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