Programa cofinanciado por el Fondo Social Europeo Plus y SAMSUNG
Objetivos
Este curso de IA está diseñado para que los estudiantes aprendan las bases esenciales de la inteligencia artificial y adquieran las habilidades fundamentales en ciencia de datos a través de ejercicios prácticos.
- Comprender las matemáticas fundamentales detrás de la ciencia de datos y el aprendizaje automático: álgebra lineal, probabilidad y estadística.
- Ser capaz de realizar el preprocesamiento de datos con las bibliotecas de Python (NumPy y Pandas) para la ejecución de modelos óptimos de aprendizaje automático y visualización de datos.
- Explorar el aprendizaje supervisado y no supervisado y ser capaz de aplicar el algoritmo de aprendizaje automático más adecuado.
- Aprender a procesar datos textuales para derivar información de alta calidad del texto y aplicar nuevos conocimientos a negocios del mundo real (NLP).
- Construir y entrenar redes neuronales profundas, utilizar bibliotecas de aprendizaje profundo como TensorFlow y Keras para ganar competencia, así como manejar varias técnicas de aprendizaje profundo.
Curso Samsung Innovation Campus
Requisito: Registrarse en Samsung Dev Spain
Datos generales
Jóvenes que en el momento de solicitar la participación en el programa tengan entre 16 y 29 años, y que estén inscritos en el Sistema Nacional de Garantía Juvenil. Imprescindible adjuntar el certificado de Garantía Juvenil a fecha actual.
Los alumnos deberán tener conocimientos mínimos de:
- Nivel de inglés similar a B2
- Matemáticas
- Sólida base de álgebra
- Entendimiento básico de álgebra lineal
- Experiencia en programación: Programación en Python
- Ser capaz de usar Jupyter Notebook
- Fundamentos de Python: variables, condicionales, funciones y entrada/salida
- Tipos de datos en Python: básicos y compuestos (lista, tupla, diccionario y conjunto)
- Secuencias mutables
- Clases en Python
- Estructuras de datos (pilas, colas) y algoritmos (ordenamiento y búsqueda) como habilidad para resolver problemas
- Manejo de Microsoft Office (Excel, Word) y PDF
3 meses.
317 horas lectivas (295 horas de clase y 22 horas de tutoría)
Gratuito por ser un programa cofinanciado por el Fondo Social Europeo Plus y SAMSUNG
Contenidos
Chapter 1. Introduction to Artificial Intelligence (4h)
- Unit 1. The Concept of Artificial Intelligence
- Unit 2. Applications of Artificial Intelligence
- Unit 3. Techniques in Artificial Intelligence
- Unit 4. Artificial Intelligence: Trends and Markets
- Unit 5. Course Roadmap
Chapter 2. Math for Data Science (33h)
- Unit 1. Introduction
- Unit 2. Basic Math for Data Science
- Unit 3. Understanding Data Science: Vectors
- Unit 4. Understanding Data Science: Matrix
- Unit 5. Understanding Deep Learning: Derivatives
- Quiz
Chapter 3. NumPy Arrays for Optimized Numerical Computation & Pandas for Exploratory Data Analysis (33h)
- Unit 1. NumPy Array Data Structure for Optimal Computational Performance
- Unit 2. Optimal Data Exploration Through Pandas
- Unit 3. Pandas Data Preprocessing for Optimal Model
- Unit 4: Data Visualization For Various Data Scales
- Quiz
Chapter 4. Probability and Statistics (33h)
- Unit 1. Understanding of Probability
- Unit 2. Understanding of Statistics, I
- Unit 3. Understanding of Statistics II
- Unit 4. Statistical Hypothesis Testing
- Quiz
Chapter 5. Machine Learning – Supervised Learning (37h)
- Unit 1. Machine Learning Based Data Analysis
- Unit 2. Supervised Learning Model for Numerical Prediction
- Unit 3. Supervised Learning Model for Classification
- Unit 4. Decision Tree
- Unit 5. Naïve Bayes Algorithm
- Unit 6. KNN Algorithm
- Unit 7. SVM Algorithm
- Unit 8. Ensuring Algorithms
- Quiz
Chapter 6. Machine Learning – Unsupervised Learning (33h)
- Unit 1. Unsupervised Learning Machine Learning Algorithm
- Unit 2. Hierarchical Clustering
- Unit 3. Non-Hierarchical Clustering
- Unit 4. Linear Factor Model for Dimensionality Reduction
- Quiz
Chapter 7. Natural Language Processing and Language Models for Text Mining (33h)
- Unit 1. Text Mining
- Unit 2. Text Preprosessing
- Unit 3. Language Models
- Unit 4. Natural Language Processing with Keras
- Quiz
Chapter 8. Neural Network and Deep Learning (32h)
- Unit 1. Understanding Neural Network
- Unit 2. Basics of TensorFlow
- Unit 3. Deep Learning Metods using TensorFlow Structure and Keras
- Quiz
Chapter 9. Various Deep Learning Techniques : Deep Learning Techniques for Video and Language Intelligence (32h)
- Unit 1. CNN for Computer Vision
- Unit 2. RNN for Sequential Data Modeling
- Unit 3. Generative Adversarial Neural Network to Create Non-Existent Images 10
- Quiz
Chapter 10. Starting an AI Project (3h)
- Project Preparation
- Design Thinking
Chapter 11. AI Capstone Project Tutorial (2h)
- Using a Ready-Made CNN Model.
- AI Application Cases.
Chapter 12. Empleabilidad (20h)
Metodología
Las clases se desarrollarán en formato online. El alumnado se apoyará en los materiales facilitados por los profesores aplicando la metodología Learning by Doing.
Durante el curso se crearán ejercicios en los diferentes módulos que permitirá al alumnado dotarse de los conocimientos.
Información e Inscripción
¡Solicita ya tu plaza!
EOI
¡Solicita ya tu plaza!
Coordinadora: virginia.capseta@eoi.es