Descripción del máster ejecutivo

Inicio 31 de julio, 2024
Duración 9 meses
Modalidad Online
Financiamiento disponible
Horario Martes 6:00 p.m. a 9:00 p.m.

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

Curriculum:Máster Ejecutivo en Inteligencia Artificial para los Negocios

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

Básico - 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

Intermedio - 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

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)

Avanzado - 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

Básico -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

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

Intermedio - 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

Avanzado - 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

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

Básico -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

Básico - 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

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

Intermedio - 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

Intermedio - 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

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)

Avanzado - 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

Avanzado - 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

Profesores

Más información

Inicio del programa:

Mayo 2017

Solicite el plan de estudios, costos y financiamiento en esta área de estudio.

Solicitar información

Podrá descargar información sobre el programa de su interés y un asesor lo contactará para facilitarle más detalles sobre ULEAD.

Inicie el proceso de admisión aquí

 

Suscríbase a
nuestro boletín

Suscríbase al boletín para estar
al tanto de novedades académicas

Cerrar

Idiomas

Custom Search 1

Compartir