u-virtual

instagram

logo twitter udemedellin

 Youtube 2013 icon

f logo RGB Hex Blue 512

linkedin-hover

 

 

 

inscribete aqui

PostFB diplomadointeligenciaartificial v3

inversión actualizada 

Justificación

Dentro del marco de la Cuarta Revolución Industrial o “Industria 4.0” como tendencia actual de automatización e intercambio de datos abiertos, la computación en la nube y técnicas de Machine Learning, Big Data e Inteligencia Artificial y la aplicación de la Ciencia de Datos dan respuesta a las necesidades del mercado que requieren interacción entre sistemas y asistir a los humanos para la toma de decisiones de manera proactiva y en tiempo real.

Objetivo General:

 Aplicar las técnicas de Machine Learning e Inteligencia Artificial para crear sistemas de Computación Cognitiva que resuelvan necesidades de negocio de una manera automatizada e inteligente.

Objetivos Específicos:

  • Analizar un conjunto de datos para descubrir comportamientos claves e identificar las relaciones que expliquen los fenómenos encontrados.
  • Desarrollar proyectos de minería de datos, machine learning e inteligencia artificial.
  • Aplicar las técnicas de exploración en las fuentes de datos abiertos disponibles en la Web.
  • Modelar comportamientos y patrones en los conjuntos de datos con técnicas de Machine Learning.
  • Desarrollar las habilidades requeridas para proyectos de minería de datos, machine learning e inteligencia artificial.
  • Crear un aplicativo con inteligencia artificial. 

Conocimientos previos requeridos:

  • Estar familiarizado con algún lenguaje de programación
  • Conocimientos básicos de Estadística (media, moda, mediana, etc.)
  • Gusto por el descubrimiento de patrones escondidos
  • Capacidad de abstracción y pensamiento analítico

 


Introducción a la ciencia de datos

Técnicas de Preparación de Datos para la Analítica

  • Unión de tablas (Query)
  • Apilar y dividir columnas
  • Transponer tablas y Columnas
  • Muestreo aleatorio

Estadística Descriptiva

  • Medidas de Tendencia Central: Media aritmética, Mediana, Moda.
  • Medidas de Dispersión y Ubicación: Varianza, Desviación Estandar, Percentiles, Cuartiles, Etc.
  • Datos atípicos y datos extremos
  • Imputación de Valores perdidos
  • Transformación de variables

 

Exploración de Datos - Métodos Numéricos

  • Bondad de Ajuste
  • Evaluar normalidad: Medidas de Forma

Métodos Visuales

  • Histograma
  • Tablas de Contingencia
  • Gráficas de probabilidad normal
  • Gráfica de caja
  • Gráficos jerárquicos
  • Análisis de Re
  • Path Análisis

Análisis Lineal de los Datos

  • Regresión lineal simple: Método de mínimos cuadrados
  • Inferencia acerca de los coeficientes de regresión
  • Regresión lineal múltiple
  • Evaluación de los supuestos del modelo de Regresión Múltiple: Normalidad, Autocorrelación, Heteroscedasticidad, Multicolinealidad.


Visualización Analítica

  • Buenas prácticas de Visualización
  • Diseño de Tableros de Control
  • Diseño de Tableros Analíticos

Aprendizaje Supervisado

  • Regresión, Árboles de Decisión, Bosques Aleatorios, Gradient Boosting
  • Redes Neuronales
  • Modelos de Pronóstico (ARIMA's, Suavisamiento Exponencial)
  • Selección de modelo campeón (interpretar resultados)

Aprendizaje No - Supervisado

  •  Aproximaciones gráficas
  • Aproximaciones paramétricas
  • Aproximaciones basadas en vecinos cercanos
  • Aproximaciones basadas en clustering

Aprendizaje Semi - Supervisado y Reforzado

  • Self-Training y Co-training
  • Usando ensambles (ASSEMBLE)
  • Basados en EM y Transductive SVM
  • Método de Montecarlo
  • Métodos de diferencias temporales

Visión por Computador

  • Interferencias técnicas y optimizaciones
  • Detección de objetos

Pensamiento de Lenguaje Natural

  • Tokenización, Lematización, Etiquetado POS
  • Mineria de Texto y Análisis de Sentimientos

Metodología:

La metodología empleada para desarrollar las habilidades descritas es 80% práctica y 20% teórica. La ejecución práctica de cada tema se basa en el lenguaje de programación Python, que es el lenguaje líder a nivel mundial para temas de Machine Learning e Inteligencia Artificial. Adicional se proporcionará el material teórico una sesión anterior para que por medio de autoestudio el alumno refuerce los conceptos que se usarán para realizar las prácticas presenciales; al inicio de cada sesión habrá un espacio de preguntas y respuestas de la teoría que se empleará en la práctica.

Algunos momentos llevarán al alumno a un proceso de reto de teoría versus aplicación para generar elementos que aporten a su posicionamiento en entornos corporativos altamente exigentes.

El Proyecto Final consiste en crear un tablero que monitoreé el comportamiento de alguna variable sociodemográfica disponible en alguna fuente de datos abiertos (datos.gov.co o MEData.gov.co, colciencias.gov.co) y mandar alertas en caso de algún cambio que salga del rango normal de comportamiento.

Organiza:

Sin título 1 01

 

descuentos   inscribirse   pago linea
Descuentos Inscribirse ahora Pagar en linea
Conoce si eres beneficiario de alguno de nuestros descuentos. En nuestra plataforma online puedes realizar la inscripción a nuestros cursos. Ingresa para realizar el pago en linea de tu curso.

 

IMPORTANTE

Los programas podrán ser aplazados o cancelados, esto depende del número de participantes matriculados. En ambos casos el personal de inscripciones comunicará el cambio realizado a los estudiantes inscritos.

Contáctanos para mayores informes 01 

 
 
 
 

Centro Docente de Cómputos