EXPLORA CON INTELIGENCIA ARTIFICIAL
PROFESOR:
MODALIDAD: Viernes 12:30 a 13:40 – H4 / 13:50 a 15:00 – H5 / Presencial
DURACIÓN: Bimestral
CRÉDITOS: 4 créditos
SEDE: CONCEPCIÓN – AINAVILLO
DESCRIPCIÓN DEL CURSO
Descubre el fascinante mundo de encontrar patrones ocultos y relaciones en los datos con nuestro curso ‘Explora con Inteligencia Artificial’. En este curso, aprenderás las principales técnicas de Machine Learning para el aprendizaje no supervisado, con aplicaciones emocionantes de clustering y reducción de dimensionalidad.
La capacidad de extraer conocimiento y obtener información útil de datos no categorizados es esencial para respaldar la toma de decisiones. Este curso te guiará a través de los fundamentos del aprendizaje no supervisado, permitiéndote explorar el potencial de la Inteligencia Artificial sin importar tu nivel de conocimientos técnicos. ¡Prepárate para abrir nuevos horizontes de descubrimiento con la magia de la IA!
QUÉ APRENDERÁS
UNIDAD I: Introducción a la Inteligencia Artificial.
1. Introducción al curso, descripción y metodología de trabajo.
2. Conceptos y definiciones: Inteligencia artificial (IA), machine learning (ML), deep learning (DL) y ciencia de datos.
3. Tipos de aprendizajes en IA.
4. Entendiendo los datos: ¿Qué nos están diciendo?
UNIDAD II: Aprendizaje no Supervisado en Machine Learning.
1. Introducción al machine learning.
2. Métodos de aprendizaje no supervisado: algoritmos y aplicaciones.
3. Actividad práctica: aplicación de algoritmos de Machine Learning con métodos de aprendizaje no supervisados.
UNIDAD III: Métodos de clusterización (agrupamiento).
1. Conceptos de clusterización.
2. Aplicaciones reales de algoritmos de clusterización
3. K-means.
4. Clustering jerárquico.
5. DBSCAN.
6. Actividad práctica: Exploración de datos usando técnicas de clustering.
UNIDAD IV: Métodos de reducción de dimensionalidad.
1. Conceptos de reducción de dimensionalidad.
2. Aplicaciones reales de algoritmos de reducción de dimensionalidad
3. Análisis de componentes principales (PCA).
4. Modelación de documentos – Latent Dirichlet Allocation (LDA)
UNIDAD V: Proyecto Final.
1. Definición y objetivo.
2. Análisis exploratorio de la data.
3. Construcción del modelo (demo tecnológico).
4. Entrega y presentación del proyecto final.
INSIGNIA
El alumno certificado obtendrá habilidades para analizar, aplicar y evaluar algoritmos de aprendizaje no supervisado en diversos conjuntos de datos, y está capacitado para diseñar metodologías ajustadas a las características y dimensiones de los mismos. Este logro habilita al portador para roles en análisis de datos y ML.
Criterios de Obtención:
- Aprobación distintiva del curso con promedio mayor o igual a 5,5
- Realizar un examen con mayores necesidades: Desarrollar un set de datos, utilizar la metodologia crisp-dm para resolver la necesidad utilizando modelos de IA aprendidos en clases