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.
Todas las modalidades del programa (streaming, online y presencial) tienen el mismo valor. Además, recomendamos preguntar las condiciones de cada una al momento de matricularse.
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!