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

30 de septiembre del 2020
VALOR: $3.745.000

HORARIO

Lunes, miércoles y viernes
6:00 p.m. a 10:00 p.m.
INTENSIDAD: 100 horas

LÍNEAS DE INFORMACIÓN

3258181
Gratuita:01-8000 110414

INSCRIPCIONES ABIERTAS

¡Inscríbete Aqui!

DÉJANOS TUS DATOS:


Acerca del programaPlan de Estudios Docentes

Presentación del Diplomado en Inteligencia Artificial

Vivimos en una época donde las máquinas, el software y varios procesos automáticos se encargan de gran parte de nuestras actividades diarias. La inteligencia artificial (IA) tiene un lugar importante en todos 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 los 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.

El propósito del Diplomado en Inteligencia Artificial es abordar los diferentes aspectos y técnicas de la IA haciendo énfasis en el aprendizaje de máquina. Los módulos que componen el programa tienen un enfoque práctico que enfatiza la aplicación de los conceptos y métodos a la solución de problemas reales. A la par con el estudio de los conceptos fundamentales, los asistentes desarrollan implementaciones de diferentes sistemas de IA.

Competencias que desarrolla el Programa

    • Explica y reconoce las características de un comportamiento inteligente y un pensamiento racional, así como los retos/limitaciones de tratar de incorporar dichas características a las máquinas.
    • Comprende las implicaciones éticas, sociales, económicas y legales de las tecnologías y nuevos desarrollos en IA.
    • Comprende los fundamentos asociados al aprendizaje de máquina y cómo puede plantearse una solución basada en este paradigma de inteligencia artificial.
    • Explica 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.
    • Construye sistemas basados en aprendizaje de máquina para la solución de problemas de procesamiento de imágenes, video, análisis de texto, y generación de habla.
    • Emplea 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 aspirante tendrá los conocimientos y los conceptos principales de Inteligencia Artificial enfocado a aprendizaje de máquina, así como un contexto de aplicación real usando las tecnologías más representativas en el mercado.

Dirigido A

Personas motivadas 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.

¿Por qué es relevante?

La Inteligencia Artificial constituye un principio central para los cambios disruptivos de la Cuarta Revolución Industrial. Instituciones financieras, legales, compañías de publicidad, entidades prestadoras de salud y muchas otras más están descubriendo formas de utilizar la IA para su beneficio. El alcance de IA es tan extenso que es indispensable para el profesional de hoy conocer sus principios, modelos, algoritmos y herramientas.

¿CUÁL ES EL FACTOR DIFERENCIAL DE ESTE PROGRAMA?

El diplomado en Inteligencia Artificial de la Universidad Sergio Arboleda tiene un enfoque altamente práctico. En cada módulo se desarrollan diferentes laboratorios donde el estudiante se enfrenta y soluciona un problema real mediante el uso de algoritmos y tecnologías empleados 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.

intensidad horaria

El programa tendrá una duración de 100 horas repartidas en 8.5 semanas. Las clases se realizarán los Lunes, Miércoles y Viernes de 6:00 p.m. a 10:00 p.m.

* Se otorgará 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.

    • 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.

    • 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.

    • 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.

    • 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.

    • 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.

    • 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

Juan Manuel Aranda López King

Director académico

Doctor en Ingeniería por la Pontificia Universidad Javeriana. Magíster en Ingeniería, Área Electrónica y de Computadores e Ingeniero Electrónico por la Universidad de los Andes. Profesor asociado en la Universidad Sergio Arboleda. Sus áreas principales de interés son redes inalámbricas, Artificial Intelligence of Things, Edge Computing y Machine Learning.


Rubén Francisco Manrique

Ingeniero electrónico con Maestría en Sistemas y Computación de la Universidad Nacional y PhD en Ingeniería de la Universidad de los Andes. Docente investigador de la Universidad Sergio Arboleda. Ingeniero y líder de desarrollo de software en diversas instituciones públicas y privadas. Trabajó en los laboratorios de investigación del departamento de informática de la PUC-RIO, Brasil. Dentro de sus intereses de investigación se encuentra tecnologías de la Web Semántica, 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.


John Corredor Franco

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.


Camilo Enrique Rodríguez

Ingeniero de Sistemas de la Universidad Nacional de Colombia con Maestría en Sistemas y Computación de la misma universidad. Experiencia de más de 12 años 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.


Óscar Elías Herrera Bedoya

Ingeniero de Telecomunicaciones de la Universidad Santo Tomás, Homologado al equivalente español por el Ministerio de Educación Cultura y Deporte de España. Posee el Diploma de Estudios Avanzados en Telecomunicaciones, Máster Universitario En Comunicaciones Y Desarrollo De Servicios Móviles, Especialización Universitaria en Proyectos De Ingeniería E Innovación, Doctorado en Telecomunicaciones (Cum Laude) y Executive MBA (c). Docente de la Universidad Sergio Arboleda y ha sido Asesor del Despacho de la Fiscalía General de la Nación, Decano, Docente-Investigador de la Escuela de Ingenierías TIC de la Universidad Piloto de Colombia, perteneciendo al Grupo de Investigación InnovaTIC liderando la línea de Desarrollo de Software, así como Director de Investigaciones de la Escuela de Ingeniería y Director del grupo de Investigación Desarrollo Tecnológico y Ciencias del Espacio en la Universidad Sergio Arboleda.


Fabián Giraldo

Ingeniero de Sistemas e informática. Maestría en Ingeniería de Sistemas y computación, Universidad Nacional de Colombia. Actualmente, es candidato al Doctorado en Ingeniería de Sistemas y Computación, Universidad Nacional. Sus campos de interés giran en torno a la ingeniería de software, a la arquitectura dirigida por modelos, al diseño de lenguajes de programación gráficos y textuales (compiladores), a la eficiencia de algoritmos, la minería de datos – Big Data, y el modelamiento matemático.


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