Descargar Brochure informativo

Dentro de la Inteligencia Artificial, los modelos de Machine Learning son los que han conseguido más desarrollo en los últimos años. Este fenómeno se debe a la capacidad de tales modelos de aprender directamente de los datos, lo que resulta en todo tipo de aplicaciones que ya impactan nuestro día a día.
En gran medida la demanda creciente de perfiles capaces de aplicar tecnologías basadas en Inteligencia Artificial se debe al Machine Learning. Siendo que profesionales que dominen estas tecnologías no solo pueden desarrollar servicios innovadores dentro del país, sino también exportarlos. Por lo tanto esta propuesta busca hacer frente a la demanda insatisfecha de profesionales alfabetizados en Machine Learning.

• Módulo 1 : Introducción a Python.

1. Esenciales de Python.
2. Jupyter Notebooks.
3. Numpy.
4. Pandas.
5. Matplotlib.

• Módulo 2: Aprendizaje supervisado.

1. Clasificación.
   1. Modelos de clasificación.
   2. Métricas y evaluación para clasificación.
2. Regresión.
   1. Modelos de regresión.
   2. Métricas y evaluación para regresión.
3. Problemas en el aprendizaje supervisado.
   1. Sub-ajuste.
   2. Sobre-ajuste.
   3. Técnicas de regularización.
4. Pronóstico en series de tiempo.
   1. Modelos Ad-hoc.
   2. Adaptación de modelos supervisados genéricos.
5. Ensemble learning.

• Módulo 3: Aprendizaje no supervisado.

1. Clustering.
   1. Modelos de clustering.
   2. Métricas y evaluación para clustering.
   3. Clustering jerárquico.
2. Detección de anomalías.
3. Ingeniería de atributos para aprendizaje de máquina
   1. Normalización de atributos.
   2. Selección de atributos.
   3. Análisis de componentes principales.
   4. Generación de atributos.

• Módulo IV: Fundamentos del Aprendizaje por refuerzo.

1. Introducción a la toma de decisiones secuenciales.
2. Procesos de decisión de Markov.
3. Funciones de valor.
4. Ecuaciones de Bellman.
5. Programación dinámica.

• Módulo V: Proyecto final.

.

Condiciones del Diplomado

El cursante que haya cumplimentado las condiciones de aprobación y acreditación requeridas, accede al Certificado de Aprobación impreso o digital (preferentemente digital), avalado por el Departamento de Formación Continua y la Dirección correspondiente.

El cursante con un porcentaje de asistencia a clases síncronas mayor o igual a 70% podrá acceder a un Certificado de Participación impreso o digital (preferentemente digital), avalado por el Departamento de Formación Continua y la Dirección correspondiente.

Condiciones para la aprobación:

Horario:

• 80 Horas de clases (incluye el acompañamiento)
• 10 Horas de Proyecto Final
• Inicio de clases: a definir
• Finalización: a definir

Requerimientos mínimos del estudiante:

• PC con conexión a INTERNET.
• Cuenta de correo electrónico.

Coordinadores

Sebastián A. Grillo

Docentes:

José Luis Vázquez

Sebastián A. Grillo

Financiados por el MITIC.

Llenar el formulario de inscripción: https://forms.gle/RwobbrpsExjBm717A

Correo Electrónico: fmoreno@pol.una.py / formacion.continua@pol.una.py

Teléfono (Para WhatsApp): 0972 735 538.