Idioma: ES
Inteligencia artificial y ciencia de datos Técnicas y aplicaciones en el mundo real

Curso Inteligencia artificial aplicada: resolviendo problemas del mundo real

Información General

  • Icono título profesional Inteligencia artificial y ciencia de datos: Técnicas y aplicaciones en el mundo real
    Título
  • Icono título profesional 24 horas Duración
  • Icono título profesional presencial Modalidad
  • Icono título profesional nocturna Jornada

Presentación

Inteligencia artificial aplicada: resolviendo problemas del mundo real

Inteligencia artificial y ciencia de datos Técnicas y aplicaciones en el mundo real click para reproducir video
Educación Continuada: programas abiertos y empresariales de educación no formal que optimizan el desempeño profesional.

Inteligencia artificial: paso a paso desde las redes neuronales hasta la generación automática de contenidos.

La Inteligencia Artificial, especialmente la inteligencia artificial generativa, está transformando nuestra sociedad en prácticamente todos los ámbitos, haciendo posible solucionar problemas que nosotros lo humanos simplemente no tenemos la capacidad de abordar de una manera eficiente y rápida. Este curso brinda al estudiante la oportunidad de trabajar con técnicas avanzadas en inteligencia artificial y sus aplicaciones a problemas del mundo real.

“Just as electricity transformed almost everything 100 years ago, today I actually have a hard time thinking of an industry that I don’t think AI will transform in the next several years”

Andrew Ng, co-fundador y presidente de Google Brain. [Stanford Business, 2017

Durante el curso, los participantes tendrán la oportunidad de sumergirse en el fascinante mundo del Deep Learning, Generative AI y otras técnicas de Inteligencia Artificial, comprendiendo cómo estas innovaciones pueden aplicarse con éxito a desafíos concretos en la ciencia de datos.

Conferencista Invitado

Cerrar

Iván Olier Caparroso

IVÁN OLIER CAPARROSO

Doctor y máster en Inteligencia Artificial de la Universidad Politécnica de Cataluña (España), con distinción Suma Cum Laude. Es ingeniero mecánico de la Universidad Nacional de Colombia, (1998),

Profesor (Reader) en Inteligencia Artificial y Ciencia de los Datos de la Escuela de Ciencias de la Computación y Matemáticas y director del Centro de Investigaciones en Ciencia de los Datos de Liverpool John Moores University, Liverpool, UK. Imparte clases de introducción a la ciencia de los datos en el último año de la carrera de matemáticas y machine learning en el MSc en ciencia de los catos.

Es experto en Machine Learning y data science. Investigador en el desarrollo de nuevos algoritmos de inteligencia artificial, la transferencia de conocimientos entre máquinas y meta-learning. Ha publicado alrededor de 90 artículos en revistas y conferencias internacionalmente reconocidas en temas relacionados con Machine Learning y aplicaciones en bioinformática, desarrollo de nuevos fármacos y medicina. Adicionalmente, es editor académico de las revistas Plos One y BMC Research Methods in Medicine.

Por qué estudiar con nosotros

edificio-h-nocturna.jpg

  • Entendimiento de herramientas y técnicas de inteligencia artificial aplicada al análisis de datos.
  • Complemento a los cursos ofrecidos en los diferentes programas de pregrado y posgrado.

Metodología

El profesor dictará los contenidos necesarios soportado con diapositivas en PowerPoint, e irá cambiando de estilo de enseñanza cada cierto tiempo para mantener la motivación de los estudiantes, a la vez que favorecer el entendimiento del material. Esencialmente, dictará los conceptos necesarios y los explicará en detalle, seguido por la ejercitación de dichos contenidos en el computador.

Se traerá para discusión numerosos ejemplos del mundo real, y se desarrollarán otros cuantos ejemplos prácticos para desarrollar habilidades en los tópicos abordados

Certificación

El curso se desarrollará en 5 módulos, con un total de 24 horas de clase.

La Universidad Escuela Colombiana de Ingeniería Julio Garavito otorgará certificados de este curso así:

  • De asistencia, a quienes se inscriban por educación continuada y participen activa y cumplidamente como mínimo en el 90 % de las sesiones programadas.
  • De contenido, créditos y nota a los estudiantes de pregrado o posgrado de la Escuela.
  • De contenido, créditos y nota a los estudiantes de pregrado o posgrado de cualquier universidad del país que se matriculen como estudiantes visitantes o de intercambio. Para esto deberán enviar la solicitud a la Oficina de Relaciones Internacionales (ori@escuelaing.edu.co) e indicar la universidad de origen y el programa que cursan.

Perfil del aspirante

Mujer profesional
  • Estudiantes de posgrado.
  • Estudiantes últimos semestres de pregrado.
  • Profesores universitarios.
  • Profesionales asociados o interesados en las temáticas del curso.

Módulo I – Deep neural networks (5 horas)

  • Redes neuronales artificiales y biológicas.
  • Fundamentos de las redes neuronales convolucionales (CNNs)
  • Implementación de CNNs con Python/Tensorflow
  • Actividad práctica 1: Clasificación de imágenes utilizando CNNs

Módulo II – Redes neuronales recurrentes y autoencoders (5horas)

  • Fundamentos de las redes neuronales recurrentes (RNNs)
  • Implementación de RNNs con Python/Tensorflow
  • Fundamentos de autoencoders
  • Implementación de autoencoders en Python/Tensorflow
  • Actividad práctica 2: Filtrado y codificación de señales biomédicas utilizando LSTM, CNN y Autoencoders.

Módulo III – Generative AI (5 horas)

  • Fundamentos de las redes adversarias generativas (GANs)
  • Generación de imágnes y series temporales
  • Implementación en Python/Tensorflow
  • Actividad práctica 3: generación de imágenes de rostros sintéticos

Módulo IV – Transformers y large language models (5 horas)

  • Fundamentos de los transformers y GPT
  • Codificación del lenguaje natural
  • ChatGPT, Gemini, Llama y otros LLMs
  • Implementación en Python/Tensorflow
  • Actividad práctica 4: Implementación de un LLM.

Módulo V – Trabajo independiente sobre problemas / evaluaciones del mundo real (4 hora)

  • Trabajo independiente sobre problemas.

Fechas y horarios

El curso se desarrollará entre el 21 y el 25 de julio de 2025. Las clases se realizarán de lunes a jueves de 4:00 p-m. a 9:00 p.m. y viernes de 4:00 a.m. a 8:00 p.m., en el campus de la Escuela. (o en modalidad remota, o en otro lugar, según sea el caso).

La Universidad Escuela Colombiana de Ingeniería Julio Garavito, para sus programas de Educación Continuada, se reserva el derecho de cambiar sus conferencistas y fechas de realización, o cancelarlos de no contar con el número de personas requerido para tal fin. Lo anterior se informará a los interesados con antelación.

Objetivos alcanzables

El curso tiene como objetivo desarrollar habilidades en la aplicación de técnicas modernas en inteligencia artificial para resolver problemas del mundo real. Específicamente, este curso tiene los siguientes objetivos:

optimizada-DSC_1674.jpg

  • Conocer los métodos más relevantes en inteligencia artificial aplicados a la ciencia de los datos, especialmente en Deep Learning y Generative AI
Bloque-I-nocturna.jpg

  • Por medio de actividades prácticas guiadas, aprender a implementar y evaluar críticamente varios algoritmos de inteligencia artificial
_DSC4651.jpg

  • Aprender a resolver problemas del mundo real utilizando técnicas de inteligencia artificial

Valor de la inversión

edificio-h-nocturna.jpg

El valor de la inversión es de COP $2.344.000 (dos millones trescientos cuarenta y cuatro mil pesos) por participante. Este valor incluye material técnico y memorias del curso en medio electrónico.

Descuento del 5 % hasta el 7 de julio de 2025

Inscripciones hasta el 21 de julio de 2025

Solicite Información

Curso Inteligencia artificial y ciencia de datos: Técnicas y aplicaciones en el mundo real

Programas relacionados