Curso Inteligencia Artificial de Alto Impacto con Certificación Azure y Tensorflow del centro CEPI BASE Informática

Descripción

Con este programa aprenderás a crear, entrenar y evaluar modelos de Deep Learning, aplicando técnicas de optimización y ajuste de hiperparámetros para mejorar su rendimiento. Además, implementarás modelos en TensorFlow para tareas como clasificación de imágenes, procesamiento de lenguaje natural (NLP) y análisis de datos estructurados.

A quién va dirigido

Este programa está diseñado a personas interesadas en Inteligencia Artificial de Alto Impacto.

Objetivos

El objetivo del programa es enseñar a los estudiantes a comparar modelos de Machine Learning locales con soluciones AutoML en Azure ML, y a explorar técnicas de visualización para interpretar los resultados. Además, se abordará el despliegue y la monitorización de modelos utilizando los servicios de Azure AI.

Temario

  1 - FUNDAMENTOS DE IA

•  HISTORIA Y EVOLUCIÓN DE LA IA
•  TIPOS DE INTELIGENCIA ARTIFICIAL: IA DÉBIL VS. IA FUERTE
•  APRENDIZAJE SUPERVISADO, NO SUPERVISADO Y POR REFUERZO
•  ALGORITMOS MÁS USADOS (REGRESIÓN, KNN, RANDOM FOREST)
•  FUNDAMENTOS MATEMÁTICOS: ÁLGEBRA LINEAL, CÁLCULO Y PROBABILIDAD
•  PYTHON PARA IA: NUMPY, PANDAS, MATPLOTLIB
•  INTRODUCCIÓN A LOS SERVICIOS DE AZURE AI SERVICE CONCEPTOS DE IA EN LA NUBE Y COMPARACIÓN CON
• ON-PREMISES
•  DIFERENCIAS ENTRE MACHINE LEARNING ESTÁNDAR Y AUTOML EN CLOUD
•  PRÁCTICA: IMPLEMENTACIÓN DE UN MODELO SIMPLE DE REGRESIÓN LINEAL EN PYTHON
•  PRÁCTICA: DATOS CON MATPLOTLIB Y SEABORN PRÁCTICA: SIMULACIÓN DE UN PROBLEMA
•  EVALUACIÓN TEÓRICO / PRÁCTICA

  2 - EXPLORACIÓN DEL CONJUNTO DE DATOS DATA SCIENCE Y EL PAPEL DEL DATA SCIENTIST TIPOS DE DATOS Y SU ESTRUCTURA

•  PRE-PROCESAMIENTO Y LIMPIEZA DE DATOS GESTIÓN DE VALORES NULOS Y ATÍPICOS
•  ESTANDARIZACIÓN Y NORMALIZACIÓN
•  PRÁCTICA: ANÁLISIS Y LIMPIEZA DE UN DATASET CON PANDAS Y SCIKIT-LEARN
•  PRÁCTICA: ELIMINACIÓN DE VALORES ATÍPICOS Y IMPUTACIÓN DE VALORES NULOS
•  EVALUACIÓN TEÓRICO / PRÁCTICA

  3 - ALGORITMOS DE MACHINE LEARNING

•  REGRESIÓN (LINEAL Y LOGÍSTICA)
•  CLASIFICACIÓN: KNN, RANDOM FOREST, SVM CLUSTERING: K-MEANS, DBSCAN
•  OVERFITTING Y TÉCNICAS DE VALIDACIÓN CRUZADA CÓMO ELEGIR MODELOS PARA ENTORNOS CLOUD
•  COMPARACIÓN COSTES Y RENDIMIENTO EN AZURE ML PRÁCTICA: APLICACIÓN DE REGRESIÓN LINEAL PARA
• PREDECIR PRECIOS DE VIVIENDAS
•  PRÁCTICA: CONSTRUCCIÓN DE UN MODELO DE CLASIFICACIÓN CON RANDOM FOREST
•  PRÁCTICA: IMPLEMENTACIÓN DE CLUSTERING CON K- MEANS

  4 - VISUALIZACIÓN DE RESULTADOS

•  HERRAMIENTAS DE VISUALIZACIÓN: MATPLOTLIB, SEABORN
•  MÉTRICAS DE RENDIMIENTO: ACCURACY, PRECISION, RECALL
•  OVERFITTING Y SESGOS EN LOS MODELOS
•  PRÁCTICA: CREACIÓN DE GRÁFICOS DE ERROR Y PRECISIÓN
•  PRÁCTICA: ANÁLISIS DE UN MODELO Y OPTIMIZACIÓN EVALUACIÓN TEÓRICO / PRÁCTICA

  5 - BASES DE DATOS EN IA

•  SQL PARA MACHINE LEARNING
•  BASES DE DATOS NOSQL Y APLICACIÓN A IA CRUD CON PYTHON Y BASES DE DATOS
•  PRÁCTICA: CREACIÓN Y MANIPULACIÓN DE UNA BASE DE DATOS CON SQLITE Y MONGODB
•  EVALUACIÓN TEÓRICO / PRÁCTICA

  6 - IA Y CLOUD COMPUTING

•  INTRODUCCIÓN A AZURE AI SERVICES
•  ¿QUÉ ES AZURE AI? PRINCIPALES HERRAMIENTAS
•  DIFERENCIAS ENTRE INFERENCIA EN LOCAL Y EN LA NUBE
•  AZURE MACHINE LEARNING
•  ENTRENAMIENTOS DE MODELOS EN AML
•  GESTIÓN DE DATASETS Y FEATURE ENGINEERING EN LA NUBE
•  DESPLIEGUE Y MANTENIMIENTO DE MODELOS OPTIMIZACIÓN DE COSTOS EN CLOUD AI
•  MONITORIZACIÓN Y DETECCIÓN DE SESGOS CON AZURE AI RESPONSIBLE ML
•  INFRAESTRUCTURA DE IA EN CLOUD
•  MACHINE LEARNING PIPELINES EN AZURE
•  SEGURIDAD Y GOBERNANZA EN ENTORNOS DE IA PRÁCTICA: CREACIÓN DE UN MODELO EN AZURE
• MACHINE LEARNING
•  PRÁCTICA: EXPERIMENTACIÓN CON INFERENCIA EN TIEMPO REAL
•  PRÁCTICA: COMPARACIÓN ENTRE INFERENCIA LOCAL VS. INFERENCIA CLOUD
•  PRÁCTICA: ANÁLISIS DE COSTOS E IMPACTO EN AUTOML EVALUACIÓN TEÓRICO / PRÁCTICA

 7.  RESPONSIBLE AI Y ÉTICA

•  ¿QUÉ ES AUTOML?
•  PLATAFORMAS: GOOGLE AUTOML, H2O.AI, AUTO- SKLEARN
•  COMPARATIVA ENTRE AUTOML Y MODELOS MANUALES SEGURIDAD Y GOBERNANZA DE MODELOS EN
• PRODUCCIÓN
•  RIESGOS DE SEGURIDAD Y SESGOS EN CLOUD AI
•  PRÁCTICA: ANÁLISIS DE SESGOS EN UN DATASET REAL PRÁCTICA: ENTRENAMIENTO DE UN MODELO CON
• GOOGLE AUTOML
•  PRÁCTICA: COMPARACIÓN CON UN MODELO HECHO A MANO
•  EVALUACIÓN TEÓRICO / PRÁCTICA

  8 - PREPARACIÓN CERTIFICACIÓN MICROSOFT AZURE

•  SIMULACIÓN DE EXAMEN
•  REVISIÓN Y REPASO DE CONCEPTOS CLAVE CERTIFICACIÓN

MÓDULO 1: REDES NEURONALES AVANZADAS CON TENSORFLOW

•  INTRODUCCIÓN A DEEP LEARNING Y TENSORFLOW.
•  REDES NEURONALES ARTIFICIALES (ANN): PERCEPTRÓN MULTICAPA (MLP) Y RETROPROPAGACIÓN.
•  REDES CONVOLUCIONALES (CNN) PARA CLASIFICACIÓN DE IMÁGENES.
•  REDES RECURRENTES (RNN, LSTM, GRU) PARA PROCESAMIENTO SECUENCIAL.
•  INTRODUCCIÓN A TRANSFORMERS Y SU APLICACIÓN EN NLP.
•  OPTIMIZACIÓN DE MODELOS: BATCH NORMALIZATION, DROPOUT, REGULARIZACIÓN.
•  AJUSTE DE HIPERPARÁMETROS EN TENSORFLOW. PRÁCTICA: IMPLEMENTACIÓN DE UNA CNN PARA
• CLASIFICACIÓN DE IMÁGENES CON TENSORFLOW. PRÁCTICA: APLICACIÓN DE RNN/LSTM PARA
• PREDICCIÓN DE SERIES TEMPORALES.
•  PRÁCTICA: USO DE MODELOS TRANSFORMERS PARA NLP CON TENSORFLOW.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 2: OPTIMIZACIÓN Y AJUSTE DE MODELOS DEEP LEARNING

•  FUNDAMENTOS DE OPTIMIZACIÓN DE MODELOS DL. AJUSTE DE HIPERPARÁMETROS CON GRID SEARCH Y
• RANDOM SEARCH.
•  OPTIMIZACIÓN BAYESIANA Y ESTRATEGIAS AVANZADAS. TRANSFER LEARNING Y FINE-TUNING CON MODELOS
• PREENTRENADOS (RESNET, BERT).
•  DATA AUGMENTATION Y MEJORA DE GENERALIZACIÓN EN MODELOS.
•  PRÁCTICA: OPTIMIZACIÓN DE HIPERPARÁMETROS EN MODELOS DE TENSORFLOW.
•  PRÁCTICA: TRANSFER LEARNING CON MODELOS PREENTRENADOS.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 3: RESPONSIBLE AI Y EXPLICABILIDAD EN MODELOS DL

•  SESGOS EN DATOS Y ALGORITMOS DE DEEP LEARNING. TRANSPARENCIA Y EXPLICABILIDAD EN IA.
•  INTERPRETABILIDAD DE MODELOS CON SHAP Y LIME. CONSIDERACIONES ÉTICAS EN LA IA MODERNA.
•  PRÁCTICA: ANÁLISIS DE SESGOS EN MODELOS DE DEEP LEARNING.
•  PRÁCTICA: IMPLEMENTACIÓN DE TÉCNICAS DE EXPLICABILIDAD EN MODELOS TENSORFLOW.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 4: IMPLEMENTACIÓN DE MODELOS CON TENSORFLOW

•  IMPLEMENTACIÓN DE MODELOS EN TENSORFLOW DESDE CERO.
•  USO DE KERAS PARA SIMPLIFICAR LA CREACIÓN DE MODELOS DL.
•  AJUSTE DE ARQUITECTURAS NEURONALES PARA MEJORAR EL RENDIMIENTO.
•  USO DE TENSORFLOW SERVING PARA DESPLIEGUE DE MODELOS EN PRODUCCIÓN.
•  INTEGRACIÓN DE MODELOS CON APIS Y APLICACIONES REALES.
•  PRÁCTICA: IMPLEMENTACIÓN DE MODELOS CNN PARA CLASIFICACIÓN DE IMÁGENES.
•  PRÁCTICA: CREACIÓN DE MODELOS DE NLP CON TRANSFORMERS EN TENSORFLOW.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 5: VISUALIZACIÓN E INTERPRETACIÓN DE MODELOS DL

•  INTRODUCCIÓN A HERRAMIENTAS DE VISUALIZACIÓN EN DEEP LEARNING.
•  ANÁLISIS DE MÉTRICAS: MATRIZ DE CONFUSIÓN, PRECISION-RECALL, ROC.
•  PRÁCTICA: CREACIÓN DE GRÁFICOS PARA ANÁLISIS DE MODELOS EN TENSORFLOW.
•  EVALUACIÓN TEÓRICO / PRÁCTICA.

MÓDULO 6: DESPLIEGUE DE MODELOS EN ENTORNOS CLOUD Y EDGE

•  INTRODUCCIÓN A TENSORFLOW SERVING Y TENSORFLOW LITE.
•  DESPLIEGUE DE MODELOS EN GOOGLE CLOUD AI PLATFORM.
•  IMPLEMENTACIÓN DE MODELOS EN DISPOSITIVOS MÓVILES Y EDGE COMPUTING.
•  OPTIMIZACIÓN DE MODELOS PARA ENTORNOS DE BAJA LATENCIA.
•  PRÁCTICA: DESPLIEGUE DE MODELOS EN GOOGLE CLOUD AI.
•  PRÁCTICA: CONVERSIÓN DE MODELOS PARA EJECUCIÓN EN DISPOSITIVOS MÓVILES.
•  EVALUACIÓN TEÓRICO / PRÁCTICA. MÓDULO 7: PREPARACIÓN CERTIFICACIÓN TENSORFLOW
•  SIMULACIÓN DE EXAMEN.
•  REVISIÓN Y REPASO DE CONCEPTOS CLAVE. CERTIFICACIÓN.

Titulación obtenida

Curso Inteligencia Artificial de Alto Impacto con Certificación Azure y Tensorflow

Requisitos

Para acceder al programa, los interesados deben tener conocimientos de programación en lenguaje PYTHON. Además, se recomienda tener nociones básicas de SQL.

Información Adicional

El formato de impartición es mixto, con sesiones presenciales en Barcelona y Aula Virtual en nuestra

plataforma propia.

Horarios:

• Jueves: Aula virtual de 16:30 a 20:30
• Viernes: Presencial de 17:00 a 20:00
• Sábado: Aula virtual-workshop de 10:00 a 13:00

Plazas y convocatorias limitadas.

Programa de cursos:

 IA DEVELOPER + CERTIFICACIÓN MICROSOFT AZURE

Fecha inicio: 08-05-2025 - Fecha fin: 26-07-2025

 IA OPTIMIZER + CERTIFICACIÓN TENSORFLOW

Fecha inicio: septiembre 2025 - Fecha fin: diciembre 2025

Otros cursos

• Curso de Gestión Empresarial Informatizada
• Curso de WordPress
• Curso de creación de sitios web con tienda online
• Curso de diseño gráfico
• Curso de especialista diseño páginas web