Diplomado en Inteligencia Artificial

Características:​

• 120 hrs de clases en vivo con profesor
• Acceso 24/7 y de por vida a las clases grabadas
• Repositorio de prácticas en GitHub
• Retroalimentación y evaluación final personalizada
• Pitch de negocio (business pitch)
• Materiales de estudio complementarios
• Cuadernillo de trabajo digital
• Carta de recomendación (opcional)

​

​Temario: 

Módulo 1: Fundamentos de la Inteligencia Artificial y Machine Learning (20 horas)

Introducción a la IA:

• Historia, conceptos clave y ramas de la IA.
• Diferencia entre IA, Machine Learning y Deep Learning.

Preparación de Datos:

• Manejo de datos con Pandas y NumPy.
• Limpieza, transformación y visualización de datos.

Algoritmos de Machine Learning Clásico:

• Regresión Lineal y Logística.
• Árboles de Decisión, Random Forest y Gradient Boosting.
• Introducción a la clasificación con Scikit-learn.

Evaluación de Modelos:

• Métricas de rendimiento (precisión, recall, F1-score).
• Validación cruzada y ajuste de hiperparámetros.

 

Módulo 2: Redes Neuronales y Deep Learning (25 horas)

• Arquitectura de Redes Neuronales:
  • Perceptrón, capas ocultas y funciones de activación.
  • Entrenamiento de redes: descenso de gradiente y retropropagación.
• Implementación con Frameworks:
  • Introducción a TensorFlow y Keras.
  • Construcción de una red neuronal simple desde cero.
• Tipos de Redes Neuronales:
  • Redes Neuronales Convolucionales (CNN) para visión por computadora.
  • Redes Neuronales Recurrentes (RNN) para secuencias y series de tiempo.
• Proyectos Prácticos:
  • Clasificación de imágenes.
  • Análisis de sentimientos en texto.

 

Módulo 3: Large Language Models (LLM) y Aplicaciones Inteligentes (30 horas)

Introducción a los LLM:

• Arquitectura de Transformers.
• Modelos pre-entrenados: GPT, BERT, Llama, etc.

• Ingeniería de Prompts (Prompt Engineering):
  • Técnicas avanzadas para interactuar con LLM.
  • Diseño de prompts efectivos para tareas específicas.
• Fine-Tuning de LLM:
  • Adaptación de modelos a conjuntos de datos personalizados.
  • Estrategias de ajuste para mejorar el rendimiento.
• Desarrollo de Aplicaciones con LLM:
  • Integración de APIs de LLM (OpenAI, Hugging Face).
  • Creación de aplicaciones que utilizan generación de texto y análisis de lenguaje.

 

Módulo 4: Ingeniería de Agentes de IA y Chatbots (25 horas)

Conceptos de Agentes de IA:

• Arquitectura y componentes de un agente inteligente.
• Planificación, memoria y uso de herramientas (tools).

• Frameworks de Agentes:
  • Introducción a LangChain y LlamaIndex.
  • Creación de flujos de trabajo con agentes.
• Creación de Chatbots:
  • Diseño de conversaciones y flujos de diálogo.
  • Desarrollo de chatbots con LLM.
• Asistentes de IA:
  • Integración de asistentes en aplicaciones web y móviles.
  • Construcción de un asistente de IA con herramientas externas.

 

Módulo 5: Proyecto Final Integrador (20 horas)

ESCRÍBENOS