Inteligencia Artificial y Machine Learning – Instituto Occidente

“Venta Profesional de Bienes Raíces” se ha añadido a tu carrito. Ver carrito

Acerca de este curso

Curso de AI360° es un programa completo que abarca desde los fundamentos teóricos hasta las aplicaciones prácticas de la Inteligencia Artificial (IA) y el Aprendizaje Automático (Machine Learning). Diseñado para proporcionar una comprensión profunda y aplicada de estas tecnologías, el curso combina teoría, práctica y casos de estudio reales para preparar a los participantes para enfrentar los desafíos del mundo actual impulsado por la IA.

Al finalizar el curso, serás capaz de:
✅ Comprender qué es la inteligencia artificial, su evolución y su impacto actual en la sociedad y los negocios.
✅ Aplicar técnicas de Machine Learning supervisado y no supervisado para resolver problemas mediante el análisis de datos.
✅ Diseñar, entrenar y evaluar redes neuronales profundas (Deep Learning) utilizando herramientas como TensorFlow y PyTorch.
✅ Desarrollar proyectos de visión por computadora, incluyendo clasificación de imágenes y reconocimiento de objetos.
✅ Implementar modelos de Procesamiento de Lenguaje Natural (NLP) para análisis de sentimientos, chatbots y asistentes virtuales.
✅ Analizar los riesgos éticos y los sesgos en sistemas de IA y proponer soluciones centradas en el ser humano.
✅ Ejecutar un proyecto completo de IA, desde la recolección de datos hasta la presentación de resultados con impacto.

Contenido del curso

Módulo 1: Fundamentos de la Inteligencia Artificial
Objetivo: Comprender los conceptos básicos de la IA, su evolución histórica y su impacto en la sociedad.

Definición y objetivos de la IA
Historia y evolución de la IA
Áreas de aplicación de la IA en diferentes industrias
Impacto ético y social de la IA
Actividad del Módulo 1

Módulo 2: Introducción al Machine Learning
Objetivo: Familiarizarse con los conceptos fundamentales del aprendizaje automático y sus tipos.

Módulo 3: Algoritmos de Aprendizaje Supervisado
Objetivo: Profundizar en los algoritmos de aprendizaje supervisado y su aplicación en problemas reales.

Módulo 4: Algoritmos de Aprendizaje No Supervisado
Objetivo: Explorar técnicas de aprendizaje no supervisado para descubrir patrones ocultos en los datos.

Módulo 5: Deep Learning y Redes Neuronales
Objetivo: Introducir los conceptos de redes neuronales y su aplicación en el aprendizaje profundo.

Módulo 6: Procesamiento de Lenguaje Natural (NLP)
Objetivo: Comprender cómo las máquinas procesan y entienden el lenguaje humano.

Módulo 7: Visión por Computadora
Objetivo: Explorar cómo las máquinas interpretan y procesan imágenes y videos.

Módulo 8: Ética y Responsabilidad en la IA
Objetivo: Analizar las implicaciones éticas del uso de la IA y promover prácticas responsables.

Módulo 9: Proyecto Final de Aplicación de IA
Objetivo: Aplicar los conocimientos adquiridos en un proyecto integral que resuelva un problema real utilizando IA.

Valoraciones y reseñas de estudiantes

Aún no hay reseñas.

Acerca de este curso

¿Qué aprenderás?

Contenido del curso

Módulo 1: Fundamentos de la Inteligencia Artificial Objetivo: Comprender los conceptos básicos de la IA, su evolución histórica y su impacto en la sociedad.

Definición y objetivos de la IA

Historia y evolución de la IA

Áreas de aplicación de la IA en diferentes industrias

Impacto ético y social de la IA

Actividad del Módulo 1

Módulo 2: Introducción al Machine Learning Objetivo: Familiarizarse con los conceptos fundamentales del aprendizaje automático y sus tipos.

Diferencia entre IA y Machine Learning

Tipos de aprendizaje: supervisado, no supervisado y por refuerzo

Ciclo de vida de un proyecto de Machine Learning

Herramientas y entornos de desarrollo comunes

Actividad del Módulo 2

Módulo 3: Algoritmos de Aprendizaje Supervisado Objetivo: Profundizar en los algoritmos de aprendizaje supervisado y su aplicación en problemas reales.

Regresión lineal y logística

Árboles de decisión y bosques aleatorios

Máquinas de vectores de soporte (SVM)

Evaluación de modelos: precisión, recall, F1-score

Actividad del Módulo 3

Módulo 4: Algoritmos de Aprendizaje No Supervisado Objetivo: Explorar técnicas de aprendizaje no supervisado para descubrir patrones ocultos en los datos.

Clustering: K-means, DBSCAN

Reducción de dimensionalidad: PCA, t-SNE

Detección de anomalías

Aplicaciones en segmentación de clientes y análisis de comportamiento

Actividad del Módulo 4

Módulo 5: Deep Learning y Redes Neuronales Objetivo: Introducir los conceptos de redes neuronales y su aplicación en el aprendizaje profundo.

Arquitectura de una red neuronal

Funciones de activación y propagación hacia adelante

Retropropagación y optimización

Introducción a frameworks como TensorFlow y PyTorch

Actividad del Módulo 5

Módulo 6: Procesamiento de Lenguaje Natural (NLP) Objetivo: Comprender cómo las máquinas procesan y entienden el lenguaje humano.

Tokenización, lematización y eliminación de stop words

Modelos de lenguaje: N-gramas, Word2Vec

Análisis de sentimiento y clasificación de texto

Aplicaciones en chatbots y asistentes virtuales

Actividad del Módulo 6

Módulo 7: Visión por Computadora Objetivo: Explorar cómo las máquinas interpretan y procesan imágenes y videos.

Fundamentos de procesamiento de imágenes

Redes neuronales convolucionales (CNN)

Detección y reconocimiento de objetos

Aplicaciones en seguridad, medicina y automoción

Actividad del Módulo 7

Módulo 8: Ética y Responsabilidad en la IA Objetivo: Analizar las implicaciones éticas del uso de la IA y promover prácticas responsables.

Sesgos en los datos y en los modelos

Transparencia y explicabilidad de los algoritmos

Regulaciones y normativas actuales

Diseño de sistemas de IA centrados en el ser humano

Actividad del Módulo 8

Módulo 9: Proyecto Final de Aplicación de IA Objetivo: Aplicar los conocimientos adquiridos en un proyecto integral que resuelva un problema real utilizando IA.

Actividad Final del Curso

Valoraciones y reseñas de estudiantes

Categorías Cursos

Contáctanos

Síguenos en:

Categorías de cursos:

Tienda de productos