Inteligencia artificial aplicada a la empresa (280 horas)
- Online
- Desde casa, en el aula virtual
- Se puede pagar con FUNDAE
Pide información
Déjanos tus datos y te llamamos para contarte el curso.
Objetivos
– Aplicar en empresas conocimientos acerca de la inteligencia artificial, sus diversas ramas y más específicamente aquellas relacionadas con Big Data, Deep Learning y los algoritmos relacionados con estas nuevas tecnologías.
– Implementar aplicaciones basadas en IA para ser usadas en la empresa.
– Navegar por la historia de la inteligencia artificial para saber la esencia sobre la que se sustenta el complejo mundo de esta tecnología, reconociendo así la razón de su existencia y desarrollo de su potencial.
– Distinguir los tipos de aprendizaje automático para construir modelos predictivos basados en inteligencia artificial, conociendo los numerosos algoritmos y conjuntos de algoritmos que se pueden utilizar.
– Descubrir distintos modelos predictivos, aprendiendo el funcionamiento de una plataforma de aprendizaje automático.
– Revelar las oportunidades que ofrecen la inteligencia artificial y el big data para el mundo de las empresas, descubriendo herramientas que tienen integrada este tipo de tecnología y métodos de trabajo que sirven para fomentar una cultura Data Driven dentro de los negocios para ser más competitivos.
– Aportar una visión estratégica que permita identificar oportunidades de negocio basados en inteligencia artificial, conociendo ejemplos, herramientas y recursos humanos.
– Proveer una comprensión integral y práctica del lenguaje de programación Python en su aplicación en el desarrollo de soluciones de inteligencia artificial.
Contenidos
- Introducción a la inteligencia artificial
- Introducción
- Definición. Historia
- Principio y campos de aplicaciones
- Ramas de la inteligencia artificial. Algoritmos
- Machine/Deep Learning
- Big data: el cambio en la IA
- Resumen
- Algoritmos de la IA
- Introducción
- Machine Learning, Deep Learning y aprendizaje por refuerzo
- Machine Learning: modelos supervisados
- Construcción de un modelo de Machine Learning
- Métricas de rendimiento de un modelo de Machine Learning
- Algoritmos de inteligencia artificial
- Machine Learning: modelos no supervisados
- Aprendizaje por refuerzo
- Modelos profundos (Deep Learning)
- Resumen
- Ejemplos de modelos
- Introducción
- Procesamiento de datos con Orange y Weka
- Orange
- Weka
- Resumen
- Aplicaciones en la empresa
- Introducción
- Recursos humanos y técnicas de datos. People Analytics
- Predicción: stocks, demandas, comportamientos
- Segmentación: análisis de oferta. Identificar tendencias
- Fidelización de clientes usando aprendizaje reforzado
- Estrategias nacionales para el desarrollo de la inteligencia artificial
- Recomendaciones web
- Mejora de procesos
- Resumen
- Recursos basados en inteligencia artificial aplicables a la empresa
- Introducción
- Oportunidades que ofrece la inteligencia artificial
- Impacto de la inteligencia artificial en las empresas
- Recursos basados en inteligencia artificial aplicables a la empresa
- Resumen
- Python e inteligencia artificial: fundamentos y aplicaciones avanzadas
- Introducción
- Fundamentos de big data
- Técnicas de minería de datos
- Big data e inteligencia artificial
- ChatGPT y los sesgos de la inteligencia artificial generativa
- Pasos para construir un proyecto de k
- Definir el objetivo
- Obtener los datos
- Limpiar los datos
- Enriquecer los datos
- Encontrar insights
- Desplegar Machine Learning
- Iterar
- Los profesionales del big data
- Ingeniero de datos
- Analistas de datos
- Arquitecto de datos
- Especialista en IA
- Científico de datos
- Sistemas de aprendizaje automático vs sistemas de aprendizaje manual
- Arquitectura de big Data: marco integral de herramientas tecnológicas
- Construcción de un proyecto de Machine Learning
- Usos, métodos, enfoques del aprendizaje automático y lenguajes de programación
- Métodos de aprendizaje automático
- Enfoques algorítmicos
- K-Nearets Neighbors (KNN)
- Árboles de decisión
- Aprendizaje profundo
- Aprendizaje por refuerzo
- Construcción de un clasificador de aprendizaje automático en Python con Scikit Learn
- Configuración de un entorno de programación Python
- Pasos para la instalación de Python 3
- Importar Scikit Learn
- Importar el conjunto de datos de Scikit Learn
- Organizar datos en conjuntos
- Construcción del modelo y evaluación de las predicciones
- Construcción de una red neural para el reconocimiento de números escritos a mano en TensorFlow con Python
- Configuración del proyecto
- Importar datos de MNIST
- Definición de la arquitectura de la red neuronal artificial
- Construcción del gráfico de TensorFlow
- Proceso de entrenamiento y pruebas
- Generación de código con inteligencia artificial
- Gemini
- Vertex AI
- Resumen