Está diseñada para profesionales, especialistas y líderes de proyectos que buscan comprender, diseñar e implementar soluciones de IA de punta a punta (end-to-end)

PERFIL DEL INGRESANTE

Líderes y miembros jerárquicos de organizaciones

• Directores, C-Level, Fundadores y Gerentes.
• Jefes y mandos medios.
• Desarrolladores, Ingenieros y Consultores.

Profesionales no STEM (Sin conocimientos en programación)

• Administradores de Empresas y Negocios.
• Contadores Públicos y Finanzas.
• Abogados y Sector Legal.
• Profesionales de otras áreas (Salud, Biología, Comunicación, Logística, Economía, Sociales).

Profesionales STEM

• Ingenieros (Industriales, Electrónicos, Químicos, entre otros).
• Licenciados y Analistas en Sistemas.
• Desarrolladores y Programadores.

Módulo 1 – Fundamentos de Inteligencia Artificial y Machine Learning (15 Horas)

1. Definiendo la IA Discriminativa y Generativa Introducción al análisis exploratorio de datos. Aplicaciones de la Inteligencia Artificial
2. Introducción a Machine Learning. Tipos de aprendizaje: supervisado, no supervisado, y por refuerzo . Semi-Supervised Learning .
3. Aprendizaje supervisado: regresión, clasificación y evaluación de modelos.
4. Aprendizaje no supervisado: clustering, reducción de dimensionalidad y detección de anomalías.
5. Introducción al Aprendizaje por refuerzo: aplicaciones y casos de estudio.
6. Técnicas de preprocesamiento de datos y selección de características. Evaluación de la eficiencia de un modelo de ML.

Módulo 2 – Deep Learning y Aplicaciones Avanzadas (15 horas)

1. Introducción a las Redes Neuronales Artificiales. Procesamiento de imágenes mediante Deep Learning. Procesamiento de texto y aplicaciones.
2. Transferencia del aprendizaje (Transfer Learning) Ensemble Learning .
3. Redes neuronales profundas: arquitecturas (CNNs, RNNs y GANs), entrenamiento y optimización. Entrenamiento y optimización de modelos . Indicadores de la bondad de un modelo.
4. Herramientas y Frameworks para IA Bibliotecas populares (TensorFlow, PyTorch, etc.) Notebooks y entornos de desarrollo. Recursos en línea: modelos open source y conjuntos de datos

MÓDULO 3 – Visión Artificial (20 Horas)

1. Fundamentos de visión por computadora. Procesamiento de imágenes. Detección y clasificación de objetos. Algoritmos de detección de objetos. Clasificación de objetos utilizando técnicas de aprendizaje automático.
2. Aprendizaje profundo para visión por computadora: CNNs, ViT y aplicaciones. Detección y clasificación de objetos. Segmentación semántica. Reconocimiento facial y de patrones.

MÓDULO 4 – Procesamiento de Lenguaje Natural (22 Horas)

1. Fundamentos del NLP Preprocesamiento de texto. Modelado de lenguaje y representación de las palabras . Word embeddings. Modelos de lenguaje
2. Utilización de redes Neurales Recurrentes. Transformers y modelos generativos.
3. Aplicaciones de NLP: análisis de sentimientos, traducción automática, generación de texto, etc.

MÓDULO 5: Inteligencia Artificial Generativa (Parte 1) (12 Horas)

1. Introducción a la Inteligencia Artificial Generativa (GenAI) Definición y conceptos básicos. Diferencias con otros enfoques de IA.
2. Modelos Fundacionales. Aplicaciones y casos de uso. Modelos de Lenguaje Generativo. BERT, GPT, DeepSeek , Gemini etc.
3. Preentrenamiento y ajuste fino Generación de texto. Destilación, Compresión de Modelos.
4. Benchmarks para modelos generativos. Estado del arte.

Módulo 5: Inteligencia Artificial Generativa (Parte 2) (16 horas)

1. Modelos Generativos de Visión Artificial. Redes Generativas Antagónicas (GANs). Modelos de Difusión. Modelos VAEs. Generación de imágenes y arte.
2. Modelos Multimodales. Generación Aumentada de recuperación (RAG). Base de Datos Vectoriales. Desarrollo de Agentes Inteligentes. Multi-Agentes.
3. Sesgos en la IA Generativa. Sesgo algorítmico y equidad Perplejidad. Alucinaciones.

Módulo 6: Desafíos Éticos, Inteligencia Artificial General y Perspectivas (5 horas)

1. Impactos de la Inteligencia Artificial en la sociedad
2. Desafíos éticos en el desarrollo y aplicación de la IA
3. Inteligencia Artificial General: conceptos y posibilidades Perspectivas futuras de la IA

Módulo 7: Trabajo Final Grupal (20 horas)

Dedicado a la realización de un proyecto práctico en grupos, aplicando los conocimientos adquiridos en los módulos anteriores.

TOTAL: 125 horas

La Facultad de Ingeniería de la Universidad Austral extenderán el Certificado Académico de aprobación de la “Diplomatura en Inteligencia Artificial” a quienes cumplan con el régimen de promoción.

DESCUENTOS Y BENEFICIOS

• Graduados de grado UA:
  • 25% en toda la oferta académica de posgrados UA (maestrías, diplomaturas y programas).
  • 20% en maestrías del IAE y 10% en programas focalizados del IAE.
• Graduados de posgrados UA:
  • 20% en la oferta académica de diplomaturas y programas UA.
• Ex alumnos (no graduados):
  • 15% en la oferta académica de diplomaturas y programas UA.

 Importante: Los descuentos no son acumulativos y están sujetos a cupo.

PLANES DE PAGO

Solicitar información sobre planes de pago vigentes y alternativas en cuotas.

CONVENIOS

¿Tu empresa tiene convenio con nosotros? Consultá aquí por beneficios corporativos.