos
Contar con conocimientos de programación en Python.
Haber cursado Python Essentials o estar llevando Python Dev: sintaxis básica de Python, estructuras de datos, funciones, librerías y módulos, manejo de excepciones, manejo de archivos.
 
Versión de la tecnología
Python 3.12.3
 
Esquema del curso
Capítulo 1: Introducción a la Inteligencia Artificial
Objetivos
1.1. Definición de IA
1.2. Usos y aplicaciones
1.3. Historia
1.4. Evolución de la IA
1.5. Tipos
Resumen
Práctica 1. Comparación generacional en reconocimiento de voz
Referencias Bibliográficas
Capítulo 2: Fundamentos Machine Learning and Deep Learning
Objetivos
2.1. Introducción al aprendizaje automático
2.2. Tipos de aprendizaje automático
2.3. Neural Networks
2.4. Deep Learning
2.5. Aprendizaje reforzado
Resumen
Práctica 2. Primera red neuronal
Referencias Bibliográficas
Capítulo 3: Ejercicios Prácticos Técnicas ML
Objetivos
3.1. Scikit Learn
3.2. TensorFlow
3.3. Python
3.4. Sets de Datos
3.5. Modelos de ML
Resumen
Práctica 3. Aplicación real de una Red Neuronal
Referencias Bibliográficas
Capítulo 4: Estudios de casos y aplicaciones
Objetivos
4.1. IA en el cuidado de la salud
4.2. IA en finanzas
4.3. IA en el transporte
4.4. IA en la creación de arte
Resumen
Práctica 4. Aplicaciones prácticas de la Inteligencia Artificial
Referencias Bibliográficas
Capítulo 5: GPT
Objetivos
5.1. LLM
5.2. Prompt Engineering
5.3. Aplicaciones de los LLMs
5.4. GPT's Personalizados
5.5. ChatGPT para Excel
Resumen
Práctica 5. API GPT: DALL-E 3
Referencias Bibliográficas
Capítulo 6: Uso de Copilot para el aumento de eficiencia
Objetivos
6.1. Introducción a Copilot
6.2. Copilot para Excel
6.3. Copilot para Word
6.4. Copilot para PowerPoint
6.5. Copilot para Outlook
6.6. Copilot para Teams
Resumen
Demostración: IA en Programación: GitHub Copilot
Referencias Bibliográficas
 
Descargue el temario para conocer el detalle completo de los contenidos.
 
Debido a las constantes actualizaciones de los contenidos de los cursos por parte del fabricante, el contenido de este temario puede variar con respecto al publicado en el sitio oficial, sin embargo, Netec siempre entregará la versión actualizada de éste.