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: Que buscan adquirir criterio técnico para evaluar la factibilidad, tiempos y ROI de cada proyecto, además de herramientas para desarrollar soluciones a medida.

Jefes y mandos medios: Que quieran desarrollan la capacidad de coordinar equipos técnicos gestionando el ciclo de vida completo de la IA sin riesgos en la implementación.

Desarrolladores, Ingenieros y Consultores: Interesados en dar el salto profesional hacia roles de alta demanda (Machine Learning Engineer, AI Developer) construyendo un portafolio de código productivo con proyectos reales.

Profesionales no STEM

Administradores de Empresas y Negocios: Que buscan aprender a identificar oportunidades de innovación con IA, traducir necesidades de negocio en requerimientos técnicos, automatizar la toma de decisiones y liderar la transformación digital en tu organización.

Contadores Públicos y Finanzas: Que aspiran a desarrollar modelos predictivos de riesgo y demanda, automatizar auditorías y procesamiento de documentos complejos con NLP, e integrar asistentes de GenAI para la eficiencia operativa.

Abogados y Sector Legal: Que quieran comprender la estructura interna de los algoritmos para liderar la gobernanza, regulación, ética y privacidad de datos, además de implementar herramientas de automatización LegalTech.

Profesionales de otras áreas (Salud, Biología, Comunicación, Logística, Economía, Sociales): Que deseen obtener herramientas cuantitativas y de IA para procesar grandes volúmenes de datos en su campo, automatizar tareas repetitivas y resolver problemas complejos propios de su disciplina.

Profesionales STEM

Ingenieros (Industriales, Electrónicos, Químicos, entre otros): Que quieran aplicar la IA para la optimización de procesos productivos, mantenimiento predictivo, logística avanzada y automatización de control de calidad mediante visión por computadora.

Licenciados y Analistas en Sistemas: Que aspiran a obtener competencias para diseñar e integrar pipelines complejos de datos, implementar arquitecturas de RAG y desplegar agentes inteligentes que agregan valor analítico sobre los sistemas de la empresa.

Desarrolladores y Programadores : Que busquen un dominio práctico de los frameworks estándar de la industria (PyTorch, TensorFlow) para entrenar, optimizar y empaquetar modelos de IA directamente en sus aplicaciones y productos digitales.

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

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 a 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.

Coordinador Académico

Mag. Diego Adrián Castro

Magíster en Explotación de Datos y Gestión del Conocimiento de la Universidad Austral. Actualmente ocupa el cargo de Gerente de Data & Analytics de Nación Servicios (Tarjeta SUBE). En el ámbito académico, se desempeñó como docente en la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires y en la UADE. Miembro del comité del Simposio Argentino de Inteligencia Artificial y Ciencia de Datos (ASAID-JAIIO) desde 2021. Disertante en eventos relacionados a Inteligencia Artificial y su aplicación, incluyendo el ámbito del fútbol.

Docentes

Mag. Juan Pablo Sokil

Magister en Explotación de Datos y Descubrimiento del Conocimiento de la Universidad de Buenos Aires. Magister ( candidato) en Estadística de la FCEN UBA . Es Especialista en Inteligencia Artificial y Aprendizaje Automático en Allied Group. Ha ocupado roles destacados como , 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 Magister ( candidato) en Explotación de Datos y Descubrimiento de Conocimiento de la UBA. Ha ocupado roles destacados en empresas como Telecom Argentina, donde se desempeñó como Data Science Manager/Tech Scientist, respectivamente. Actualmente Director de Ciencia de Datos Latinoamérica – MetLife Argentina. 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. Ignacio Berdiñas

Magister en Administración de Empresas – MBA – Magna Cum Laude (IAE Business School). Además, es Ingeniero en Informática (Universidad Austral), y realizó el Professional Program in Artificial Intelligence (Stanford University). En cuanto a su experiencia profesional, es MultiplAI Health: Lead ML Engineer, donde lleva adelante el desarrollo de modelos para procesamiento de secuenciación genética enfocado en el diagnóstico de enfermedades de forma no invasiva.

Online: Martes y Jueves.

Proyecto grupal a elección de los estudiantes.

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.