Inteligencia Artificial con Deep Learning
ÁREA: DESARROLLO DE SOFTWARE
PRESENTACIÓN
Ante la constante generación de datos en las empresas y la necesidad de éstas por analizarlos, se han originado nuevas tecnologías para la creación de aplicaciones de analítica avanzada, basada en la inteligencia artificial. No solo las empresas, sino también los gobiernos, invierten en el desarrollo, la investigación y la aplicación de la inteligencia artificial. Expertos y medios especializados señalan su gran potencial y las oportunidades que brinda. Este curso integra conocimientos de Inteligencia Artificial con Deep Learning, para el manejo de grandes volúmenes de información, la toma de decisiones y la creación de valor en las organizaciones.
PERFIL DE INGRESO
Este curso está dirigido a las personas interesadas en utilizar Tensor Flow, como herramienta para desarrollar analítica avanzada y aplicar la Inteligencia Artificial. Se recomienda contar con conocimientos básicos de matemáticas y estadística, además de programación básica.
OBJETIVO
Los participantes conocerán la teoría, las técnicas y las prácticas para la gestión, el manejo y la explotación de grandes volúmenes de datos en los sistemas de cómputo, para optimizar el almacenamiento y el manejo de información, así como cambiar el paradigma para la ejecución de modelos de Machine Learning y Deep Learning para aplicaciones de Inteligencia Artificial.
TEMARIO
| 1. | Introducción a la Inteligencia Artificial y TensorFlow |
| 2. | Aplicaciones de la Inteligencia Artificial en la industria y las empresas |
| 3. | Uso del ambiente Jupyter con TensorFlow con Python |
| 4. | Algunos elementos de Inteligencia Artificial (ejemplos: detección de números manuscritos, predicción numérica de valores y clasificación de imágenes) |
| 5. | Metodologías Deep Learning y sus herramientas y elementos (capas, hiperparámetros, errores) |
| 6. | Uso de TensorFlow y Keras con las GPU |
PERFIL DE EGRESO
Los participantes conocerán los principales conceptos de la Inteligencia Artificial, Deep Learning y la aplicación de redes neuronales, para la generación de aplicaciones de analítica avanzada. Al término del curso, los participantes se llevarán una aplicación realizada con redes neuronales y herramientas de inteligencia artificial, para la implementación de modelos analíticos.
REQUISITOS ACADÉMICOS
Estudios de ingeniería en computación o áreas afines.
DURACIÓN
5 horas.
RECURSOS INFORMÁTICOS
- Memoria flash USB para la instalación de una máquina virtual con una distribución Linux, para los contenidos digitales y prácticas
- Se recomienda una computadora con sistema operativo Windows 7 o superior
- 4GB de memoria RAM
BIBLIOGRAFÍA
- Chollet, Francois. Deep Learning with Python. Manning Publications Co., 2017, 384 pp.
- Aurelien, Geron. Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O’REILLY, 2017, 572 pp.
- Buduma, Nikhil and Locascio, Nicholas. Fundamentals of Deep Learning. O’REILLY, 2017, 298 pp.
Diciembre 2023
