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