Diplomado en Inteligencia Artificial con Python (Online)
Instituto Profesional IACC Institución privada
Título ofrecido:Diplomado en Inteligencia Artificial con Python
Duración:180 Horas
Tipo:Diplomados
Modalidad:Online
Características
Los continuos avances tecnológicos han generado cambios a nivel mundial,produciendo procesos automáticos que facilitan las operaciones en las empresas. Estatransformación digital, ha permitido que diversas áreas tales como medicina,marketing, operaciones generales, procesadoras de alimentos, plantas de tratamiento,empresas del área minera, ventas, navieras, distribución de consumo masivo entre otras,sistematicen y automaticen procesos, facilitando la toma de decisiones.
Parte de la transformación digital, está dada por el desarrollo de aplicaciones basada enInteligencia Artificial, por medio de la cual se establece patrones de comportamiento,sustentadas en bases de conocimientos, y experiencias de expertos en el área. Lo cualpermite, crear aplicaciones que brinden soluciones, y propongan estrategias, queaporten mejoras y soluciones a situaciones y problemas a las empresas
El desarrollo del diplomado de Inteligencia Artificial con Python, está basado en laterminología básica de la Inteligencia artificial, redes neuronales, tipos y técnicas deaprendizajes, uso del lenguaje de programación Python, algoritmos y libreríasespeciales, que facilitan la construcción del proceso de entrenamiento de redesneuronales, mediante la aplicación de metodologías ágiles para su desarrollo.
El Diplomado en Inteligencia Artificial presenta una estructura teórica práctica, dondecada módulo de estudio, genera como producto de salida recursos que se transformanen la entrada al siguiente módulo. Permitiendo generar como producto final una redneuronal que corresponda a la solución de una necesidad o problema a nivelorganización, asociado a un ámbito específico.
Dirigido a:
Dirigido a Técnicos o Profesionales del área de las Ciencias de laInformática, Computación, Electrónica, Automatización y Controlentre otras áreas afines, con conocimientos (básicos) deprogramación en algún lenguaje (Java, C#, Visual Basic, etc.), y quetienen interés en aprender técnicas para el análisis de grandesvolúmenes de datos, generación de modelos de inteligencia artificial,automatización de procesos en la organización en la que trabaja yotras técnicas asociadas al manejo de la información.
Malla Curricular
MÓDULO I: INTRODUCCIÓN A LA CIBERSEGURIDAD, Y SU RELACIÓN • .CON LA INDUSTRIA 4.0, LAS APLICACIONES MÓVILES, BIG DATA Y GESTIÓN DE PROYECTOS. • APRENDIZAJE ESPERADO DEL MÓDULO:
• Ciberseguridad, industria 4.0, aplicaciones móviles, Big Data y Gestión de Proyectos.
Lección 2: Distinguir leyes y normativas asociadas a la ciberseguridad.
• Leyes y normativas asociadas a la ciberseguridad.
• Normas internacionales asociadas la ciberseguridad.
MÓDULO II: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL. • APRENDIZAJE ESPERADO DEL MÓDULO:
• Introducción a la Inteligencia Artificial.
• Características de la IA.
• Ámbitos de aplicación de IA.
Lección 4: Diferenciar los tipos de procesamiento de datos en la inteligencia artificial
• Procesamiento de datos en IA.
• Datos estructurados en la IA.
• Datos no estructurados en la IA.
• Big Data
Lección 5: Caracterizar las Redes Neuronales Artificiales, en función del modelo, y tipos
de redes existentes en el campo de la Inteligencia Artificial.
• Redes Neuronales Artificiales en el campo de la IA.
• Modelos y funciones de las redes neuronales.
• Tipos de Redes Neuronales Artificiales
MÓDULO III: TIPOS DE APRENDIZAJES EN INTELIGENCIA ARTIFICIAL. • APRENDIZAJE ESPERADO DEL MÓDULO:
sus características, propiedades y algoritmos.
• Aprendizajes en Inteligencia Artificial.
• Aprendizaje Bayasiano.
• Aprendizaje por Árboles de Decisión.
• Aprendizaje Evolutivo.
Lección 7: Caracterizar funcionamiento, aplicaciones y técnicas de aprendizaje
automático orientado a la resolución y mejora de los procesos en una organización.
• Aprendizaje automático (Machine Learning).
• Características del aprendizaje automático.
• Técnicas de aprendizaje automático.
• Algoritmos de aprendizaje automático.
Lección 8: Caracterizar funcionamiento, aplicaciones y técnicas de aprendizaje
profundo para la mejora de los procesos en una organización.
• Aprendizaje profundo (Deep Learning).
• Características del aprendizaje profundo.
• Funcionamiento del aprendizaje profundo.
• Aplicaciones del aprendizaje profundo.
MÓDULO IV: ÉTICA Y RIESGOS EN LA INTELIGENCIA ARTIFICIAL. • APRENDIZAJE ESPERADO DEL MÓDULO:
• Ética en Inteligencia Artificial.
• Dimensiones de problemas éticos.
• Riesgos de la Inteligencia Artificial.
• Organismos reguladores de la ética en IA.
MÓDULO V: ELEMENTOS Y METODOLOGÍA PARA EL DESARROLLO DE SISTEMAS BASADOS EN IA. • APRENDIZAJE ESPERADO DEL MÓDULO:
Inteligencia Artificial con la finalidad de mejorar los procesos en las organizaciones.
• Elementos para el desarrollo de sistemas basados en IA.
• Equipo de trabajo.
• Base de conocimiento.
• Objetivos de aprendizaje.
• Planificación.
Lección 11: Establecer las características de las Metodologías Ágiles para el desarrollo
de sistemas basados Inteligencia Artificial.
• Metodologías Ágiles para el desarrollo de sistemas basados Inteligencia Artificial.
• Ventajas del uso de metodologías.
• Tipos de Metodologías para el desarrollo de sistemas basados en IA.
MÓDULO VI: LENGUAJE DE PROGRAMACIÓN PYTHON. • APRENDIZAJE ESPERADO DEL MÓDULO:
desarrollo de sistemas basados en inteligencia artificial.
• Generalidades de Python
• Programación orientada a objeto en Python.
• Python y Anaconda.
MÓDULO VII: LIBRERÍAS ESPECIALIZADAS DE PYTHON. • APRENDIZAJE ESPERADO DEL MÓDULO:
learning en Python.
• Librerías especializadas en Python I.
• Librerías Visualización.
• Librerías Cálculo Numérico y Análisis de Datos
• Librerías Machine Learning.
Lección 14: Distinguir las librerías de Deep learning, IA, y procesamiento de
lenguaje natural en Python.
• Librerías Especializadas en Python II.
• Librerías Deep Learning.
• Librerías IA explicable.
• Librerías Procesamiento de Lenguaje Natural.
MÓDULO VIII: ENTRENAMIENTO DE UNA RED NEURONAL. • APRENDIZAJE ESPERADO DEL MÓDULO:
neuronal.
• Entrenamiento de una red neuronal con Python.
• Algoritmos de entrenamiento.
• Funcionamiento.
Lección 16: Emplear los algoritmos de entrenamiento a las redes neuronales, a
través del uso de Python.
• Implementación redes neuronales con Python.
• Entrenamiento de red neuronal.
Actividad Integradora
través de la implementación de técnicas y metodologías basados en Inteligencia
Artificia, a través del uso de librerías especiales de Python para la gestión de
servicios al interior de la organización
Requisitos
Para obtener la certificación, el participante deberá obtener una nota igual o superior a 4,0, con un nivel de exigencia del 60%. Además, es requisito obligatorio la entrega de la evaluación final.
Fotografias
¡Ayudanos y Reportalo!