Especialidad en Inteligencia Artificial, posgrado, Costa Rica

Descripción de la especialidad

Inicio	I Semestre, 2023
Duración	6 meses
Lugar	Virtual

Modalidad	Online
Financiamiento disponible	Tasa Cero y Minicuotas Credomatic. Beneficio por Convenio Empresarial
Horario	Lunes de 6:00 p.m. a 9:00 p.m., miércoles de 6:00 p.m. a 9:00 p.m

La especialidad en Inteligencia Artificial (IA) brinda el conocimiento en gestión y herramientas para tomadores de decisión que deseen iniciar la implementación de inteligencia artificial en sus empresas para optimizar los procesos y beneficiar los equipos de trabajo. El programa detalla las mejores prácticas a nivel internacional con el objetivo de estar a la vanguardia en la tecnología disruptiva.

Perfil del participante

La Especialidad en Inteligencia Artifical está dirigida a:

Profesionales responsables de procesos de toma de decisión en una organización que deseen iniciar la implementación de inteligencia artificial en sus empresas.
Profesionales con experiencia laboral, que se desempeñan en cualquier tipo de empresas y rubros, direcciones de I+D, y encargados del área de tecnologías y proyectos, tanto del sector privado como público.
Estudiantes universitarios que deseen adquirir conocimientos para fortalecer su perfil y mejorar sus expectativas laborales.

Beneficios

Al concluir esta especialidad el participante será capaz de:

Entender cómo se implementan proyectos de IA.
Conocer sobre perspectivas estratégicas en las tecnologías de IA en una organización.
Evaluar la incertidumbre, la ambigüedad y los desafíos de la IA en una organización.
Reconocer las implicaciones y oportunidades comerciales derivadas de la IA.
Entender cómo capitalizar las oportunidades que abren las tecnologías emergentes para lograr una ventaja competitiva.

Curriculum:Especialidad en Inteligencia Artificial en los Negocios

Módulo 1

Introducción a la Inteligencia Artificial: Historia, Ecosistema (Big Data y IOT, Soluciones de desarrollo en la Nube (Cloud), creadores, investigadores, conceptos y roles de la AI, Deep y Machine Learning
Tratamiento de los Datos: Fundamentos de los Datos, Tipos de dato, Ciclo del procesamiento de los datos.

Módulo 3

Deep Learning: Fundamentos, diferencia entre Machine y Deep Learning, redes neuronales (Conceptos, aplicación y tipos), casos de uso del Deep learning en la actualidad.
Natural Language Processing: fundamentos, retos y futuro del NLP, pasos de aplicación para un proyecto de NLP, reconocimiento de Voz, Casos de uso (Voice Commerce, Virtual Assistants, Chatbots)

Módulo 5

Contexto Legal: GDPR, derechos y deberes de los usuarios, ética y gobernanza de datos, transferencia de datos, casos de uso, patentes
Seguridad y Privacidad de Datos: Seguridad y Confidencialidad del tratamiento de los datos, cifrado de comunicaciones, permisos y jerarquías, mejores prácticas.

Módulo 2

Visualización de Datos: Fundamentos e importancia de la visualización, mejores gráficos, tipos y clasificación de gráficos (Estáticos, dinámicos, híbridos, gráficos con alta dimensionalidad, mejores prácticas y herramientas de visualización.
Machine Learning: Fundamentos, estadística, proceso, tipos, algoritmia y uso de herramientas para la aplicación de algoritmos.

Módulo 4

Robotic Process Automation: Fundamentos, pros y cons, RPA y AI, casos de uso
Implementación de un proyecto de IA: Enfoques, pasos para la implementación, entrega y aplicación del proyecto, herramientas y lenguajes, arquitecturas disponibles para aplicar IA.

Módulo 1

Introducción a la Inteligencia Artificial: Historia, Ecosistema (Big Data y IOT, Soluciones de desarrollo en la Nube (Cloud), creadores, investigadores, conceptos y roles de la AI, Deep y Machine Learning
Tratamiento de los Datos: Fundamentos de los Datos, Tipos de dato, Ciclo del procesamiento de los datos.

Módulo 2

Visualización de Datos: Fundamentos e importancia de la visualización, mejores gráficos, tipos y clasificación de gráficos (Estáticos, dinámicos, híbridos, gráficos con alta dimensionalidad, mejores prácticas y herramientas de visualización.
Machine Learning: Fundamentos, estadística, proceso, tipos, algoritmia y uso de herramientas para la aplicación de algoritmos.

Módulo 3

Deep Learning: Fundamentos, diferencia entre Machine y Deep Learning, redes neuronales (Conceptos, aplicación y tipos), casos de uso del Deep learning en la actualidad.
Natural Language Processing: fundamentos, retos y futuro del NLP, pasos de aplicación para un proyecto de NLP, reconocimiento de Voz, Casos de uso (Voice Commerce, Virtual Assistants, Chatbots)

Módulo 4

Robotic Process Automation: Fundamentos, pros y cons, RPA y AI, casos de uso
Implementación de un proyecto de IA: Enfoques, pasos para la implementación, entrega y aplicación del proyecto, herramientas y lenguajes, arquitecturas disponibles para aplicar IA.

Módulo 5

Contexto Legal: GDPR, derechos y deberes de los usuarios, ética y gobernanza de datos, transferencia de datos, casos de uso, patentes
Seguridad y Privacidad de Datos: Seguridad y Confidencialidad del tratamiento de los datos, cifrado de comunicaciones, permisos y jerarquías, mejores prácticas.