Programa cofinanciado por el Fondo Social Europeo Plus y Polo de Contenidos Digitales.
PRESENTACIÓN
El objetivo de esta acción formativa es dotar a los alumnos de los conocimientos, habilidades y aptitudes necesarios para introducirse en el mundo laboral de la Inteligencia Artificial, específicamente en el ámbito del Machine Learning. Aprenderán los conceptos básicos, herramientas y lenguajes relacionados con la Inteligencia Artificial y sus diferentes modalidades.
El temario está orientado a cubrir los aspectos básicos para entender los procesos que conciernen al Machine Learning desde un enfoque práctico y tiene como objetivos:
• Adquirir los conceptos básicos, herramientas y lenguajes relacionados con la Inteligencia Artificial y sus diferentes modalidades.
• Adquirir el conocimiento necesario para el tratamiento de los conjuntos de datos relacionados con el entrenamiento de modelos.
• Utilizar diferentes algoritmos de Machine Learning y su aplicabilidad para la resolución de problemas de diversa índole.
• Aplicar los conceptos de las Redes Neuronales a diferentes campos (Computer Visión, NLP, etc.).
• Interpretar los fundamentos y librerías para la representación y visualización de los datos obtenidos de los modelos Machine Learning.
• Aplicar los diferentes modelos de Bases de datos y su integración con las herramientas de Inteligencia Artificial.
• Utilizar herramientas para la generación, entrenamiento y pruebas de modelos de Machine Learning.
• Conocer los principios de MLOps y su aplicación.
• Aplicar una Inteligencia Artificial Responsable.
• Realizar un proyecto completo por parte del alumno aplicando los diferentes conocimientos de Inteligencia Artificial tratados a lo largo del curso.
• Poner en práctica el uso de las metodologías ágiles y entender el valor de las habilidades "soft" en la era digital.
Datos generales
Los destinatarios del programa serán jóvenes mayores de 16 años y menores de 30 años, beneficiarios del Sistema Nacional de Garantía Juvenil y seleccionados previamente para formar el grupo de alumnos del Curso de Fundamentos de la Inteligencia Artificial: Machine Learning. Todos ellos tendrán en común la búsqueda de empleo en el mundo laboral de la Inteligencia Artificial, específicamente en el ámbito del Machine Learning.
Requisitos para poder optar al curso:
- Estudios recomendados: Bachillerato, Formación Profesional Superior o Universidad.
Estas son las aptitudes y actitudes que los participantes deberán poner en práctica durante su formación:
- Capacidad de esfuerzo máximo en su formación, lo que les obligará a asistir a las sesiones presenciales y/u online, investigar sobre los materiales complementarios y aportar todo este conocimiento a su proyecto final.
- Proactividad: La programación requiere ir siempre más allá. Todos los años salen nuevos frameworks y herramientas, por lo que es esencial que el alumno esté dispuesto a investigar por su cuenta.
- Dedicación completa al programa durante todo el tiempo que dura. Se trata de un curso de gran intensidad en el que el alumno ha de desarrollar un proyecto de principio a fin, lo cual implicará una dedicación extraordinaria por el alumnado.
Además se recomienda disponer de:
- Un portátil con Sistema operativo Windows (7, 8 o 10) - No Mac.
- Conexión a Internet.
- Mínimo 8 Gb RAM.
- Permisos de usuario necesarios para instalar aplicaciones. Permisos de usuario para modificar la configuración de los navegadores y otras aplicaciones instaladas.
- Los alumnos instalarán y configurarán todas las herramientas y aplicaciones necesarias para el correcto desarrollo de las prácticas.
178 horas lectivas (176 horas de clases y 2 de tutorías)
Matrícula gratuita. Programa cofinanciado por el Fondo Social Europeo Plus y Polo de Contenidos Digitales.
Contenidos
1. FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL
• Inmersión a la IA explicando sus principales modalidades.
• Breve noción sobre los algoritmos de IA.
• Análisis de los diferentes tipos de aprendizaje.
• Fundamentos matemáticos para el entendimiento del funcionamiento de distintos algoritmos basados en IA y conceptos básicos de programación.
• Implementación de conceptos matemáticos de IA utilizando Python como lenguaje de programación.
• Fundamentos estadísticos básicos para el entendimiento del funcionamiento de distintos algoritmos, preprocesamiento de datos y análisis de resultados.
• Implementación de conceptos estadísticos utilizando Python como lenguaje de programación.
• Puesta en marcha del entorno de trabajo.
• Detalle de los diferentes softwares y programas utilizados para la implementación de algoritmos basados en IA.
• Inmersión en el lenguaje Python.
2. EXPLORACIÓN DEL CONJUNTO DE DATOS
• Reconocimiento de las competencias y funciones de un Data Scientist relacionadas con la explotación, análisis y gestión de los datos en una empresa.
• Fundamentos de la visualización de los datos de entrada del modelo.
• Práctica de librerías de visualización de datos.
• Fundamentos del pre-proceso de los datos de entrada del modelo.
• Inmersión en las librerías más utilizadas en la preparación y limpieza de datos.
• Identificación de las herramientas necesarias para la limpieza, reducción y preparación de los datos de entrada según tipo.
• Aplicación práctica de librerías de examinación y pre-procesado de datos.
3. ALGORITMOS DE MACHINE LEARNING
• Fundamentos de los conceptos matemáticos básicos para la comprensión de los distintos algoritmos de ML.
• Definición teórico-práctica de estos conceptos.
• Implementación en Python de dichos conceptos matemáticos.
• Introducción a los modelos de ML más utilizados.
• Implementación en Python de estos modelos haciendo uso de las librerías más relevantes.
• Introducción a los conceptos de sistemas de recomendación y aprendizaje por refuerzo.
• Identificación del algoritmo más relevante a desarrollar según tipología y aplicabilidad.
• Aplicabilidad en Python de diferentes casos de uso prácticos como refuerzo a la comprensión de los algoritmos.
4. REDES NEURONALES
• Fundamentos de los conceptos matemáticos básicos para la comprensión de los distintos algoritmos basados en Redes Neuronales explicados en este módulo.
• Definición teórico-práctica de estos conceptos matemáticos.
• Desarrollo en Python de los algoritmos que implementan dichos conceptos.
• Identificación de los modelos basados en Redes Neuronales más utilizados según aplicación.
• Implementación del algoritmo más relevante a desarrollar según tipología y aplicabilidad.
• Aplicabilidad en Python de diferentes casos de uso prácticos como refuerzo a la comprensión de los algoritmos.
5. VISUALIZACIÓN DE RESULTADOS
• Fundamentos de la visualización de los resultados del modelo.
• Inmersión en las librerías más utilizadas en la visualización de los resultados de un modelo.
• Identificación de las herramientas necesarias para evaluación de resultados en función del modelo.
• Aplicación práctica de librerías de visualización de datos.
• Visualización del proceso de entrenamiento y búsqueda de puntos de optimización o sesgos en el modelo.
• Identificación de problemas como vanishing gradient o exploding gradient durante el entrenamiento de redes neuronales.
6. BASES DE DATOS EN IA
• Inmersión al lenguaje SQL y a las bases de datos más relevantes.
• Introducción a las bases de datos NoSQL y comparativa con las bases de datos relacionales.
• Tratamiento y almacenamiento en base de datos de un dataset desde Python.
• Operaciones CRUD desde python a una base de datos SQL.
7. RESPONSABLE AI (5 horas)
• Comprender y articular los problemas críticos, sociales, legales, políticos y éticos que surgen a lo largo del ciclo de vida de los datos.
• Comprender conceptos relevantes, que incluyan: ética, moralidad, responsabilidad, derechos digitales, gobernanza de datos, interacción persona-datos, e investigación e innovación responsables.
• Identificar y evaluar problemas éticos actuales en la industria y la ciencia de datos.
• Aplicar el juicio crítico y la reflexibilidad profesionales a los problemas morales sin soluciones claras.
• Evaluar los problemas éticos que enfrenta en su práctica profesional actual.
• Identificar y aplicar soluciones éticas a esos problemas.
8. CASO PRÁCTICO EN IA (60 horas)
• Análisis de los factores relevantes de un problema de IA.
• Técnicas y herramientas para la toma de decisiones a la hora de abordar el proyecto.
• Identificación de los entornos, fases y herramientas necesarias para llevar a cabo la solución seleccionada.
• Gestión y seguimiento de las distintas fases del proyecto de IA.
• Planificación, diseño y programación de los componentes de un proyecto de forma autónoma.
Metodología
EOI ha desarrollado y puesto en práctica una metodología que se basa en la formación de carácter práctico y en la atención individualizada que permita el correcto desarrollo de los conocimientos adquiridos y su adecuación a las características de cada participante, a través de formación grupal, tutorías individualizadas y desarrollo de numerosas actividades.
El objetivo inmediato de este curso es la inserción en el mercado laboral de los participantes, habiendo adquirido los conocimientos técnicos necesarios para poder empezar a desarrollar un trabajo efectivo nada más terminar el programa.
Se entregará un DIPLOMA acreditativo a todos aquellos alumnos que hayan alcanzado los porcentajes de asistencia requeridos, tanto a las sesiones lectivas como a las tutorías y hayan superado con la calificación de Apto la prueba de conocimiento establecida.
Para evaluar la adquisición de conocimientos se realizarán, en su caso, proyectos fin de curso/cuestionarios/formularios/casos prácticos individuales y/o grupales acerca de los contenidos vistos a lo largo del curso.
HORAS DE DIPLOMA: 253 H
178 horas lectivas (176 horas de clases + 2 de tutorías) + 75 horas de trabajo del alumno.
Información e Inscripción
¡Solicita ya tu plaza!
Contacta con nosotros en:
- Telf. 954 46 33 77
- Mail: infoandalucia@eoi.es