TEMARIO GENERAL:

Módulo 0. Plataforma Tecnológica EDUCA (2 h)

Módulo 1. Fundamentos de IA (6 h)

Módulo 2. Aprendizaje de Máquina (Machine Learning) (24 h)

Módulo 3. Redes Neuronales Artificiales (24 h)

Módulo 4. Conceptos básicos del Sector energético (10 h)

Módulo 5. Frameworks de IA (14 h)

Módulo 6. Predicciones de Series Temporales con IA (10 h)

Módulo 7. Aplicación de Predicción Energética (Eléctrica) con técnicas de IA. (10 h)

Módulo 8. Introducción sobre Visión por Computadora (opcional) (6 h).

TEMARIO ANALÍTICO

Módulo 1. Fundamentos de Inteligencia Artificial. (6 h) (Víctor Raul Neumann Silva-Dr. Victorio Oxilia)

1. Definición y Objetivos de la IA
2. Historia y Evolución de la IA
3. Componentes y Subáreas de la IA
4. Aplicaciones de la IA en la Industria y la Investigación

Módulo 2. Aprendizaje de Máquina (Machine Learning) (24 h) (Víctor Raúl Neumann Silva-Diana Valdez )

1. Conceptos Básicos de Aprendizaje de Máquina
2. Tipos de Aprendizaje: Supervisado, No Supervisado, Semi Supervisado, Ensemble o Conjunto, Por Refuerzo y Auto supervisado
3. Algoritmos de Aprendizaje de Máquina
4. Aplicaciones de Aprendizaje de Máquina

Módulo 3. Redes Neuronales Artificiales. (24 h) (Víctor Raúl Neumann Silva-Richard Ríos)

1. Introducción a las Redes Neuronales
2. Perceptrón, Perceptrón multicapa (MLP), Redes Neuronales Convolucionales (CNN o RNC), Redes Neuronales Recurrentes (RNN o RNR), Redes Neuronales Profundas (Deep Learning) y Redes neuronales de transformadores (Transformadores)
3. Algoritmos de Redes Neuronales
4. Aplicaciones de Redes Neuronales

Módulo 4. Conceptos básicos del Sector energético (10 h) (Richard Ríos – Estela Riveros)

1. Conceptos básicos necesarios del sector energético para su comprensión, procesamiento y predicción de datos referentes al sector energético.
2. Importancia de la Predicción en la Planificación y Programación Energética.
   1. Generación
   2. Demanda

Módulo 5. Frameworks de IA (14 h) (Víctor Raúl Neumann Silva – Eduardo Ortigoza)

1. Introducción a los Frameworks de IA
2. TensorFlow (Keras)
3. Uso de tf.keras.layers.SimpleRNN, tf.keras.layers.LSTM, y tf.keras.layers.GRU
4. Aplicaciones del TensorFlow en la Predicción de Series Temporales

Módulo 6. Predicciones de Series Temporales (10 h) (Víctor Raúl Neumann Silva-Richard Ríos)

1. Introducción a las Predicciones de Series Temporales
2. Abordajes ARIMA y Prophet
3. Abordaje de Redes Neuronales Recurrente (RNR) con LSTM
4. Aplicaciones y comparaciones de desempeño.

Módulo 7. Proyecto de Aplicación de Predicción Energética con técnicas de IA (10 h) (Víctor Raúl Neumann Silva – Estela Riveros)

1. Definición del proyecto
2. Identificación de la base de datos de series temporales
3. Codificación de la aplicación
4. Simulaciones

Módulo 8. Introducción sobre Visión por Computadora (opcional) (6 h) (Víctor Raúl Neumann Silva)

1. Conceptos Básicos de Visión por Computadora
2. Fundamentos del procesamiento de imágenes
3. Transformaciones de Intensidad
4. Filtrado Espacial