Diplomatura en Inteligencia Artificial

• 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:

Dr. Claudio Enrique Righetti

Destacado profesional con un Doctorado en Ciencias de la Computación de la Universidad de Buenos Aires. Ha ocupado cargos importantes como Chief Scientist en Telecom Argentina y Jefe Científico en Cablevisión – Fibertel. Además, tiene una amplia experiencia académica como profesor y director en la Universidad Austral y la Universidad de Buenos Aires, donde ha dirigido más de 35 tesis de grado y posgrado. Recibió el premio International Engineering Professional Award 2018 por su contribución al avance de la industria de las telecomunicaciones por cable por impulsar la adopción y desarrollo de herramientas de AI y ML en la industria de las telecomunicaciones (SCTE). Es miembro del Grupo de Trabajo en AI del TM Forum.

Docentes:

Mag. Juan Pablo Sokil

Magister en Explotación de Datos y Descubrimiento del Conocimiento de la Universidad de Buenos Aires. Ha ocupado roles destacados como Especialista en Inteligencia Artificial y Aprendizaje Automático en Allied Group, Lead Data Scientist y AI-ML Engineer en Telecom Argentina, y Data Scientist en la Organización de Estados Iberoamericanos. Además, tiene experiencia como Analista de Data Mining en el Banco Credicoop y como Analista Estadístico en CEOP Market Research. En el ámbito académico, se desempeña como profesor de Estadística Aplicada en la Universidad de la Defensa Nacional.

Ing. Esp. Horacio G. Arrigo

Profesional con una sólida formación académica, incluyendo un título de Magister en Explotación de Datos y Descubrimiento de Conocimiento de la UBA. Ha ocupado roles destacados en empresas como MetLife Argentina y Telecom Argentina, donde se desempeñó como Director de Ciencia de Datos para Latinoamérica y Data Science Manager/Tech Scientist, respectivamente. Además, tiene experiencia académica como profesor en Ciencia de Datos en CoderHouse y como ayudante en la Facultad de Ingeniería de la Universidad de Buenos Aires.

Mag. Pablo Galiana

Magister en Explotación de Datos y Gestión del Conocimiento de la Universidad Austral . En el ámbito académico, se desempeña como profesor de Inteligencia Artificial, Algoritmos y Estructura de Datos, y Bases de Datos en la Universidad Austral. En cuanto a su experiencia laboral, ha trabajado como ingeniero de software en empresas como MuleSoft (Salesforce Argentina), TekGenesis y Datamex Paraguay, todas ellas dedicadas al desarrollo de software y servicios informáticos.

Mag. Adriana Baravalle

Experta en Ciencia de Datos y Gestión del Conocimiento, con especialización en Planificación Estratégica, Prospectiva, Business Intelligence y Criptología. Ha ocupado cargos destacados como Directora de Data Science en Eclypsium Inc. y Chief Data Officer en Zentricx SRL. También ha trabajado como consultora independiente en Estrategia de Datos en diversas industrias. En el ámbito académico, ha sido Directora de Calidad Académica y Operaciones de Posgrado en la Facultad de Ingeniería de la Universidad Austral, y ha impartido docencia en temas como Data Mining, Big Data y Ciberseguridad en distintas instituciones. Es miembro de varias organizaciones internacionales relacionadas con la tecnología y ha recibido premios destacados en competencias internacionales de ciberseguridad y minería de datos.