Diplomatura en Inteligencia Artificial – Paraguay

• Red de contactos y desarrollo profesional.
• Trabajo final
• Orientación en proyectos reales.
• Aplicaciones prácticas.

MÓDULO 1 – APRENDIZAJE AUTOMATICO (MACHINE LEARNING) I APRENDIZAJE PROFUNDO (DEEP LEARNING) I

1. Aprendizaje automático (Machine Learning). Tipos de aprendizaje: supervisado, no supervisado, y por refuerzo. Semi-Supervised Learning. Transferencia del aprendizaje (Transfer Learning). Ensemble Learning. Indicadores de la bondad de un modelo de ML en la clasificación y predicción.
2. Redes Neuronales Artificiales (ANN). Deep Learning. Tipos de Redes (CNNs, RNNs y GANs). Entrenamiento y optimización de modelos.
3. Herramientas y Frameworks para IA . Bibliotecas populares (TensorFlow, PyTorch, etc.) Notebooks y entornos de desarrollo. Recursos en línea y conjuntos de datos.

MÓDULO 2 – PROCESAMIENTO DE IMÁGENES

1. Fundamentos de visión por computadora. Procesamiento de imágenes.
2. Detección y clasificación de objetos. Algoritmos de detección de objetos (regiones de interés, detección de bordes, etc.). Clasificación de objetos utilizando técnicas de aprendizaje automático.
3. Redes neuronales convolucionales (CNN) para detección y clasificación de objetos. Segmentación semántica. Reconocimiento facial y de patrones.

MÓDULO 3 – PROCESAMIENTO DE LENGUAJE NATURAL (NLP)

1. Fundamentos del NLP. Preprocesamiento de texto. Modelado de lenguaje y representación de palabras. Word embeddings. Modelos de lenguaje.
2. Aplicaciones de NLP: análisis de sentimientos, traducción automática, generación de texto, etc.

MÓDULO 4 – INTELIGENCIA ARTIFICIAL GENERATIVA

1. Introducción a la Inteligencia Artificial Generativa (GenAI). Definición y conceptos básicos. Diferencias con otros enfoques de IA. Modelos Fundacionales. Aplicaciones y casos de uso
2. Modelos de Lenguaje Generativos. Transformers, BERT,GPT, etc. Preentrenamiento y ajuste fino. Generación de texto
3. Modelos Generativos de Visión Artificial. Redes Generativas Antagónicas (GANs). Generación de imágenes y arte. Modelos Multimodales. Generación Aumentada de recuperación (RAG) .
4. Sesgos en la IA Generativa. Sesgo algorítmico y equidad. Perplejidad Alucinaciones.

Proyecto grupal a elección de los estudiantes.

Director:

• Claudio Righetti

Docentes:

• Ignacio Berdiñas
• Horacio Arrigo
• Pablo Galiana
• Adriana Baravalle