Más información
Clic aquí  
Diplomado

Machine Learning y Deep Learning

PhD. Roberto Pardo Silva

Modalidad Virtual - Clase Remota

MAYOR INFORMACIÓN

Correo: machine@udi.edu.co

CONTACTO
Bogotá:
3188226934
Bucaramanga:
3188228166
3182646156

Machine Learning
y Deep Learning

Presentación

Machine Learning (ML) es un área de Inteligencia Artificial en la que en lugar de programar a las máquinas mediante reglas lo que se hace es generar modelos que aprenden de datos para hacer predicciones. Hoy en día, se aplica a todas las áreas: finanzas (predecir el valor de una acción, detectar un fraude, establecer a quién se le hace un préstamo, etc.), salud (diagnosticar enfermedades a partir de radiografías, mercadeo y ventas (retener clientes, ), educación (personalizar el aprendizaje, predecir el retiro de estudiantes), producción predecir las fallas de máquinas), política (predecir resultado de elecciones), impuestos (predecir y

Presentación

detectar evasores), empleo (mejor candidato para un empleo), finca raíz (cuál será la valorización de un inmueble), etc. . Así, ML es un tema transversal que puede ser útil a todos los profesionales. Deep Learning es una forma moderna de hacer ML, aunque teóricamente desarrollada hace varias décadas, solo recientemente ha mostrado su gran utilidad en aplicaciones de procesamiento de imágenes y lenguaje natural. En este diplomado se pretende enseñar a los participantes a desarrollar sistemas que usan estas tecnologías.

OBJETIVO GENERAL

Enseñar a profesionales de diferentes áreas a desarrollar sistemas de Machine Learning y Deep Learning, aplicados a cualquier industria o sector, mostrando con ejemplos cómo funcionan.

OBJETIVOS ESPECÍFICOS

Explicar las bases matemáticas de álgebra lineal, probabilidad, estadísticas y optimización que permitan entender los modelos de Machine Learning y Deep Learning.

Explicar en qué consiste y por qué es diferente a la programación tradicional, y familiarizar a los estudiantes con la terminología usada.

Explicar los diferentes tipos de algoritmos de ML tradicional y los más modernos de Deep learning. Se explicarán los principales modelos, se mostrarán ejemplos y se enseñará cómo programarlos.

Explicar cómo se evalúan y escogen los algoritmos de Machine Learning y Deep Learning.

Mostrar varios tipos de plataformas.

Discutir los temas de ética asociados a Machine Learning.

Realizar prácticas.

DIRIGIDO A

Profesionales que deseen entender y aprender a desarrollar sistemas de Machine Learning.

ASPECTOS NOVEDOSOS

Se cubre el Machine Learning tradicional y además los temas modernos de Machine Learning como Deep Learning mostrando su aplicación a reconocimiento de imágenes y a Lenguaje Natural.

Se enseñan los tres temas claves de Machine Learning:

1. Las bases matemáticas de los modelos (así el participante aprende POR QUÉ funcionan los modelos).

2. La Ingeniería de software para implementarlos (así el participante aprende a programar e implementar los modelos usando Python).

3. Las aplicaciones a casos reales (así el participante aprende la parte práctica).

METODOLOGÍA

Charlas virtuales en línea con espacio de alta interactividad con los participantes.

Tareas de programación para practicar los conceptos.

Proyecto final con datos reales preferiblemente de la empresa donde trabaja el participante.

Se requiere trabajo independiente extra por parte del estudiante con una intensidad equivalente a las de las horas del diplomado.

Se requiere adicionalmente realizar trabajos de programación.

PREREQUISITOS

Se requiere tener bases generales de álgebra lineal, probabilidad y estadística, y saber programar en algún lenguaje de programación.

CONTENIDO

NIVEL:
FUNDAMENTACIÓN

Python (12 horas). Instalación. Principales Librerías. Conceptos y ejercicios sobre lenguaje básico. Ejemplos de uso de SciPy, NumPy, Pandas, Matplotlib. Programación Orientada a Objetos. Ejemplos de algoritmos clásicos en Python. Ejemplos de problemas de Optimización en Python. Algunos conceptos avanzados. Trucos clásicos.

Algebra Lineal (06 horas). Vectores, ecuaciones lineales, espacios vectoriales. Ortogonalidad, Determinantes, transformación. Matrices Especiales. Eigenvectors y Eigenvalues, SVD (Singular Value Decomposition). Ejercicios y ejemplos de Algebra Lineal en Python.

Probabilidad (08 horas). Probabilidad de lo básico. Probabilidad Condicional y la Regla de Bayes. Variables aleatorias discretas. Variables aleatorias continuas. Promedios, ley de los grandes números. Teorema límite central. Distribuciones conjuntas y expectativas condicionales. Cadenas de Markov. Ejercicios y ejemplos de conceptos de Probabilidad en Python.

Estadística (12 horas). Métricas. Estimación. Pruebas de Hipótesis y Valores p. Intervalos de Confianza, Chi-square y ANOVA. Ejercicios y ejemplos de conceptos de Estadística en Python.

Machine Learning Básico (16 horas). Introducción a ML. Algoritmos y ejemplos de programación en Python de: regresión lineal, regresión logística, SVMs, árboles de decisión, ensambles. Ejercicios.

NIVEL:
INTERMEDIO Y AVANZADO

Machine Learning Intermedio (12 horas). Reducción de dimensionalidad, algoritmos basados en probabilidades, y algoritmos de agrupamientos (“clustering”). Cómo evaluar y escoger modelos. Ejercicios.

Machine Learning Avanzado: Deep learning (16 horas). Bases de redes neuronales. Modelos de Redes MLPs y programación en Keras. Entrenamiento de redes. DNNs. Modelos personalizados en Tensorflow. CNNs y aplicación a Visión. RNNs y su aplicación a Texto. Mecanismos de Atención. GANs y aplicaciones. Reinforcement Learning. Transfer Learning. Como evaluar modelos. Ejercicios en TensorFlow y Keras.

Plataformas de ML (04 horas). Machine Learning con Big Data. Machine Learning usando servicios en las Nubes de Microsoft, Google, Amazon. Machine Learning con herramientas Open Source. Procesadores Especiales para Machine Learning: GPUs y TPUs.

Ética y ML (02 horas). Ética, discriminación, sesgos, y explicabilidad en ML. Guías internacionales sobre ética.

*El contenido del dilomado
está sujeto a modificaciones

PERFIL DOCENTE

PhD. Roberto Pardo Silva

Roberto Pardo es ingeniero de sistemas y computación de la Universidad de los Andes, su tesis estuvo fundamentada en lenguajes de programación en Inteligencia Artificial. Realizó un Master en Ciencias de la computación y un Doctorado en sistemas distribuidos en Department Of Computer Science, The Ohio State University.

Roberto tiene una gran experiencia emprendiendo. En 1986 se convirtió en socio-fundador de Seminarios de Excelencia, una empresa dedicada a capacitar en las nuevas tecnologías de la época y en temas de gestión y sistemas de información, de la que fue socio hasta el 2002, y en la que dictó cerca de 80 cursos en compañías locales e internacionales.

En el mismo periodo, también fue socio-fundador y Director Técnico en Unisoftware Ltda, una compañía de desarrollo de software, que fue por un tiempo distribuidora de Microsoft en Colombia y desarrolló más de 15 paquetes de software vendidos en varios países, y premio a la mejor empresa en Colombia de Desarrollo otorgado por Bill Gates, en 1995.



Ha sido docente del Postgrado en la Universidad Javeriana y en la Universidad de los Andes, y de pregrado en la Universidad Piloto de Colombia, Universidad de Investigación y Desarrollo – UDI, y director regional externo de Microsoft en Colombia en el periodo 1998-2004

En abril de 2006, se convirtió en socio de Salixis, una compañía propietaria de Pharos, un paquete de software de seguros, que actualmente se comercializa en América latina y Europa.

Fue miembro de la junta directiva de Certicámara, la entidad colombiana que expide certificados digitales. Hizo parte en Colciencias del Consejo Nacional para el Programa ETI: Electrónica, Informática y Telecomunicaciones.


Roberto tiene más de veinte años trabajando como consultor para importantes empresas, entre las que se destacan el Banco de Desarrollo de América Latina (antes CAF), Departamento Nacional de Planeación en Colombia, Acueducto de Bogotá, Ecopetrol, Ministerio de Hacienda, entre otras. Desde hace 15 años realiza trabajos de consultoría en tecnología y transformación digital con entidades internacionales como el Banco Mundial en diferentes sectores y países.

Toda compañía es una compañía de software
David Kirkpatrick, Forbes, 2011


El software se está devorando al mundo
Marc Andreessen, Agosto 2011 WSJ


INVERSIÓN

$2.200.000

Incluye Certificado de Asistencia

DURACIÓN Y HORARIO

Total, Diplomado:
110 horas

PROGRAMACIÓN:
Ciclo I:
Octubre 26 - Diciembre 15 de 2020
(56 Horas)

Dos (2) encuentros semanales cada uno de
04 horas en cada ciclo.

Modalidad:
Virtual - Clase Remota

Ciclo II:
Febrero 15 - Abril 10 de 2021
(56 Horas)

MAYOR INFORMACIÓN

Correo: machine@udi.edu.co

CONTACTO
Bogotá:
3188226934
Bucaramanga:
3188228166
3182646156

Pago En Línea

Pago En Línea

BUCARAMANGA


Calle 9 No. 23 - 55
Contacto:
318 8226934 - 318 8228166 - 318 2646156

Más Información www.udi.edu.co
VIGILADA MINEDUCACIÓN