Máster Ejecutivo en Inteligencia Artificial para los Negocios

Descripción del máster ejecutivo

Este programa proporciona una visión general de la inteligencia artificial y su aplicación práctica en diversos sectores industriales y en la sociedad. Brinda a los participantes una comprensión de la definición y la evolución histórica de la IA, así como de los diferentes tipos de IA y las técnicas utilizadas para preparar y limpiar los datos. Posteriormente, se centra en la aplicación práctica del procesamiento y análisis de datos temporales, el estudio de arquitecturas de redes neuronales y el procesamiento del lenguaje natural, incluyendo el análisis de sentimientos y la creación de chatbots. Además, se explora el uso de modelos de lenguaje avanzados y se enseñan las mejores prácticas para integrar y gestionar sistemas de aprendizaje automático en producción.

Diferenciación: ¿Por qué elegir Lead?

• Enfoque práctico-teórico sin programación
• Comprensión profunda de diferentes aspectos de IA
• Facultad de expertos y alta calidad educativa
• Amplia cobertura de temas y niveles de habilidad
• Experiencia práctica con herramientas reales
• Certificación opcional: Artificial Intelligence Professional Certificate - CAIPC

Perfil Académico

Perfil de entrada

El programa está dirigido a personas interesadas en adquirir un profundo conocimiento sobre inteligencia artificial, explorando sus diversas aplicaciones y dominando las habilidades necesarias para implementar soluciones efectivas en escenarios del mundo real; tanto para estudiantes como a profesionales, que deseen fortalecer sus competencias y conocimientos en el campo de la Inteligencia Artificial y el Machine Learning, haciendo uso de herramientas no-code/low-code.

• No se requieren conocimientos técnicos ni experiencia en programación
• Comprensión básica de matemáticas de nivel secundario: (álgebra, estadística y geometría)
• Familiaridad con estructuras de datos
• Conocimientos en el uso de computadoras y software
• Posibilidad de instalar aplicaciones en la computadora que se va a utilizar

Perfil de salida

Al finalizar el programa, el estudiante será capaz de:

• Comprender conceptos de IA, su historia, aplicaciones e implicaciones éticas y sociales
• Explorar diversos algoritmos y técnicas de aprendizaje automático, como aprendizaje supervisado y no supervisado, redes neuronales, visión por computadora y procesamiento del lenguaje natural
• Aplicar estos algoritmos de aprendizaje automático y técnicas de IA a problemas reales
• Contar con habilidades de análisis y conocimiento de herramientas y plataformas de análisis de datos
• Trabajar con un proyecto final que integre los conceptos aprendidos y presentar los hallazgos al resto de la clase

Contenido

• Módulo Básico
  • Curso I: INTRODUCCION A LA INTELIGENCIA ARTIFICIAL
    • Definición e historia breve de la IA
    • Tipos de IA (estrecha vs general)
    • Aplicaciones de la IA en la industria y la sociedad
    • Ética e implicaciones sociales de la IA
  • Curso II: PREPROCESAMIENTO DE DATOS E INGENIERÍA DE CARACTERÍSTICAS
    • Limpieza de datos y disputa de datos
    • Manejo de datos faltantes y valores atípicos
    • Técnicas de selección de características
    • Escalado y Normalización de Datos
    • Técnicas de extracción de características
  • Curso III: FUNDAMENTOS DE APRENDIZAJE DE MÁQUINA
    • Aprendizaje supervisado: regresión lineal y regresión logística
    • Aprendizaje no supervisado: agrupamiento y reducción de dimensionalidad
    • Métricas de evaluación para modelos de ML
    • Compensación de sesgo y varianza
    • Selección de modelos y técnicas de validación cruzada
• Módulo Intermedio 
  • Curso IV: ANÁLISIS Y PRONÓSTICOS DE SERIES DE TIEMPO
    • Introducción al análisis de series temporales
    • Estacionariedad y Autocorrelación
    • Modelos ARIMA y SARIMA
    • Suavizado exponencial y métodos de Holt-Winters
    • Redes de memoria a corto plazo (LSTM)
    • Aplicaciones de la previsión de series temporales en finanzas, ventas, etc
  • Curso V: INTRODUCCIÓN AL APRENDIZAJE PROFUNDO
    • Redes Neuronales Artificiales
    • Redes neuronales convolucionales (CNN)
    • Redes neuronales recurrentes (RNN)
    • Redes adversarias generativas (GAN)
    • Aplicaciones de aprendizaje profundo avanzado en visión artificial, procesamiento de lenguaje natural y sistemas de recomendación
  • Curso VI: APLICANDO LA IA A PROBLEMAS DEL MUNDO REAL
    • Cómo se utiliza la IA en diferentes industrias: salud, finanzas, educación y otras
    • Ejemplos reales de aplicaciones de la IA: detección de fraudes, sistemas. de recomendación, chatbots y otros
    • Ejercicios prácticos básicos con herramientas y plataformas de IA, tales como: Google Cloud AutoML e IBM Watson Studio
• Módulo Avanzado
  • Curso VII: PROCESAMIENTO DE LENGUAJE NATURAL
    • Preprocesamiento de texto
    • Modelos de lenguaje (n-gramas, TF-IDF)
    • Análisis de los sentimientos
    • Reconocimiento de entidad nombrada (NER
    • Aplicación de ChatBots)
  • Curso VIII: LARGE LANGUAGE MODELS (LLM)
    • Fundamentos de modelos LLM
    • Codificadores automáticos y codificadores automáticos variacionales (VAEs)
    • Transformadores y Mecanismos de Atención
    • Tipos de modelos LLM
    • Comprendiendo la “atención” de Transformers (Bert, GPT3 y GPT4)
    • Aplicación de ChatGPT en la sociedad
  • Curso IX: MLOPS (MACHINE LEARNING OPERATION)
    • Fundamentos de MLops
    • Beneficios de MLops
    • Diferencias entre el desarrollo de software tradicional y MLops
    • Herramientas y tecnologías utilizadas en MLops
    • Creación de una canalización de MLops de extremo a extremo
    • Mejores prácticas para implementar MLops