Fecha de Inicio
Octubre 21 de 2019

Intensidad Horaria
120 Horas

Modalidad
Virtual

Inversión
$2.544.000

 

Objetivo General

Conocer, apropiar y aplicar algoritmos de aprendizaje de máquina que permitan la discriminación entre clases por medio del reconocimiento de patrones.

 

 

Descripción

Justificación: Este diplomado está dirigido a aquellas personas que desean comenzar a involucrarse en la comprensión del concepto y aplicación de algoritmos de aprendizaje de máquina, el cual es una tendencia mundial en el marco de la inteligencia artificial. Se pretende abordar conceptos computacionales, estadísticos y de álgebra lineal para la solución de problemas adaptados del sector académico e industrial.

Objetivos: Conocer, apropiar y aplicar algoritmos de aprendizaje de máquina que permitan la discriminación entre clases por medio del reconocimiento de patrones.

Destrezas: El estudiante al finalizar el diplomado estará en capacidad de reconocer la potencialidad del reconocimiento de patrones dentro de los datos recompilados dentro de su organización y así mismo reconocer y aplicar las ventajas de los algoritmos trabajados durante el curso en la discriminación de clases.

 

 

Contenido

MODULO 1. Aspectos generales


- Motivación

- Conceptos clave

- Arquitectura de trabajo

- Historia del aprendizaje de máquina

- Temas actuales en aprendizaje de máquina

--------------

MODULO 2. Principios teóricos


- Distribuciones de probabilidad

- Algebra lineal

- Análisis de componentes principales

- LDA

- Medidas de desempeño

--------------

MODULO 3 Algoritmos de mayor implementación


- Máquinas de soporte vectorial

- Nuevos espacios de Kernel para SMV

- K Vecinos más cercanos

- Algoritmo de K medias

- Árboles de decisión

- Regresión Lineal

- Regularización

--------------

MÓDULO 4 Redes Neuronales

- Representación

- Funciones de activación

- Perceptrón y perceptrón multicapa

- Backpropagation

- Hopfield Neural Network

- Mapas autoorganizados

- Introducción a las redes convolucionales (deep learning)

 

 

Habilidades y Competencias

Habilidades:


• Afianzar los principios teóricos base para el estudio de sistemas autónomos de decisión durante y posterior al desarrollo del curso.

• Reconocimiento de patrones comunes en un conjunto de dato.

• Capacidad de reconocer si un fenómeno puede ser analizado con un esquema supervisado o no supervisado.

• Aplicación de variables de compensación.


Competencias:


• Evalúa el rendimiento de un modelo de aprendizaje de máquina.

• Ejecuta según aplicación y requerimientos distintos algoritmos de aprendizaje de máquina.

• Extrae las características propias de un conjunto de datos.

• Capacidad de entrenar un modelo de aprendizaje a partir de los patrones existentes en un conjunto de datos.

 

 

¿Porqué este diplomado es para tí?

La finalidad de incluir esquemas de aprendizaje en un sistema se fundamenta en la necesidad de toma autónoma de decisiones, es decir, cada opción existente conlleva a un cambio de comportamiento basado en experiencias y datos adquiridos. En este curso se ofrecerán las técnicas más populares y efectivas con base en el estudio de reconocimiento de patrones o datos característicos propios en un evento. Para lograr este objetivo es necesario fortalecer conceptos estadísticos, álgebra lineal, arquitectura de computadores para el diseño, desarrollo y ejecución de los modelos de aprendizaje autónomos.

Esta temática es de gran actualidad, empresas como Google, Facebook, Amazon, Microsoft (AI for accessibility) tienen departamentos de investigación en machine learning con inversiones en millones de dólares dada la potencia de esta tecnología.

 

Docentes

Mg. José Luis Cabra

- Ingeniero Electrónico.

- Magister en Sistemas Embebidos.

- Experiencia:

- Experto en Internet de las Cosas.

- Experiencia en docencia y en desarrollo de modelos de aprendizaje de máquina aplicado a Biometría.

- Último título académico

- Magister en Sistemas Embebidos.

VIGILADA MINEDUCACIÓN