Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2
1.1. Contexto del curso de Especialización........................................................................................2
2. Resultados de Aprendizaje.................................................................................................................2
3. Duración y horarios............................................................................................................................2
4. Requisitos para optar al curso............................................................................................................3
5. Contenido temático............................................................................................................................3
5.1. Descripción del contenido programático.....................................................................................3
5.1.1. Unidad I: Introducción a la Inteligencia Artificial...............................................................3
5.1.2. Unidad II: Matemáticas de Machine Learning....................................................................3
5.1.3. Unidad III: Tratamiento de datos con Python......................................................................3
5.1.4. Unidad IV: Machine learning tradicional............................................................................4
5.1.5. Unidad V: Deep Learning....................................................................................................4
5.1.6. Unidad VI: Despliegue y mantenimiento de modelos en producción.................................4
5.2. Contenidos Temáticos.................................................................................................................6
6. Metodología de la enseñanza y aprendizaje.......................................................................................7
6.1. Comunicación en el curso...........................................................................................................7
6.2. Comunicación con el docente.....................................................................................................7
6.2.1. Plataforma virtual.................................................................................................................7
6.2.2. Correo Electrónico...............................................................................................................7
6.2.3. Otros canales de comunicación............................................................................................7
6.3. Comunicación con coordinador de los cursos de especialización...............................................8
7. Consideraciones.................................................................................................................................8
7.1. Generalidades..............................................................................................................................8
8. Sistema de evaluación........................................................................................................................9
9. Referencias bibliográficas................................................................................................................10
1. Descripción del curso.........................................................................................................................2
1.1. Contexto del curso de Especialización........................................................................................2
2. Resultados de Aprendizaje.................................................................................................................2
3. Duración y horarios............................................................................................................................2
4. Requisitos para optar al curso............................................................................................................3
5. Contenido temático............................................................................................................................3
5.1. Descripción del contenido programático.....................................................................................3
5.1.1. Unidad I: Introducción a la Inteligencia Artificial...............................................................3
5.1.2. Unidad II: Matemáticas de Machine Learning....................................................................3
5.1.3. Unidad III: Tratamiento de datos con Python......................................................................4
[1]
5.1.4. Unidad IV: Machine learning tradicional............................................................................4
5.1.5. Unidad V: Deep Learning....................................................................................................4
5.1.6. Unidad VI: Despliegue y mantenimiento de modelos en producción.................................5
5.2. Contenidos Temáticos.................................................................................................................6
6. Metodología de la enseñanza y aprendizaje.......................................................................................7
6.1. Comunicación en el curso...........................................................................................................7
6.2. Comunicación con el docente.....................................................................................................7
6.2.1. Plataforma virtual.................................................................................................................7
6.2.2. Correo Electrónico...............................................................................................................7
6.2.3. Otros canales de comunicación............................................................................................7
6.3. Comunicación con coordinador de los cursos de especialización...............................................7
7. Consideraciones.................................................................................................................................8
7.1. Generalidades..............................................................................................................................8
8. Sistema de evaluación........................................................................................................................9
9. Referencias bibliográficas................................................................................................................10
1. Descripción del curso.........................................................................................................................2
1.1. Contexto del curso de Especialización........................................................................................2
2. Resultados de Aprendizaje.................................................................................................................2
3. Duración y horarios............................................................................................................................3
4. Requisitos para optar al curso............................................................................................................3
5. Contenido temático............................................................................................................................3
5.1. Descripción del contenido programático.....................................................................................3
5.1.1. Unidad I: Introducción a la Inteligencia Artificial...............................................................3
5.1.2. Unidad II: Matemáticas de Machine Learning....................................................................3
5.1.3. Unidad III: Tratamiento de datos con Python......................................................................4
5.1.4. Unidad IV: Machine learning tradicional............................................................................4
5.1.5. Unidad V: Deep Learning....................................................................................................4
5.1.6. Unidad VI: Despliegue y mantenimiento de modelos en producción.................................5
5.2. Contenidos Temáticos.................................................................................................................5
6. Metodología de la enseñanza y aprendizaje.......................................................................................6
6.1. Comunicación en el curso...........................................................................................................6
6.2. Comunicación con el docente.....................................................................................................6
6.2.1. Plataforma virtual.................................................................................................................6
6.2.2. Correo Electrónico...............................................................................................................6
6.2.3. Otros canales de comunicación............................................................................................6
[2]
6.3. Comunicación con coordinador de los cursos de especialización...............................................7
7. Consideraciones.................................................................................................................................7
7.1. Generalidades..............................................................................................................................7
8. Sistema de evaluación........................................................................................................................8
9. Referencias bibliográficas..................................................................................................................8
[3]
Tabla de contenido
1. Descripción del curso 2
1.1. Contexto del curso de Especialización................................................................................................
2. Resultados de Aprendizaje 2
3. Duración y horarios 3
4. Requisitos para optar al curso 3
5. Contenido temático 3
5.1. Descripción del contenido programático.............................................................................................
5.1.1. Unidad I: Introducción a la inteligencia artificial..............................................................................
5.1.2. Unidad II: Matemáticas de Machine Learning..................................................................................
5.1.3. Unidad III: Tratamiento de datos con Python...................................................................................
5.1.4. Unidad IV: Machine learning tradicional..........................................................................................
5.1.5. Unidad V: Deep Learning..................................................................................................................
5.1.6. Unidad VI: Despliegue y mantenimiento de modelos en producción...............................................
5.2. Contenidos Temáticos..........................................................................................................................
6. Metodología de la enseñanza y aprendizaje 6
6.1. Comunicación en el curso...................................................................................................................
6.2. Comunicación con el docente..............................................................................................................
6.2.1. Plataforma virtual..............................................................................................................................
6.2.2. Correo Electrónico.............................................................................................................................
6.2.3. Otros canales de comunicación.........................................................................................................
6.3. Comunicación con coordinador de los cursos de especialización.......................................................
7. Consideraciones 7
7.1. Generalidades.......................................................................................................................................
8. Sistema de evaluación 7
9. Referencias bibliográficas 8
[4]
1. Descripción del curso
Código
Prerrequisitos 192 UV
Modalidad
Este curso de especialización tiene como metas crear proveer al estudiante la capacidad para la las
bases suficientes y sumergir en esta área de la ciencia de datosaplicación de soluciones con aprendizaje
automático y servir de base de conocimiento para la incursión de los futuros profesionales en el área de
Ciencia de datos a los futuros profesionales en la aplicación de soluciones enmarcadas al aprendizaje
automático., así como la sub-área del aprendizaje profundo, optimización de estas y puesta en marcha
en un entorno adecuado de despliegue.
2. Resultados de Aprendizaje
1. Comprender las bases matemáticas y estadísticas de las soluciones de machine learning.
2. Hacer uUso de las distintas herramientas de para el manejo y pre-procesamiento de datos, para
su posterior uso en soluciones de aprendizaje automático.
3. Identificar la solución más optima óptima e indicada para los distintos casos de uso que sea
[5]
necesario hacer usopara resolver problemas de aprendizaje automático.
4. Diseñar, implementar y administrar soluciones de machine Machine learning Learning en un
entorno de producción controlado.
3. Duración y horarios
El curso de especialización tendrá una duración efectiva de 9 meses. Las actividades sincrónicas serán
llevadas a cabo una vez por semana a las 8:00 p.m. y los laboratorios serán programados según la
calendarización para entregarse los sábados por la mañana.
[6]
4. Requisitos para optar al curso
● El estudiante deberá contar con conocimientos básicos de álgebra lineal, principios de cálculo
diferencial y capacidad lógica.
● Se deberá contar con conocimientos básicos de programación.
● Deberá tener equipo informático capaz de poder ejecutar algoritmos de aprendizaje automático
a nivel local.
● Contar con acceso a internet para poder acceder a las clases virtuales y poder hacer uso de las
distintas herramientas de desarrollo.
● Aprobar el examen de admisión al curso.
5. Contenido temático
5.1. Descripción del contenido programático
Puesto que el contenido relacionado con la temática de la asignatura es amplio. Se ha centrado la base
de conocimientos en aspectos puntuales relacionadosEl curso se centra en con los principios de
desarrollo y puesta en producción de modelos de aprendizaje automático. En ese sentido se describen a
continuación las principales temáticas a tomarse en cuenta durante el curso.
Se realizará una breve introducción y recuento histórico de la inteligencia artificial desde sus
comienzos hasta su posición actual en la analítica de datos y la importancia que ha ido adquiriendo a lo
largo de su desarrollo.
La finalidad de este contenido está enfocada en las operaciones básicas para que un estudiante sepa
sobre la inteligencia artificial, algunos conceptos ya vistos en la carrera como álgebra lineal,
probabilidad, funciones de costo, y el problema del gradiente descendente.
No se espera profundizar demasiado en las distintas ramas de la matemática, así como se debió
desarrollar a lo largo de varias materias del pregrado de la carrera debido a que el estudiante necesita
comprender únicamente los principios básicos que rigen en el aprendizaje automático para su mejor
comprensión.La finalidad de este contenido es el estudio de los modelos matemáticos básicos aplicados
[7]
en aprendizaje automático.
El objetivo de esta unidad es profundizar en la utilización de las distintas librerías de manejo de datos
escritas principalmente en el lenguaje de programación Python para hacer uso de las distintas técnicas
de manipulación y análisis de datos, para iniciar la unidad se verificará la utilización de la librería
numpy para manipular vectores, matrices multidimensionales y la realización de las distintas
operaciones matemáticas enfocadas al álgebra lineal.
Se realizará una breve, pero muy concisa inmersión en la librería de análisis y manipulación de datos
como lo es pandas y las principales aplicaciones que esta contiene.
Se tendrá como objetivo de igual manera el aprender distintas técnicas de preprocesamiento de datos
entre los que incluyen cleaning, normalización, one hot encoding, extracción de características
principales, entre otras técnicas de preprocesamiento de datos.
El objetivo de esta unidad es comprender y poner en práctica los distintos tipos de soluciones de
machine Machine learning Learning como lo son los mecanismos supervisados y no supervisados entre
los que abarcan los árboles de decisión, k-means y super-vector machine, todos estos con ayuda de la
librería Scikit-learn para aprendizaje automático escrito principalmente en el lenguaje de programación
Python.
Se aplicarán cada una de las técnicas de preprocesamiento y optimización para los algoritmos a aplicar.
Cada una de las soluciones contendrá su propio conjunto de datos para prueba para verificar la
eficiencia de los algoritmos a desarrollarse.
El objetivo en esta unidad es dar a conocer los principios que incurren en la utilización del aprendizaje
profundo, así como los diversos casos de uso haciendo uso de las diferentes técnicas de desarrollo, así
también hacer uso de mecanismos de mejoramiento de los modelos de aprendizaje.
[8]
de lenguaje Lenguaje natural Natural el cual hoy en día muchas industrias toman en cuenta para
desarrollo de sus servicios de atención a clientes.
[9]
5.1.6. Unidad VI: Despliegue y mantenimiento de modelos en
producción
En la presente unidad tiene como objetivo principal dar a conocer los principales mecanismos y
técnicas de despliegue y mantenimiento de soluciones de inteligencia artificial en un entorno de
producción.
Para esta Unidad se utilizará MLflow como herramienta de gestión del ciclo de vida de los modelos de
machine Machine learningLearning.
[10]
5.2. Contenidos Temáticos
Duración
Unidad Contenido
(Semanas)
Álgebra lineal.
Probabilidad y distribuciones.
Matemáticas de
2 4
Machine Learning
Funciones de costo.
Aprendizaje supervisado.
Problemas de clasificación.
Computer Vision.
[11]
Despliegue e inferencia.
Se desarrollarán diferentes laboratorios prácticos en los que el alumno podrá desarrollar lo aprendido
en las distintas temáticas del curso y lo establecido en las distintas guías.
Se realizará un proyecto grupal para poner en práctica los conocimientos adquiridos durante el
desarrollo del curso.
Se creará un grupo de correo electrónico que incluirá a todos los estudiantes participantes, para
compartir información adicional relacionada con el curso de especialización.
[12]
6.3. Comunicación con coordinador de los cursos de
especialización
El Coordinador de Cátedra no atenderá consultas académicas, sino aquellas consultas u observaciones
que usted crea que es importante hacerle saber sobre el desempeño anómalo de parte de un tutor
específico.
7. Consideraciones
7.1. Generalidades
Se deberá contar con recursos informáticos suficientes para poder realizar las distintas actividades que
involucran el desarrollo de aprendizaje automático, así como tener un amplio ancho de banda de
internet para poder descargar las distintas librerías a utilizar, así como los distintos amplios conjuntos
de datos para poder entrenar las distintas soluciones que se desarrollaran en el curso.
Aparte de estas consideraciones de hardware se necesita que el estudiante cuente con una abierta
habilidad de apertura al aprendizaje, a la investigación e interés a la experimentación ya que esta área
involucra muchas veces la metodología del ensaño y error en el que la búsqueda de mejores parámetros
puede resultar en un entorno de experimentación en el que el error siempre estará presente y debe
medirse con cautela.
[13]
8. Sistema de evaluación
Se evaluará de la siguiente manera lo aprendido durante el desarrollo del curso de especialización:
2.3 Laboratorio práctico 3 Ejercicios con casos prácticos de deep learning. 20%
2.4 Exámenes Cortos Realización de tres pruebas en el aula virtual, para 15%
evaluar aspectos teóricos de machine learning.
[14]
9. Referencias bibliográficas
Chollet, F (2018) Deep Learning with Python (1ª ed). Manning Publications.
Moroney, L (2020) AI and machine learning for coders: A programmer's Guide to Artificial Intelligence
(1ª ed). O’ Reilly media, Inc.
Géron, A (2019) Hands-On Machine Learning with Scikit-learn, Keras, and TensorFlow, concepts,
Tools, and techniques to Build Intelligent Systems (2ª ed). O’ Reilly Media, Inc.
Gift,N & Deza, A (2021) Practical MLOPS Operationalizing Machine Learning Models(1 ª ed), O’Reilly
media, Inc.
[15]