Diplomado en Inteligencia Artificial

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