Ingresa a

Sergiovirtual

INGRESA A MOODLE

Haz Clic Aquí

Incorrecto

Ingresa a

SergioNET

Comunidad Sergista en línea



Olvidé mi contraseña
¿Cuál es mi usuario?

Ingresa a

Tucorreo

Si eres estudiante


Si eres FUNCIONARIO

haz clic aquí

Menu
 

Diplomado en Inteligencia Artificial

INICIO

9 de octubre del 2019
INTENSIDAD: 100 horas
VALOR: $3.500.000

HORARIO

Lunes, Martes y Miércoles
6:00 a 10:00 p.m.

LÍNEAS DE INFORMACIÓN

3258181
Gratuita:01-8000 110414

INSCRIPCIONES ABIERTAS

¡Inscríbete Aqui!

CONTÁCTANOS:


Acerca del programaPlan de Estudios Docentes

Presentación del Diplomado en Inteligencia Artificial

La de ahora es una época en la cual las máquinas, el software y un sinnúmero de procesos automáticos se encargan de gran parte de nuestras actividades diarias. La inteligencia artificial (IA) tiene un lugar particularmente importante en estos avances. La IA no es más que el estudio y diseño de máquinas y sistemas que, desde la perspectiva de los seres humanos con los que interactúan, son capaces de pensar, razonar y aprender. Estas máquinas “inteligentes” están influyendo en casi todas las facetas de nuestras vidas para ayudar a mejorar la eficiencia y aumentar las capacidades humanas. Las aplicaciones de nuestros teléfonos inteligentes que nos permiten navegar por la ciudad, los asistentes digitales virtuales como Alexa y Cortana, y los carros que se conducen autónomamente, son algunos ejemplos de aplicaciones y sistemas de IA.

Ante este panorama, la IA es un principio central para los cambios disruptivos de la cuarta Revolución Industrial. Instituciones financieras, compañías de publicidad, entidades prestadoras de servicios de salud y otras, están descubriendo formas de utilizar la IA para su beneficio. El alcance de nueva tecnología es tan extenso que es indispensable para el profesional de hoy conocer sus principios, modelos, algoritmos y herramientas.

El objetivo de este curso es abordar los diversos aspectos y técnicas de la IA, con especial énfasis en el aprendizaje de máquina. Los módulos que componen el programa tienen un enfoque práctico que centra la aplicación de conceptos y métodos a la solución de problemas reales. Cabe destacar que, a la par con el estudio de los conceptos fundamentales, los participantes desarrollan implementaciones de sistemas de IA.


DIFERENCIALES EN EL MERCADO

El diplomado en Inteligencia Artificial de la Sergio Arboleda tiene un enfoque práctico. En cada módulo se desarrollan diferentes laboratorios donde el estudiante se enfrenta y soluciona problemas reales mediante el uso de algoritmos y tecnologías empleadas actualmente en la industria. Al finalizar el curso el estudiante contará con los conocimientos teóricos y prácticos para el desarrollo de aplicaciones y servicios inteligentes.

Durante el diplomado se realizará un acompañamiento constante al estudiante y se brindarán espacios para tutorías que refuercen los tópicos vistos en las clases presenciales.

Competencias que desarrolla el Programa

    • Capacidad para explicar y reconocer las características de un comportamiento inteligente y un pensamiento racional, así como los retos/limitaciones de tratar de incorporar dichas características a las máquinas.
    • Comprender las implicaciones éticas, sociales, económicas y legales de las tecnologías y nuevos desarrollos en IA.
    • Asimilar los fundamentos asociados con el aprendizaje de máquina y cómo puede plantearse una solución basada en este paradigma de inteligencia artificial.
    • Dominio del conocimiento para explicar las diferencias entre aprendizaje supervisado y no supervisado, y cómo utilizar dichas técnicas para la construcción de soluciones alineadas con las características del problema y de los datos disponibles.
    • Competencias para construir sistemas basados en aprendizaje de máquina para la solución de problemas de procesamiento de imágenes, video, análisis de texto y generación de habla.
    • Habilidad para emplear servicios existentes en la nube para la construcción de sistemas y aplicaciones inteligentes altamente escalables.

PROMESA DE VALOR

Al finalizar el ciclo de formación, el participante dominará conocimientos y conceptos principales de IA, enfocado en aprendizaje de máquina, así como un contexto de aplicación real apoyado en tecnologías más representativas en el mercado.


Dirigido A

Personas motivados por la tecnología e interesados en las aplicaciones del aprendizaje computacional y el desarrollo de sistemas inteligentes. Es deseable pero no indispensable que el aspirante tenga algunos conocimientos previos de programación.


intensidad horaria

El programa tiene una duración de cien horas, distribuidas en 8.5 semanas, los días lunes, miércoles y viernes, de 6:00 p.m. a 10:00 p.m.

* Se otorga certificado a los participantes que cumplan el 80% de asistencia a las sesiones y actividades propuestas en el programa.

MÓDULO I. Introducción a la inteligencia artificial

Este módulo aborda conceptos fundamentales de la inteligencia artificial, el estado actual de los desarrollos en esta área, sus limitaciones, perspectivas e implicaciones.

Temáticas:

    • Qué es la inteligencia y qué es un comportamiento inteligente?

      • El test de Turing.
      • El argumento de la habitación china.
      • Pensamiento racional.
      • La conciencia.

    • Algo de la historia de la inteligencia artificial.
    • Problemas y soluciones basadas en inteligencia artificial.
      • Sistemas inteligentes y la cuarta Revolución Industrial.
    • Enfoques de la inteligencia artificial (top-down, bottom-up).
    • Implicaciones éticas, sociales, económicas y legales de la IA.
    • Caracterización de los problemas.
      • Problemas completamente observables vs parcialmente observables.
      • Problemas determinísticos/estocásticos.
      • Problemas discretos y continuos.

MÓDULO II. Introducción a la programación con Python

Este módulo aborda aspectos fundamentales de la programación en Python, necesarios para los módulos posteriores.

Temáticas:

    • Introducción a Python: tipos de datos, variables y operadores.
    • Sentencias condicionales e iterativas.
    • Funciones y excepciones.
    • Cadenas, listas y matrices.
    • Lectura y escritura de archivos.
    • Librerías numpy y pandas.
    • Matplotlib
    • Jupyter notebooks

MÓDULO III. Introducción al aprendizaje de máquina con Python y RapidMiner

Este módulo hace una aproximación conceptual al aprendizaje de máquina y los algoritmos más representativos a través de laboratorios prácticos en Python.

Temáticas:

    • Definición y ejemplos de las tareas de machine learning.
    • Aprendizaje inductivo.
    • Aprendizaje supervisado.
    • Proceso general para la construcción de modelos de machine learning.
    • El problema del overfitting.
    • Introducción a scikit-learn.
    • Medidas de rendimiento de los modelos de clasificación.
    • Aprendizaje estadístico simple: Naive Bayes.
    • Árboles de decisión.
    • Redes neuronales.
    • Máquinas de vectores de soporte.
    • Modelos ensamblados.
    • Aplicaciones reales de aprendizaje supervisado.
    • Usando RapidMiner para la construcción de modelos de aprendizaje de máquina.

MÓDULO IV. Aprendizaje no supervisado e introducción al aprendizaje profundo

Aquí se presentan los tópicos fundamentales del aprendizaje no supervisado y el aprendizaje profundo, con especial énfasis en las arquitecturas de redes neuronales profundas, así como los problemas prácticos asociados con su diseño, implementación, entrenamiento y despliegue. Se programarán talleres prácticos enfocados en problemas reales, con información textual e imágenes, utilizando herramientas populares como Keras y TensorFlow.

Temáticas:

    • Aprendizaje no supervisado.
      • K-means.
      • Agrupamiento jerárquico.
    • Introducción a aprendizaje profundo.
    • Arquitecturas profundas de redes neuronales.
    • Redes neuronales convolucionales.
    • Redes neuronales recurrentes.
    • Introducción a TensorFlow y Keras.
    • Autoencoders.
    • Modelos generativos.
    • Aplicaciones al análisis de imágenes.
    • Aplicaciones al análisis de texto.

MÓDULO V. Procesamiento de lenguaje natural con Python

Este módulo se enfoca en el procesamiento del lenguaje natural, con miras al desarrollo de aplicaciones para análisis de polaridad y sentimientos, chatbots, asistentes virtuales, reconocimiento de entidades en texto y sistemas de clasificación de texto.

Temáticas:

    • Procesamiento básico de lenguaje natural: tokenization, stemming, y lemmatization.
    • Análisis sintáctico (parsing).
    • Semántica de las palabras.
    • Estrategias para el análisis de sentimientos.
    • Estrategias para el análisis de corpus documentales.
      • Modelamiento vectorial.
      • Modelo basado en tópicos.
    • Clasificación automática de documentos.
    • Word Embeddings.
    • Construcción de Chatbots y asistentes virtuales.

MÓDULO VI. Desarrollo de sistemas de IA en la nube e internet de las cosas

Su objetivo es presentar los múltiples servicios en la nube que permiten la construcción de modelos de aprendizaje de máquina altamente escalables.

Temáticas:

    • AWS y API para aprendizaje de máquina.
    • AWS servicios de inteligencia artificial.
      • Rekognition
      • Textract
      • Polly
      • Comprehend
    • Microsoft Azure servicios para aprendizaje de máquina.

      • Text analytics: reconocimiento de entidades, análisis de sentimientos, Q&A systems.
      • Speech-to-text.
      • Text-to-speech.

    • Google cloud servicio para AI.

      • Cloud Vision
      • Video AI
      • Text-to-speech

    • IBM Watson
      • Text analytics
      • Natural language understanding
      • Visual recognition

Rubén Francisco Manrique

Director académico

Ingeniero Electrónico con Maestría en Sistemas y Computación, Universidad Nacional de Colombia. Ph.D. en Ingeniería, Universidad de los Andes. Amplia experiencia como docente investigador en la Universidad Sergio Arboleda. Se desempeñó como ingeniero y líder de desarrollo de software en diversas instituciones públicas y privadas. Trabajó en los laboratorios de investigación del departamento de informática en la PUC-RIO, Brasil y en el laboratorio de “Semantics and Learning” en UNIRIO, Brasil. Dentro de sus intereses de investigación se destacan las tecnologías de la Web Semántica, el procesamiento de lenguaje natural (NLP) y la construcción automática de grafos de conocimiento. Ha realizado numerosas publicaciones nacionales e internacionales y ha sido revisor de diversas conferencias internacionales.


Docentes

Fabián Andrés Giraldo

Ingeniero de Sistemas e Informática, Universidad Nacional de Colombia, sede Medellín. Maestría en Ingeniería de Sistemas y Computación, Universidad Nacional de Colombia, sede Bogotá. Candidato a Doctor en Ingeniería de Sistemas y Computación. Experiencia en investigación en temas relacionados con minería de flujo de datos e ingeniería de software, Blockchain. Los campos de interés son: ingeniería de software, arquitectura dirigida por modelos, diseño de lenguajes de programación, gráficos y textuales (compiladores), y minería de datos-BigData, Blockchain.

Camilo Enrique Rodríguez

Ingeniero de Sistemas, Universidad Nacional de Colombia, con Maestría en Sistemas y Computación de la misma universidad. Amplia experiencia como docente universitario y como ingeniero de software en la industria. En los últimos años se ha desempeñado en el área de Big Data, diseñando y desarrollando arquitecturas de procesamiento de datos.


IMPORTANTE


*La Universidad podrá cancelar el programa seleccionado, cuando no haya un número mínimo de participantes, y procederá a tramitar la devolución del dinero recibido. También podrá posponer la realización del programa por razones de fuerza mayor. En este caso se informará a las personas preinscritas la nueva fecha programada. El medio de contacto será a través de los medios suministrados en el momento de la inscripción.

* Se otorgará certificado a los participantes que cumplan el 80% de asistencia a las sesiones y actividades propuestas en el programa.



EN LA SERGIO