Inteligencia Artificial
CursoIntermedioMachine Learning y Deep Learning: Fundamentos y Aplicaciones
Comprende cómo los modelos aprenden de datos, los tipos de aprendizaje y las bases de las redes neuronales profundas.
Definición
Curso conceptual y aplicado sobre aprendizaje supervisado, no supervisado y por refuerzo, preparación de datos, entrenamiento, evaluación, redes neuronales y aplicaciones.
Público objetivo
- Profesionales interesados en comprender IA.
- Analistas de datos y profesionales de tecnología.
- Equipos de innovación.
- Personas que avanzan hacia contenidos técnicos.
Objetivos
Comprender los principios del aprendizaje automático y reconocer cómo se construyen y evalúan soluciones basadas en datos.
- Distinguir tipos de aprendizaje.
- Comprender preparación, entrenamiento y evaluación.
- Reconocer algoritmos y problemas.
- Explicar redes neuronales.
- Analizar aplicaciones.
- Identificar riesgos.
Resultados de aprendizaje
- Explicar cómo aprende un modelo.
- Relacionar problemas con tipos de aprendizaje.
- Interpretar métricas.
- Distinguir ML y DL.
- Definir una ruta técnica posterior.
Temario
1. Introducción
- Clasificación, regresión y agrupamiento
- Datos y objetivos
2. Preparación
- Calidad
- Transformación
- División de datos
3. Supervisado
- Regresión
- Clasificación
- Validación
4. No supervisado
- Clustering
- Dimensionalidad
- Patrones
5. Evaluación
- Métricas
- Sobreajuste
- Validación cruzada
6. Redes neuronales
- Neuronas y capas
- Entrenamiento
- Arquitecturas
7. Aplicaciones
- Lenguaje
- Visión
- Recomendación
- Predicción
8. Riesgos
- Sesgo
- Explicabilidad
- Ruta posterior
Metodología
- Explicación conceptual.
- Ejemplos visuales.
- Interpretación de modelos.
- Notebooks opcionales.
Materiales incluidos
- Material de apoyo.
- Ejemplos o notebooks.
- Glosario.
Evaluación interna
Ejercicios de selección e interpretación.
Certificados
- Certificado de participación Passus
Requisitos
- Conocimientos básicos de datos o tecnología son recomendables.
Preguntas frecuentes
¿Es un curso de programación?
La ficha pública es conceptual; laboratorios deben definirse por edición.
¿Necesito matemáticas avanzadas?
No para el nivel conceptual; una profundización técnica sí.
¿Incluye examen oficial?
No.