Certificación Profesional en Inteligencia Artificial (Curso de Preparación + Examen Oficial CAIP)
100% Online
3 meses
499€
Certificación Profesional en Inteligencia Artificial (Curso de Preparación + Examen Oficial CAIP)
    Certificación Profesional en Inteligencia Artificial (Curso de Preparación + Examen Oficial CAIP)

    Certificación Profesional en Inteligencia Artificial (Curso de Preparación + Examen Oficial CAIP)

    100% Online
    3 meses
    499€
    Seguridad y confianza en tus pagos online.

    Presentación

    La inteligencia artificial (IA) y el aprendizaje automático o Machine Learning (ML) se han convertido en partes esenciales del conjunto de herramientas de muchas empresas y organizaciones. Cuando se utilizan de forma eficaz, estas tecnologías proporcionan las técnicas y herramientas necesarias para obtener información procesable que impulsan decisiones críticas y permiten crear productos y servicios nuevos e innovadores. Este Curso Certificado Profesional en Inteligencia Artificial (Certificación CAIP) muestra cómo aplicar diversos enfoques y algoritmos para resolver problemas empresariales mediante Inteligencia Artificial (IA) y Machine Learning (ML), todo ello siguiendo un flujo de trabajo metódico para desarrollar soluciones basadas en datos.
    Qs World University Rankings

    Universidades colaboradoras

    Para qué te prepara
    Este Curso Certificado Profesional en Inteligencia Artificial (Certificación CAIP) te prepara para superar con éxito el examen CertNexus® Certified Artificial Intelligence (AI) Practitioner (Examen AIP-210). Aprenderás a entrenar, evaluar y ajustar modelos de aprendizaje automático, construir modelos de previsión, regresión, clasificación y agrupación y también crear redes neuronales artificiales para el aprendizaje profundo (Deep Learning).
    Objetivos
    - Preparar, entrenar, evaluar y ajustar un modelo de aprendizaje automático. - Configurar y construir modelos de previsión y agrupación. - Construir modelos de clasificación mediante regresión logística y k -nearest neighbor. - Construir modelos de clasificación y regresión utilizando árboles de decisión y máquinas de vectores de soporte (SVM). - Construir redes neuronales artificiales para el aprendizaje profundo. - Poner en funcionamiento modelos de aprendizaje automático mediante procesos automatizados. - Mantener los canales y modelos de aprendizaje automático mientras están en producción.
    A quién va dirigido
    Este Curso Certificado Profesional en Inteligencia Artificial (Certificación CAIP) está dirigido a profesionales de la ciencia de datos, equipos de desarrollo de software o analistas de negocios que busquen ampliar sus conocimientos sobre algoritmos de aprendizaje automático y cómo pueden ayudar a crear productos inteligentes que aporten valor a la empresa.
    Salidas Profesionales
    Gracias a este Curso Certificado Profesional en Inteligencia Artificial (Certificación CAIP) podrás trabajar como ingeniero de machine learning, científico de datos, ingeniero de datos especializado en limpieza y preprocesamiento de datos, y analista de datos. Además, pueden asumir responsabilidades en el mantenimiento y protección de pipelines de aprendizaje automático.
    Temario

    UNIDAD DIDÁCTICA 1. RESOLUCIÓN DE PROBLEMAS EMPRESARIALES MEDIANTE INTELIGENCIA ARTIFICIAL (IA) Y MACHINE LEARNING (ML)

    1. Identificar soluciones de IA y ML para problemas empresariales
    2. Formular un problema de aprendizaje automático
    3. Seleccionar Enfoques para el Aprendizaje Automático

    UNIDAD DIDÁCTICA 2. PREPARACIÓN DE DATOS EN INTELIGENCIA ARTIFICIAL

    1. Recopilar datos
    2. Transformar datos
    3. Diseñar características
    4. Trabajar con datos no estructurados

    UNIDAD DIDÁCTICA 3. ENTRENAMIENTO, EVALUACIÓN Y AJUSTE DE UN MODELO DE APRENDIZAJE AUTOMÁTICO

    1. Entrenar un modelo de aprendizaje automático
    2. Evaluar y ajustar un modelo de aprendizaje automático

    UNIDAD DIDÁCTICA 4. CONSTRUCCIÓN DE MODELOS DE REGRESIÓN LINEAL

    1. Construir Modelos de Regresión Utilizando Álgebra Lineal
    2. Construcción de modelos de regresión lineal regularizados
    3. Construcción de modelos de regresión lineal iterativos

    UNIDAD DIDÁCTICA 5. CONSTRUCCIÓN DE MODELOS DE PREVISIÓN

    1. Construcción de modelos de series temporales univariantes
    2. Construcción de modelos de series temporales multivariantes

    UNIDAD DIDÁCTICA 6. CONSTRUCCIÓN DE MODELOS DE CLASIFICACIÓN MEDIANTE REGRESIÓN LOGÍSTICA Y K-NEAREST NEIGHBORS

    1. Entrenar modelos de clasificación binaria mediante regresión logística
    2. Entrenar modelos de clasificación binaria mediante k-Nearest Neighbors
    3. Entrenar modelos de clasificación multiclase
    4. Evaluación de modelos de clasificación
    5. Ajuste de modelos de clasificación

    UNIDAD DIDÁCTICA 7. CONSTRUCCIÓN DE MODELOS DE AGRUPACIÓN

    1. Construir Modelos de Agrupación k-Means
    2. Construcción de modelos de agrupación jerárquica

    UNIDAD DIDÁCTICA 8. CONSTRUCCIÓN DE ÁRBOLES DE DECISIÓN Y BOSQUES ALEATORIOS

    1. Construcción de modelos de árboles de decisión
    2. Construcción de modelos de bosques aleatorios

    UNIDAD DIDÁCTICA 9. CONSTRUCCIÓN DE MÁQUINAS DE VECTORES DE SOPORTE (SVM)

    1. Construcción de modelos SVM para clasificación
    2. Construcción de modelos SVM para regresión

    UNIDAD DIDÁCTICA 10. CONSTRUCCIÓN DE REDES NEURONALES ARTIFICIALES

    1. Construir Perceptrones Multicapa (MLP)
    2. Construir redes neuronales convolucionales (CNN)
    3. Construir redes neuronales recurrentes (RNN)

    UNIDAD DIDÁCTICA 11. OPERACIONALIZACIÓN DE MODELOS DE APRENDIZAJE AUTOMÁTICO

    1. Despliegue de modelos de aprendizaje automático
    2. Automatizar el Proceso de Aprendizaje Automático con MLOps
    3. Integrar Modelos en Sistemas de Aprendizaje Automático

    UNIDAD DIDÁCTICA 12. MANTENIMIENTO DE OPERACIONES DE APRENDIZAJE AUTOMÁTICO

    1. Proteger los pipelines de aprendizaje automático
    2. Mantener modelos en producción
    Titulación
    Solicitar información