Centro de Consultoría y Educación Continua
Banner programa educación continúa

Fecha de inicio: 2024-07-16

Curso en Inteligencia Artificial: Aprendizaje Automático y Profundo, con aplicaciones en Visión por Computador y Procesamiento de Lenguaje Natural

Presentación

Este curso permite nivelar habilidades y conocimientos para personas con poco entrenamiento previo, pero con interés en el desarrollo de modelos de aprendizaje automático y profundo para la toma de decisiones en el contexto de la industria 4.0 y para el desarrollo de aplicaciones de visión por computador y procesamiento de lenguaje natural. El programa es 100% aplicado, se imparten conceptos esenciales, pero se dedica la mayor parte del tiempo a adquirir habilidades. El programa incluye el desarrollo de un proyecto aplicado en las empresas y su acompañamiento.

Manejar, analizar e interpretar grandes volúmenes de información es cada vez más importante para la toma de decisiones en ámbitos relacionados con la industria 4.0, incluyendo, la salud, la banca, el clima, el transporte, o la planeación de las ciudades. Así, los modelos de aprendizaje automático y profundo permiten extraer información valiosa de los datos para la toma de decisiones que promuevan el mejoramiento de los procesos operativos, contables, y de logística, con el objetivo de incrementar índices de internacionalización.

Dirigido

Profesionales, estudiantes o practicantes de ingenierías, ciencias básicas, ciencias económicas, y administrativas, que estén familiarizados con sintaxis de lenguaje Python (no es un criterio excluyente).

Imagen dirigido

Docentes

Imagen docente

Julián Gil González

Ingeniero electrónico, Magíster en Ingeniería Eléctrica y Doctor en Ingeniería de la Universidad Tecnológica de Pereira. Profesor catedrático en la Pontificia Universidad Javeriana Cali (PUJC) y la Universidad Tecnológica de Pereira; además, en la actualidad realiza una estancia postdoctoral en aplicaciones de la inteligencia artificial en el área de la bioingeniería. Ha sido investigador y co-investigador en proyectos relacionados con la inteligencia artificial con aplicaciones en diferentes áreas, incluyendo el área de transporte masivo y la bioingeniería. Sus áreas de interés son el desarrollo de modelos de aprendizaje automático y aprendizaje profundo para problemas de visión por computador y procesamiento de lenguaje natural.

Imagen metodología

Metodología

Sesiones sincrónicas donde se imparten clases teóricas y se acompañan de prácticas aplicadas, estudio de casos de éxito, MOOCs gratuitos, entre otros. Sesiones de trabajo autónomo por parte de los estudiantes donde se avanzan en los ejercicios indicados en las sesiones sincrónicas. Sesiones de acompañamiento donde se revisan los avances de trabajo autónomo y se refuerzan conceptos y habilidades.
 

imagen horarios

Horario

Las sesiones se desarrollaran los días martes y miércoles de 6:00p.m a 9:00p.m y los viernes de 5:00 p.m. a 9:00p.m

Nota: Se entregará el certificado de asistencia a los participantes que cumplan como mínimo con el 80% de las horas programadas y estén a paz y salvo con sus compromisos de pago.

En caso de fuerza mayor, la Universidad se reserva el derecho de cambio en los docentes y fechas programadas, antes y durante la ejecución del curso. Estos cambios serán informados oportunamente a los participantes.

Online

Logros

Comprender problemas típicos de aprendizaje automático y profundo que le permitan aplicar herramientas de diagnóstico, automatización y pronóstico en procesos empresariales con miras al mejoramiento de índices de internacionalización.

Imagen logros

Contenido del curso

Módulos

Detalle del módulo:
  • Ciclo de vida de un proyecto basado en datos (Metodología CRISP-DM)
  • Procesamiento de datos. Sesión aplicada: Tipos de datos y técnicas para la limpieza de datos.
  • Ingeniería de características. Sesión aplicada: Reducción de la dimensión.
  • Evaluación del aprendizaje
  • Aprendizaje Supervisado. Proyecto de Aplicación  
  • Aprendizaje no supervisado. Proyecto de Aplicación  
  • Introducción al aprendizaje profundo.
  • Aspectos prácticos de las redes neuronales. Sesión Práctica: Regularización
  • Redes Neuronales Convolucionales. 
  • Visión por computador a partir de las redes neuronales convolucionales:

      - Sesión Práctica: Clasificación de Imágenes.

      - Sesión Práctica: Segmentación Semántica.

      - Sesión Práctica: Detección de Objetos.

  • Modelos Secuenciales: RNN, LSTM, Transformers  

  • Procesamiento de Lenguaje Natural a partir de Transformers

    - Sesión Práctica: Clasificación de Texto.

    - Sesión Práctica: Traducción Automática.

    - Sesión Práctica: Generación de Texto.

  • Servicios de consultoría a empresas