Curso de Inteligencia Artificial (IA): Fundamentos y Aplicaciones Prácticas
CEI: Centro de Estudios de InnovaciónCurso presencial
Madrid y 2 más
2.490 €
Duración : 3 Meses
El Curso de Inteligencia Artificial (IA): Fundamentos y Aplicaciones Prácticas Online de CEI está diseñado para proporcionar una formación completa en las principales tecnologías que están transformando el mercado laboral.
Durante el programa aprenderás los fundamentos de la Inteligencia Artificial, programación en Python orientada al análisis de datos, Machine Learning, Deep Learning, Procesamiento del Lenguaje Natural (NLP) y Computer Vision. Además, trabajarás con herramientas y bibliotecas ampliamente utilizadas en la industria como Scikit-Learn, TensorFlow, PyTorch, NumPy y Pandas.
Gracias a una metodología práctica, desarrollarás las competencias necesarias para comprender, crear y evaluar modelos de IA, aplicando estos conocimientos a casos reales y preparándote para iniciarte profesionalmente en uno de los sectores con mayor crecimiento.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Sedes
Localización
Fecha inicio
Objetivos
Al finalizar el curso serás capaz de: Comprender los fundamentos y conceptos esenciales de la Inteligencia Artificial. Aprender Python aplicado al análisis y modelado de datos. Manipular datos mediante NumPy y Pandas. Realizar análisis exploratorios y procesos de Feature Engineering. Diseñar e implementar modelos de Machine Learning supervisado, no supervisado y por refuerzo. Evaluar el rendimiento de modelos de clasificación, regresión y clustering. Comprender el funcionamiento de las redes neuronales y las principales arquitecturas de Deep Learning. Trabajar con modelos de IA Generativa y técnicas de Transfer Learning. Aplicar técnicas de Procesamiento del Lenguaje Natural (NLP), incluyendo Prompt Engineering y sistemas RAG. Desarrollar aplicaciones básicas de visión artificial para reconocimiento y detección de objetos. Conocer las implicaciones éticas, los sesgos y las buenas prácticas en proyectos de Inteligencia Artificial
A quién va dirigido
Este curso está dirigido a: Personas que quieran iniciarse en el mundo de la Inteligencia Artificial. Profesionales del ámbito tecnológico que deseen ampliar sus conocimientos en IA. Programadores y desarrolladores interesados en Machine Learning y Deep Learning. Analistas de datos que quieran incorporar técnicas de Inteligencia Artificial a sus proyectos. Estudiantes universitarios o recién titulados que busquen especializarse en uno de los perfiles más demandados. Profesionales de cualquier sector interesados en aplicar la IA para optimizar procesos y desarrollar soluciones innovadoras. No es necesario contar con experiencia previa en Inteligencia Artificial para aprovechar la formación.
Requisitos
No se requieren conocimientos previos de Inteligencia Artificial. Se recomienda disponer de conocimientos básicos de informática y un manejo habitual del ordenador. El curso comienza desde los fundamentos e introduce progresivamente el uso de Python y las principales herramientas empleadas en el desarrollo de soluciones basadas en IA.
Temario completo de este curso
- Fundamentos de la Inteligencia Artificial: Introducción a la IA actual, diferencias entre Machine Learning e IA Generativa, formulación de problemas, métricas de negocio, sesgos en los datos y principios éticos de la IA.
- Python para análisis y modelado de datos: Aprendizaje de Python aplicado a IA, incluyendo estructuras de control, funciones, manipulación de datos con NumPy y Pandas, análisis exploratorio de datos (EDA) y feature engineering.
- Aprendizaje Automático (Machine Learning): Estudio de los principales tipos de aprendizaje (supervisado, no supervisado y por refuerzo), algoritmos de clasificación, regresión y clustering, evaluación de modelos y uso de Scikit-Learn.
- Deep Learning: Fundamentos de redes neuronales, arquitecturas como MLP, CNN, RNN y Transformers, técnicas de regularización, transfer learning, fine-tuning e introducción a la IA generativa.
- Procesamiento del Lenguaje Natural (NLP): Técnicas para analizar y comprender texto, incluyendo text mining, análisis de sentimiento, embeddings, modelos de lenguaje (LLMs), prompt engineering y sistemas RAG (Retrieval-Augmented Generation).
- Computer Vision: Introducción a la visión por computador mediante redes convolucionales y Transformers, transfer learning, detección y reconocimiento de objetos, y aplicaciones con modelos multimodales.
9.990 € 4.490 €
9.990 € 4.490 €
Precio a consultar
4.200 €
3.490 €