ITLA - Programa
Escudo República Dominicana
Escudo República Dominicana
esen
MENU Flechita
Inteligencia Artificial
TEMA GENERAL O UNIDAD SUBTEMAS DESCRIPCIÓN DE CONTENIDO
Introducción a la Inteligencia Artificial (IA)
Introducción a los principales conceptos de IA
Para conocer como se puede utilizar el aprendizaje automático para construir modelos predictivos para la IA. Aprenda cómo se puede usar el software para procesar, analizar y extraer significado del lenguaje natural; y para procesar imágenes y videos para entender el mundo como lo hacemos. Descubra cómo construir bots inteligentes que permitan la comunicación conversacional entre humanos y sistemas de inteligencia artificial.
Aprendizaje automático - La fundación de la IA
Texto y habla - Entender el lenguaje
Visión por computadora - Viendo el mundo a través de la IA
Bots - Conversación como una plataforma
 
Introducción a Pythón para Inteligencia Artificial
Conceptos básicos de Python de sus primeros pasos en el mundo de Python. Descubre los diferentes tipos de datos y crea tu primera variable.   
Listas de Python Conozca la primera forma de almacenar muchos puntos de datos diferentes con un solo nombre. Crea subconjuntos y manipula listas de muchas maneras Python es un lenguaje de programación muy poderoso usado para muchas aplicaciones diferentes. Con el tiempo, la gran comunidad en torno a este lenguaje de código abierto ha creado bastantes herramientas para trabajar de manera eficiente con Python. En los últimos años, se han desarrollado una serie de herramientas específicamente para la ciencia de datos. Como resultado, el análisis de datos con Python nunca ha sido tan fácil.

El participante comenzará desde el principio, con aritmética básica y variables, y aprenderás cómo manejar estructuras de datos, como listas de Python, matrices Numpy y Pandas DataFrames. En el camino, aprenderá sobre las funciones de Python y el flujo de control. Además, verá el mundo de las visualizaciones de datos con Python y creará sus propias visualizaciones asombrosas basadas en datos reales.
Funciones y paquetes
Aprenda cómo aprovechar al máximo los esfuerzos de otras personas importando paquetes de Python y llamando a funciones.
 
Matemáticas esenciales para el aprendizaje automático: Edición Python
Introducción
Este curso no es un currículo completo de matemáticas; no está diseñado para reemplazar la educación matemática de la escuela o la universidad. En su lugar, se centra en los conceptos matemáticos clave que encontrará en los estudios de aprendizaje automático. Está diseñado para llenar los vacíos de los estudiantes que se perdieron estos conceptos clave como parte de su educación formal, o que necesitan refrescar sus recuerdos después de un largo descanso de estudiar matemáticas. 
Ecuaciones, funciones y gráficas
Diferenciación y optimización
Vectores y matrices
Estadística y probabilidad
Ética y derecho en datos y análisis.
Habilidades fundacionales en la aplicación de marcos éticos y legales para la profesión de datos.
El participante aprenderá a aplicar marcos éticos y legales a las iniciativas en la profesión de datos. Explorará enfoques prácticos a los problemas de datos y análisis que plantea el trabajo en Big Data, Data Science y AI. También investigará los métodos de datos aplicados para el trabajo ético y legal en Analytics y AI.
Enfoques prácticos de los problemas de datos y análisis, incluidos Big Data y Data Science y AI
Métodos de datos aplicados para el trabajo ético y legal en Analytics y AI.
Métodos de investigación en ciencia de datos: Edición Python
El proceso de investigacion
En este curso, aprenderá los fundamentos del proceso de investigación, desde desarrollar una buena pregunta hasta diseñar buenas estrategias de recolección de datos para poner los resultados en contexto. Si bien un científico de datos a menudo puede desempeñar un papel clave en el análisis de datos, todo el proceso de investigación debe funcionar de manera cohesiva para que se puedan obtener datos válidos.

Desarrollado como un lenguaje poderoso y flexible utilizado en todo, desde Data Science hasta soluciones de Inteligencia Artificial de vanguardia y escalables, Python se ha convertido en una herramienta esencial para hacer Data Science y Machine Learning. Con esta edición de Data Science Research Methods, todos los laboratorios se realizan con Python, mientras que los videos son lingüísticos. Si prefiere que su ciencia de datos se realice con R, consulte Métodos de investigación de ciencia de datos: R Edition.
Planificación para el análisis
Reclamaciones de investigación
Medición
Diseño correlacional y experimental
Principios del aprendizaje automático: Python Edition
Introducción al Aprendizaje Automático
Se presentará la teoría del aprendizaje automático combinadas con escenarios prácticos y experiencia práctica en la construcción, validación y despliegue de modelos de aprendizaje automático. Aprenderá cómo crear y obtener información sobre estos modelos utilizando Python y Azure Notebooks.
Explorando datos
Preparación y limpieza de datos
Comenzando con el aprendizaje supervisado
Mejora del rendimiento del modelo
Algoritmos de aprendizaje automático
Aprendizaje sin supervisión
Aprendizaje profundo explicado
Introducción al aprendizaje profundo y un resumen rápido de los conceptos de aprendizaje automático. 
El aprendizaje profundo es un habilitador clave de las tecnologías impulsadas por AI que se están desarrollando en todo el mundo. En este curso de aprendizaje profundo, aprenderá un enfoque intuitivo para construir modelos complejos que ayuden a las máquinas a resolver problemas del mundo real con inteligencia de tipo humano. Los enfoques intuitivos se traducirán en código de trabajo con problemas prácticos y experiencia práctica. Aprenderá cómo construir y obtener información sobre estos modelos utilizando las computadoras portátiles Python Jupyter que se ejecutan en su máquina Windows o Linux local, o en una máquina virtual que se ejecuta en Azure. 
Creación de un modelo de clasificación de clases múltiples simple mediante regresión logística 
Detección de dígitos en una imagen de dígitos escrita a mano, comenzando por un modelo de extremo a extremo simple, hasta una red neuronal profunda 
Mejora de la escritura manual 
Reconocimiento de dígitos con red convolucional.  Creación de un modelo para pronosticar datos de tiempo utilizando una red recurrente 
 
Aprendizaje de refuerzo explicado
Problema de aprendizaje de refuerzo
Para introducir al participante al mundo del aprendizaje por refuerzo. Aprenderá a encuadrar los problemas de aprendizaje de refuerzo y comenzará a abordar ejemplos clásicos como la recomendación de noticias, aprender a navegar en un mundo de cuadrícula y equilibrar un poste de carrito.
Proceso de decisión de Markov
Bandidos
Programación dinámica
Aprendizaje de la diferencia temporal
Métodos de solución aproximada
Gradiente de políticas y crítico de actores
RL que funciona
Desarrolle soluciones de IA aplicadas. 
Visión por computadora y análisis de imagen. La visión artificial es el arte de destilar información procesable de imágenes.

En este curso práctico, aprenderemos sobre las técnicas de análisis de imágenes que utilizan OpenCV y el kit de herramientas cognitivas de Microsoft para segmentar las imágenes en partes significativas. Exploraremos la evolución del Análisis de imágenes, desde las técnicas clásicas hasta las de aprendizaje profundo.
Sistemas de reconocimiento de voz El desarrollo y la comprensión de los sistemas de Reconocimiento Automático de Voz (ASR, por sus siglas en inglés) es una actividad interdisciplinaria, con experiencia en lingüística, informática, matemáticas e ingeniería eléctrica.
Procesamiento del lenguaje natural (PNL) Se le brindará una visión general detallada del procesamiento del lenguaje natural y cómo utilizar los métodos clásicos de aprendizaje automático. Aprenderá acerca de la traducción automática estadística, así como los modelos de similitud semántica profunda (DSSM) y sus aplicaciones.
También discutiremos técnicas de aprendizaje de refuerzo profundo aplicadas en NLP y Vision-Language Multimodal Intelligence.
Proyecto final Este curso consiste en un proyecto práctico en el que debes abordar un desafío de IA. Para plasmar los conocimientos y habilidades que adquirió el participante durante el Diplomado en Inteligencia Artificial y resuelva un problema de IA del mundo real en este proyecto final de programa. El proyecto toma la forma de un desafío en el que desarrollará una solución que se prueba y califica para determinar su calificación. 

Compartir