IA-ML | Inteligencia Artificial y el Aprendizaje Automático
 
El curso aborda temas cuya finalidad está destinada a comprender la importancia de la IA y el ML para poder aplicarlo en las distintas organizaciones a las cuales pertenecen los participantes.
 
Objetivos del curso
El participante comprenderá y aplicará la IA y el Aprendizaje Automático en los distintos campos actuales, además de tener un enfoque para incrementar el rendimiento en entornos empresariales.
 
Perfil de la audiencia
Personas con conocimientos básicos en informática y programación, preferiblemente con experiencia en Python, que deseen aprender sobre Inteligencia Artificial y Machine Learning.
 
Prerrequisitos
Contar con conocimientos de programación en Python, haber cursado Python Essentials o estar llevando Python Dev: Sintaxis Básica de Python, Estructuras de Datos, Funciones¸ Librerías y Módulos, Manejo de Excepciones, Manejo de Archivos.
 
Versión de la tecnología
Python 3.12.3
 
Esquema del curso
Capítulo 1: Introducción a la Inteligencia Artificial
Objetivos
1.1. Definición de IA
1.2. Aplicaciones de la IA
1.3. Historia de la IA
1.4. Evolución de la IA
1.5. Tipos de IA
Resumen
Laboratorio: Comparación generacional de IA
Referencias Bibliográficas
Capítulo 2: Fundamentos Machine Learning and Deep Learning
Objetivos
2.1. Introducción al aprendizaje automático
2.2. Tipos de aprendizaje automático
2.3. Neural Networks
2.4. Deep Learning
2.5. Aprendizaje reforzado
Resumen
Laboratorio: Creación de Red Neuronal desde 0
Referencias Bibliográficas
Capítulo 3: Ejercicios Prácticos Técnicas ML
Objetivos
3.1. Scikit Learn
3.2. TensorFlow
3.3. Python
3.4. Sets de Datos
3.5. Modelos de ML
Resumen
Laboratorio: Red Neuronal en Detección de Fraude
Referencias Bibliográficas
Capítulo 4: Estudios de casos y aplicaciones
Objetivos
4.1. IA en el cuidado de la salud
4.2. IA en finanzas
4.3. IA en el transporte
4.4. IA en la creación de arte
Resumen
Laboratorio: Aplicaciones Actuales de la IA
Referencias Bibliográficas
Capítulo 5: GPT
Objetivos
5.1. LLM
5.2. Prompt Engineering
5.3. Aplicaciones de los LLMs
5.4. GPT's Personalizados
5.5. ChatGPT para Excel
Resumen
Laboratorio: API GPT: DALL-E 3
Referencias Bibliográficas
Capítulo 6: Uso de Copilot para el aumento de eficiencia
Objetivos
6.1. Introducción a Copilot
6.2. Copilot para Excel
6.3. Copilot para Word
6.4. Copilot para PowerPoint
6.5. Copilot para Outlook
6.6. Copilot para Teams
Resumen
Demo: IA en programación: GitHub Copilot
Referencias Bibliográficas
 
 
Descargue el temario para conocer el detalle completo de los contenidos.
 
Debido a las constantes actualizaciones de los contenidos de los cursos por parte del fabricante, el contenido de este temario puede variar con respecto al publicado en el sitio oficial, sin embargo, Netec siempre entregará la versión actualizada de éste.