¿Qué quieres aprender?

Curso de Inteligencia Artificial (IA): Fundamentos y Aplicaciones Prácticas

Curso de Inteligencia Artificial (IA): Fundamentos y Aplicaciones Prácticas

CEI: Centro de Estudios de Innovación

Curso presencial

Madrid y 2 más


2.450

Duración : 3 Meses

Sumérgete en el fascinante universo de la inteligencia artificial y conviértete en un experto en la tecnología del mañana a través de nuestro Curso de IA. Este programa intensivo te adentra en los fundamentos teóricos y prácticos de la inteligencia artificial, proporcionándote las habilidades y conocimientos necesarios para destacar en este campo innovador.

Explorarás a fondo conceptos clave como el aprendizaje automático, las redes neuronales, el procesamiento del lenguaje natural y la visión por computadora. Mediante clases interactivas y prácticas, aprenderás a aplicar estas técnicas en situaciones reales, desarrollando proyectos que te permitirán dominar herramientas como TensorFlow, PyTorch y otras plataformas líderes en IA. No solo te sumergirás en la tecnología, sino que también analizarás los aspectos éticos y sociales de la IA, comprendiendo su impacto en la sociedad y estableciendo un marco ético para su aplicación responsable.

¡Prepárate para ser parte del futuro tecnológico con este curso en IA de CEI!

¿Quieres hablar con un asesor sobre este curso?

Sedes

Localización

Fecha inicio

Madrid
Enero 2024
Sevilla
Enero 2024
Valencia
Enero 2024

A quién va dirigido

Nuestro programa está diseñado para aquellos que buscan destacar en el campo de la inteligencia artificial, ya sea incursionando en la industria o expandiendo sus habilidades profesionales. La Inteligencia Artificial (IA) avanza, se renueva y actualiza a diario.

Temario completo de este curso

  • Introducción a la IA: Definición y conceptos fundamentales. Breve historia y evolución de la IA.
  • Fundamentos de la programación: Lenguajes de programación relevantes para la IA (Python, R, etc.): Manipulación de datos y estructuras de datos.
  • Aprendizaje automático (Machine Learning): Tipos de aprendizaje (supervisado, no supervisado, por refuerzo)Algoritmos de clasificación, regresión y clustering. Evaluación de modelos y selección de características.
  • Redes Neuronales y Deep Learning: Conceptos básicos de redes neuronales. Arquitecturas de redes neuronales (redes convolucionales, recurrentes, etc.). Aplicaciones prácticas del Deep Learning.
  • Procesamiento del lenguaje natural (NLP): Fundamentos de NLP. Técnicas de tokenización, análisis de sentimientos y modelos de lenguaje. Aplicaciones de NLP en chatbots, traducción automática, etc.
  • Visión por computadora: Procesamiento de imágenes. Detección y reconocimiento de objetos. Aplicaciones en reconocimiento facial, vehículos autónomos, etc.
  • Ética y consideraciones sociales de la IA: Sesgos en los datos y modelos. Impacto de la IA en la sociedad y el trabajo. Marco ético para el desarrollo y uso de la IA.
  • Proyectos y aplicaciones prácticas: Desarrollo de proyectos utilizando herramientas de IA. Casos de estudio y ejemplos de aplicaciones reales.
  • Herramientas y frameworks de IA: Uso de bibliotecas como TensorFlow, PyTorch, Scikit-Learn, etc. Entorno de desarrollo y despliegue de modelos.
  • Desafíos y tendencias futuras en IA: Avances recientes en el campo. Énfasis en áreas emergentes como IA explicativa, IA en la medicina, entre otros.
Ver más