Módulo 1: Introducción al análisis de datos
Es una de las bases del Data Science y Machine Learning, en donde el alumno aprenderá a entender la naturaleza de los datos que analice, para descubrir patrones, identificar anomalías, probar hipótesis y comprobar supuestos, usando representaciones gráficas e indicadores estadísticos.
Así mismo, se hará un repaso a conceptos de Estadística que los alumnos ya estudiaron durante su formación universitaria, y sobre los que se asientan las bases de los módulos siguientes.
Temas:
- Análisis Exploratorio de Datos (EDA)
- Estadística descriptiva
Módulo 2: Machine Learning
Machine Learning es una de las ramas de la Inteligencia Artificial que más desarrollo está teniendo en los últimos años, y que hoy es el pilar sobre el que sustenta la gran mayoría de los casos de uso de IA, desde el procesamiento de lenguaje natural, visión artificial y el análisis avanzado de datos.
Son un conjunto de técnicas para que las máquinas “aprendan” y puedan resolver problemas que con otras técnicas es imposible o los resultados no son tan buenos.
Temas:
- Aprendizaje supervisado: Regresión y Clasificación
- Aprendizaje no supervisado: Clustering
- Reducción de la dimensionalidad
Módulo 3: Deep Learning
Deep Learning es un área del Machine Learning cuyas técnicas son más elaboradas y sus resultados son más prometedores. Se utilizan modelos más sofisticados con arquitecturas más complejas y multinivel, que serán analizadas y utilizadas en este módulo.
Temas:
- Perceptrón multicapa (MLP)
- Redes Neuronales Convolucionales (CNN)
- Redes Neuronales Recurrentes (RNN)
Módulo 4: Reinforcement Learning
Reinforment Learning es una de las áreas más novedosas de Machine Learning, en el que la máquina aprende según actúa con el feedback que recibe del entorno. En este módulo, el alumno aprenderá los fundamentos y las técnicas más utilizadas para su aplicación práctica.
Temas:
- Elementos y taxonomía de un algoritmo de RL
- Value-Function Approximation
- Policy Gradient Approximation
Módulo 5: Procesamiento del Lenguaje Natural
El alumno aprenderá las técnicas básicas para implementar soluciones de comunicación máquina-humano. Es una introducción de un área mucho más extensa, que en el los últimos años está teniendo un progreso imparable con los asistentes virtuales y chatbots, entre muchas otras aplicaciones, que cada vez se diferencian menos de un humano.
Temas:
- Procesamiento de textos
- Análisis de Sentimientos
- Topic Modeling
Módulo 6: Sistemas de Recomendación
En este último módulo nos centraremos un tipo de aplicación de la Inteligencia Artificial que está muy extendido en sistemas comerciales y donde ahora hay muchas oportunidades de trabajo.
Cuando Google presenta un anuncio, cuando Amazon recomienda un libro a un cliente suyo o Netflix propone películas, se usan sistemas de recomendación, como un caso muy particular de sistemas predictivos, que como tales, predicen las probabilidades de que una determinada recomendación tenga éxito.
Temas:
- Filtrado Colaborativo
- Filtrado Demográfico
- Filtrado basado en contenido
