Programa Iberoamericano de Capacitación Docente del CIESI

DIPLOMADO: ESPECIALISTA HERRAMIENTAS DE INTELIGENCIA ARTIFICIAL PARA LA INVESTIGACIÓN DOCENTE.

 Seminario gratuito: El 09 de Abril.

Inicio de clases: 11 de Abril.

MÁS INFORMACIÓN E INSCRIPCIONES

 Contáctenos al correo:  cursos@ciesi.net / fares.aguirre@gmail.com

I.- SEMINARIO GRATUITO:

Estructura Curricular:

Módulo I: Fundamentos de inteligencia artificial (IA) y machine Learning (ML)

Módulo II: Configuración del entorno y herramientas de trabajo

Módulo III: Preprocesamiento de datos: - Widgets disponibles en la herramienta para visualizar los datos. - Métodos disponibles para realizar la imputación. - Detección de valores atípicos: ¿qué método? - Cómo realizar la normalización de variables. - Nuestro primer script simple de Python que realiza la detección de valores atípicos.

Módulo IV: Selección de variables: - Fundamentos teóricos para la selección de variables en el ML.. - Cómo ver las estadísticas de características de su conjunto de datos - Visualización de datos (gráficos de líneas, gráficos de series de tiempo). - Herramientas para la selección de variables (matrices de correlación, diagrama de tamiz, gráficos de dispersión y gráficos de proyección lineal).

Módulo V: Regresión lineal: - Fundamentos teóricos. - Regresión lineal usando “learners”. - Regresión lineal: entrenamiento y validación mediante pliegues. - Lasso, Ridge y red elástica en regresión lineal - Comparación del rendimiento de las diferentes técnicas.

Módulo VI: Técnicas de clasificación y agrupamiento: - Introducción a las técnicas de clasificación y agrupamiento. - Cómo funcionan los algoritmos de árboles de decisión. - Aprendiendo kNN a través de un ejemplo sencillo. - Explicación de k-medias - ¿Qué es la "Matriz de Confusión"?

Módulo VII: Algoritmos para clasificación y regresión: - Introduction a Random Forest, Support Vector Machine (SVM) y Redes Neuronales (NN).

Módulo VIII: Pronóstico de series de tiempo: - Introducción al pronóstico de series de tiempo. - Fundamentos y aplicaciones prácticas de las series de tiempo. - Estacionalidad y los tipos de estacionalidad (aditivo, etc.). - ¿Qué es un modelo ARIMA? - Redes Neuronales para el pronóstico de series de tiempo.

Módulo IX: Estudios de caso / Proyecto personal

Estudio de caso 1: clasificación de imágenes

Estudio de caso 2: clasificación mediante un modelo de cascada simple.

Estudio de caso 3: Transformación de variables

Estudio de caso 4: scripts para la visualización de variables (mapa de calor, histograma, gráfico de violín, winsorización interactiva

Proyecto personal

Becas:

El CIESI otorgará 100 becas parciales del 90% del valor del diplomado a los interesados que lo soliciten a través del formulario de inscripción. 
Requisitos:
Debido a la emergencia sanitaria el CIESI.net, para esta convocatoria, ha suprimido los requisitos de postulación a la beca. Accediendo automáticamente las 100 primeras solicitudes, a través del formulario de inscripción. 

Solicitar inscripción y beca AQUÍ

INFORMES E INSCRIPCIONES:

Centro Internacional de Estudios Interdisciplinarios

Whatsapp: ++51 981747462

E-mail: cursos@ciesi.net

Web: www.ciesi.net