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