calendar correo curso diplomado horas lugar in-company magister magisteres programa-avanzado quotes reloj telefono contacto contacto grad video
Search
Coincidencias exactas
Buscar por
Seleccionar todos
Magisters
Diplomados
Cursos
Profesores
Noticias
Páginas

Diplomado en Inteligencia Artificial

La Inteligencia Artificial está emergiendo como una tecnología disruptiva y transversal, con el potencial de transformar sustancialmente el escenario tecnológico y revolucionar la sociedad moderna.

Protagoniza esta revolución y adquiere competencias para el desarrollo de soluciones basadas en Inteligencia Artificial , adquiriendo mejores prácticas y un conocimiento que podrás aplicar en tu organización.

Disponible para profesionales de todo Chile y Latinoamérica.
Próximo inicio versión N°3.

Antecedentes Generales

Mar y jue de 18:30 a 21:45 hrs
Campus San Joaquín (Av. Vicuña Mackenna 4860, estación metro San Joaquín)
135 horas cronológicas
$2.700.000.-
programas@ing.puc.cl

La Inteligencia Artificial o IA está emergiendo como una tecnología disruptiva y transversal, con el potencial de transformar sustancialmente el escenario tecnológico y revolucionar la sociedad moderna. Avances recientes están dando vida a una serie de innovadoras aplicaciones en ámbitos tan diversos como el retail o la medicina. El diplomado en IA apunta a brindar una sólida formación en estos nuevos avances, poniendo especial énfasis en entregar competencias adecuadas para el desarrollo de soluciones basadas en IA.

 

 

Dirigido a:

Profesionales y/o emprendedores relacionados con el desarrollo de soluciones que requieran o se beneficien de la incorporación de tecnologías basadas en inteligencia artificial en sus productos, así como también a profesionales del ámbito de las tecnologías de información que participen en iniciativas asociadas a la incorporación de soluciones basadas en inteligencia artificial en sus empresas o instituciones.

 

 

Objetivos de Aprendizaje:

-Entender y explicar conceptos y técnicas relevantes al estado del arte en el área de IA. 

-Entender y aplicar conceptos y técnicas relevantes al paradigma de aprendizaje profundo, especialmente su aplicación a datos no estructurados como texto, audio, imágenes y video.

-Conocer y aplicar las principales herramientas y modelos disponibles en código abierto para el desarrollo de soluciones basadas en IA. 

 

 

 

 

Contenidos del Programa

Al final del seminario podrás:

– Reconocer la evolución del área de IA así como su relación con el aprendizaje de máquina

– Comprender técnicas fundamentales de aprendizaje de máquina relevantes a avances recientes en IA

– Comprender y usar elementos de programación en Python relevantes para los cursos del diplomado

– Comprender los fundamentos del Aprendizaje Profundo

 

Contenidos:

– Introducción a IA y aprendizaje de máquina
– Algoritmo de vecinos cercanos, su relación al aprendizaje profundo y el escenario de Big Data
– Introducción a Python para aprendizaje de máquina
– Redes neuronales tradicionales
– Introducción al aprendizaje profundo

Al final del curso podrás:

– Comprender los conceptos fundamentales del aprendizaje profundo

– Diseñar modelos de IA basados en redes neuronales convolucionales y recurrentes

– Conocer y aplicar mecanismos de atención y arquitecturas standard para implementación de modelos de aprendizaje profundo

– Conocer y aplicar ambientes de trabajo de dominio público para la implementación de modelos de aprendizaje profundo

 

Contenidos:

Parte 1: Aprendizaje Profundo I
– Redes neuronales convolucionales
– Arquitecturas de redes convolucionales
– Ambientes de trabajo de dominio público para implementación de modelos de aprendizaje profundo
– Redes neuronales recurrentes
– Modelos de secuencia a secuencia
– Mecanismos de atención

 

Parte 2: Aprendizaje Profundo II 
– Funciones de activación
– Funciones de pérdida y regularización en aprendizaje profundo
– Gráfos de cómputo
– Algoritmos de optimización para entrenar modelos de aprendizaje profundo
– Herramientas de entrenamiento: learning rate, dropout, batch-normalization, inicialización de parámetros
– Refinamiento de modelos, transferencia de conocimiento y data augmentation
– Tareas auxiliares

Al final del curso podrás:

– Comprender y aplicar modelos relacionales de aprendizaje profundo

– Comprender y aplicar modelos activos basados en refuerzo

– Conocer y aplicar modelos avanzados de inteligencia artificial

– Entender las limitaciones de los modelos actuales de inteligencia artificial

 

Contenidos:

Parte 1: Modelos Relacionales y de Refuerzo
– Redes neuronales relacionales
– Redes del tipo transformer
– Redes neuronales de grafos
– Aprendizaje reforzado
– Aprendizaje por imitación
– Aprendizaje reforzado inverso

 

Parte 2: Tópicos de Profundización
– Olvido catastrófico y aprendizaje incremental
– Modelos con memoria externa
– Modelos generativos con adversario
– Modelos de auto supervisión
– Razonamiento en modelos de aprendizaje profundo
– Meta aprendizaje

Al final del curso podrás:

– Identificar y aplicar modelos de reconocimiento visual de objetos y personas

– Aplicar modelos pre-entrenados de reconocimiento visual

– Entender y aplicar modelos de procesamiento de lenguaje natural

– Aplicar modelos pre-entrenados de procesamiento de lenguaje natural

 

Contenidos:

Parte 1: Reconocimiento Visual
– Introducción al análisis de imágenes usando modelos de aprendizaje profundo
– Redes neuronales totalmente convolucionales para reconocimiento visual
– Modelos pre-entrenados para reconocimiento de objetos
– Modelos pre-entrenados para detección de poses humanas
– Modelos pre-entrenados para segmentación de objetos
– Exploración de set de datos públicos para entrenar modelos de reconocimiento visual
– Aplicaciones

 

Parte 2: Procesamiento de Lenguaje Natural
– Introducción al procesamiento de lenguaje natural
– Modelos de lenguaje
– Word2Vect
– Modelos pre-entrenados para procesamiento de lenguaje natural (Elmo, Bert, GPT)
– Aplicaciones (análisis de sentimiento, construcción de resúmenes, indentificación de roles)
– Modelos de pregunta-respuesta
– Exploración de set de datos públicos para procesamiento de lenguaje natural
– Aplicaciones

Al final del curso podrás:

– Entender y aplicar modelos de análisis de video

– Aplicar modelos pre-entrenados de análisis de video

– Entender y aplicar modelos de reconocimiento de audios

– Aplicar modelos pre-entrenados de reconocimiento de audios

 

Contenidos:

Parte 1: Análisis de Videos
– Introducción al análisis de video usando modelos de aprendizaje profundo
– Reconocimiento de acciones en video
– Reconocimiento de actividades en video
– Modelos pre-entrenados para análisis de video
– Exploración de set de datos públicos para entrenar modelos de análisis de video
– Aplicaciones

 

Parte 2: Análisis de audios
– Introducción al análisis de audios
– Modelos pre-entrenados para reconocimiento de sonidos
– Modelos pre-entrenados para reconocimiento de voz
– Exploración de set de datos públicos para entrenar modelos de análisis de audio
– Aplicaciones

Al final del seminario podrás:

– Identificar los principales temores sobre el impacto social de la IA

– Comprender la relevancia de un desarrollo ético de la IA en beneficio del ser humano

 

Contenidos:

– IA y el mundo del trabajo
– IA y privacidad
– IA y manejo de sesgos en opinión pública
– IA y responsabilidad civil

Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica

Cuerpo Académico

Solicita información y brochure aquí:

Este sitio está protegido por reCAPTCHA y se aplican la política de privacidad y términos del servicio de Google.

 

¿Te gustó este programa?
¡Compártelo en tus redes sociales!

Programas relacionados

Descargar Brochure
Necesitas ayuda? Conversemos
X