Descripción
Machine Learning es un paradigma de cómo abordamos problemas complejos: en lugar de programar reglas explícitas, permitimos que los sistemas aprendan patrones y relaciones directamente desde los datos. Construimos modelos matemáticos que, mediante la observación de datos, pueden realizar predicciones sobre datos nuevos.
El objetivo de este curso es brindar una formación en Machine Learning, diseñada específicamente para profesionales sin formación nativa en informática. Buscaremos desarrollar una comprensión crítica sobre la inteligencia artificial, sus fundamentos matemáticos, sus diferentes enfoques de aprendizaje (supervisado, no supervisado y reforzado), y sus aplicaciones prácticas, proporcionando las herramientas necesarias para evaluar cuándo y cómo implementar estas tecnologías en diferentes contextos.
|
Encuentro |
Tema |
Desarrollo |
|
1 |
Machine Learning Bases | Introducción a IA. Enfoques de IA. Principios de Machine Learning. Aprendizaje supervisado y no supervisado. |
|
2 |
Regresión | Análisis Predictivo. Presunciones y error. Regresión lineal simple. Regresión lineal multivariante. Máquinas de vectores de soporte (SVM). Árboles de decisión. Ajuste de hiperparámetros. Métricas. |
|
3 |
Clasificación | Regresión Logística. SVM. Random Forest. Naive Bayes. Métodos de ensamble. Métricas. Predicciones. |
|
4 |
Redes Neuronales | Introducción. Inspiración biológica. Neurona formal. Problemas linealmente separables. Neurona de McCulloch y Pitts. Perceptrón simple y multicapa. Backpropagation. Descenso de gradiente Optimización. Regularización. |
|
5 |
Computer Vision | Visión artificial. Construcción de imágenes. Modos de color. Redes neuronales convolucionales. Convolución. Pooling. Flatten. Clasificador de imágenes binaria y multi-categoría. Transferencia de aprendizaje. |
Requisitos
- Uso avanzado de PC y facilidad para navegar por Internet
- Lectura básica de textos técnicos en inglés.
- Conocimientos de programación con lenguajes Python
Modalidad
- Encuentros online sincrónicos
- Material de lectura sugerida
 Esp. Ciro Edgardo Romero |
IT & IoT System Developer: Experiencia como desarrollador de aplicaciones, sistemas embebidos, implementación de proyectos ciber-físicos y como investigador. También me desempeño como docente, dictando cursos en un centro de capacitación laboral. Es Líder de proyectos de investigación y desarrollo. Coordinador de iniciativas para la innovación. Gestión de recursos. Implementación de procesos para la mejora de los proyectos de la empresa y sus clientes. Además es Desarrollador e investigador de software: Análisis, investigación y gestión de proyectos orientados a la búsqueda de conocimiento e incorporación de nuevas tecnologías con el fin de concebir, elaborar, implementar y optimizar sistemas para la empresa y/o sus clientes |
 Ignacio Bosch |
Bioingeniero, recibido en la Universidad de Mendoza, y se encuentra Doctorando en Neurociencas. Trabaja como profesor adjunto y colaborador en TIF, en la facultad de ingeniería de la UM. Además, es líder de Innovación, especializado en temáticas de Inteligencia artificial. |
“Estos Cursos se pueden presentar al Programa de Crédito Fiscal para capacitación PYME del
Ministerio de Desarrollo Productivo de la Nación”
Valoraciones
No hay valoraciones aún.