Taller de Inteligencia Artificial y Machine Learning
 
Objetivos del curso
El estudiante comprenderá los alcances de la IA y el Aprendizaje Automático.
 
Perfil de la audiencia
Orientado a cualquier profesional.
 
Requisitos previos
Conocimientos básicos de programación, Internet
 
Esquema del curso
Capítulo 1: Introducción a la Inteligencia Artificial
Objetivos:
Comprender los conceptos básicos de la IA y sus aplicaciones.
Aprender sobre la historia de la IA y su evolución.
Temas:
Definición de IA
Aplicaciones de la IA
Historia de la IA
Evolución de la IA
Tipos de IA
Referencia Bibliográfica:
Artificial Intelligence: A Modern Approach by Stuart Russell and Peter Norvig
Resumen:
La IA es la simulación de la inteligencia humana en máquinas que pueden realizar tareas que típicamente requieren inteligencia humana. La IA tiene una amplia gama de aplicaciones, incluido el procesamiento del lenguaje natural, el reconocimiento de imágenes y la toma de decisiones. La historia de la IA se remonta a la década de 1950 y ha evolucionado significativamente desde entonces. Existen diferentes tipos de IA, incluidos los sistemas basados en reglas, el aprendizaje automático y el aprendizaje profundo. En general, la IA tiene el potencial de revolucionar varias industrias y mejorar nuestra vida diaria.
 
Capítulo 2: Fundamentos Machine Learning and Deep Learning
Objetivos:
Comprender los conceptos básicos del aprendizaje automático.
Aprender sobre los diferentes tipos de algoritmos de aprendizaje automático
Temas:
Introducción al aprendizaje automático
Tipos de aprendizaje automático
Neural Netowrks
Deep Learning
Aprendizaje reforzado
Referencia Bibliográfica:
 Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow by Aurélien Géron
 Pattern Recognition and Machine Learning by Christopher Bishop
Resumen:
El machine learning es una rama dentro del campo de la Inteligencia Artificial que proporciona a los sistemas la capacidad de aprender y mejorar de manera automática, a partir de la experiencia. Estos sistemas transforman los datos en información, y con esta información pueden tomar decisiones.
 
Capítulo 3: Ejercicios Prácticos Técnicas ML
Objetivos:
Realizar una práctica de principio a fin a través de una de las técnicas de ML
Hacer uso de una herramienta de ML y Python.
Temas:
Scikit Learn
TensorFlow
Phyton
Sets de Datos
Modelos de ML
Referencia Bibliográfica:
Sitios web de los diferentes fabricantes
Resumen:
De los papers científicos a las plataformas que facilitan la creación de modelos sin el conocimiento avanzado implicado sin estas plataformas. El capítulo abordará las herramientas más usadas en el desarrollo de modelos de Inteligencia Artificial.
 
Capítulo 4: Estudios de casos y aplicaciones
Objetivos:
Identificar algunas áreas de aplicación de la inteligencia artificial
IA en el cuidado de la salud
IA en finanzas
IA en el transporte
IA en la creación de arte
Referencia Bibliográfica:
Sitios web de Google, Amazon y otros
Resumen:
Son ya muchos las áreas donde la Inteligencia Artificial juega un papel relevante. Las empresas, el gobierno y los ciudadanos hacen uso ya frecuente de la IA. El sector de la salud es uno de los más usados; el análisis de imágenes diagnósticas, la predicción de enfermedades, entre otras aplicaciones.
La limpieza de datos, la normalización y la selección de características son pasos cruciales en la preparación de datos para modelos de IA. Estos procesos aseguran que los datos sean precisos, consistentes y relevantes, lo que conduce a un mejor rendimiento del modelo y predicciones más precisas. 
 
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.