Finalizó diplomado en IA aplicada al sector eléctrico
septiembre 4, 2025
No hay comentarios
Leer Más >> 
Título del programa:
Diplomado en Inteligencia Artificial aplicada y Ciencia de Datos.
Dirigido a:
Profesionales, técnicos y estudiantes de distintas áreas de conocimiento interesados en desarrollar habilidades en Ciencia de Datos e Inteligencia Artificial para su aplicación en la industria, la academia o el sector público.
Coordinadores:
La rápida expansión de la Inteligencia Artificial y la Ciencia de Datos ha transformado múltiples sectores productivos y de servicios. Este diplomado prepara a los participantes para comprender, aplicar y evaluar soluciones basadas en datos, promoviendo el uso responsable y ético de estas tecnologías emergentes.
Desde el punto de vista del desarrollo sostenible, el diplomado contribuye de manera directa a los Objetivos de Desarrollo Sostenible (ODS):
ODS 4 (Educación de calidad): promueve la formación avanzada en competencias digitales y tecnológicas, fortaleciendo el capital humano del sector TIC.
ODS 8 (Trabajo decente y crecimiento económico): potencia la empleabilidad y la innovación en la economía digital mediante la profesionalización de recursos humanos con perfiles tecnológicos demandados por el mercado.
ODS 9 (Industria, innovación e infraestructura): impulsa la adopción de tecnologías emergentes y la modernización de infraestructuras urbanas inteligentes y seguras.
ODS 10 (Reducción de las desigualdades): favorece la inclusión digital y el acceso equitativo al conocimiento y la tecnología, contribuyendo a cerrar la brecha tecnológica regional.
Este diplomado busca contribuir a la construcción de una sociedad digital más inclusiva, segura y sostenible, fortaleciendo el talento humano que liderará los procesos de modernización tecnológica en Paraguay y en América Latina
TEMARIO GENERAL:
Módulo 1. Fundamentos de IA (Dr. Miguel García Torres)
a. Conceptos básicos de IA y Ciencia de Datos.
b. Flujo de trabajo en proyectos basados en datos.
c. Visualización y análisis exploratorio.
Módulo 2. Aprendizaje no supervisado (Dr. José Luis Vázquez Noguera)
a. Clustering: k-means y clustering jerárquico.
b. Reducción de dimensionalidad: PCA.
c. Detección de anomalías.
Módulo 3. Aprendizaje supervisado (Dr. Sebastián Alberto Grillo)
a. Regresión y clasificación.
b. Árboles de decisión y métodos de ensamblado.
c. Métricas de evaluación y validación cruzada.
Módulo 4. Modelado de datos complejos (Dr. Pastor Emmannuel Pérez Estigarribia)
a. Series de tiempo.
b. Procesamiento de texto.
c. Tratamiento de datos no estructurados.
Módulo 5. Deep Learning (Dr. Sebastián Alberto Grillo)
a. Redes neuronales profundas.
b. Entrenamiento, optimización y regularización.
c. Aplicaciones en visión y texto.
Módulo 6. IA Generativa (Dr. Miguel García Torres)
a. Modelos generativos.
b. Fundamentos de LLMs.
c. Aplicaciones y consideraciones éticas.
Módulo 7. Proyecto Final Integrador (Equipo docente)
a. Definición y planificación del proyecto.
b. Desarrollo y validación del modelo.
c. Presentación y defensa del trabajo final.
DOCENTES / INSTRUCTORES
Dr. Miguel García Torres | Doctor en Física e Informática por la Universidad de La Laguna, España (2007), con tesis sobre técnicas metaheurísticas aplicadas a minería de datos. Máster en Física e Informática por la misma universidad (2004) y Licenciado en Física (2001). |
Dr. José Luis Vázquez Noguera | Doctor en Ciencias de la Computación (Informática) por la Facultad Politécnica de la Universidad Nacional de Asunción, con tesis sobre framework de análisis adaptativo de colores RGB mediante parámetros estadísticos de histogramas, orientada a procesamiento de imágenes. Maestro en Ingeniería por la misma institución, con especialización en procesamiento digital de imágenes microscópicas. |
Dr. Sebastián Alberto Grillo | Doctor en Ingeniería de Sistemas y Computación por el Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa en Engenharia (Brasil), con tesis en modelos cuánticos y complejidad computacional. |
Dr. Julio Mello
| Doctor en Ciencias de la Computación por la Universidad Nacional de Asunción, con línea de investigación centrada en morfología matemática multiescala, fusión de imágenes y análisis de datos visuales. |
Certificación:
El cursante que haya cumplido con las condiciones de aprobación y acreditación requeridas, accede al Certificado de Aprobación impreso o digital, avalado por la Coordinación de Formación Continua dependiente de la Dirección de Extensión Universitaria.
El cursante que solo haya cumplido con las condiciones de participación requeridas, accede al Certificado de Participación impreso o digital, avalado por la Coordinación de Formación Continua dependiente de la Dirección de Extensión Universitaria.
Condiciones para la aprobación:
Actividad | Condiciones de aprobación | Observación |
Promedio ponderado |
40% | Como mínimo debe alcanzar el 40% de las actividades consideradas en el promedio ponderado
|
Trabajo Final |
30% | Como mínimo debe alcanzar el 40% del trabajo final de curso: incluye:
|
Mínimo para certificar |
70% | Suma de los porcentajes alcanzados en:
Siempre y cuando se haya alcanzado los requerimientos mínimos ya mencionados.
|
CARGA HORARIA:
Requerimientos mínimos: Se espera que los participantes cuenten con conocimientos básicos en informática.
Costo y Financiación: SUJETO A APROBACIÓN DE BECA DE MITIC
Inscripciones: PROXIMANENTE A DEFINIR
Correo electrónico: consultasdiplomadosfp@pol.una.py
Coordinador: Esteban Duarte; ejose.duarte@pol.una.py
