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

Unidad Didáctica 1. Resolución de Problemas Empresariales Mediante Inteligencia Artificial (ia) y Machine Learning (ml)

• Identificar soluciones de IA y ML para problemas empresariales
• Formular un problema de aprendizaje automático
• Seleccionar Enfoques para el Aprendizaje Automático

Unidad Didáctica 2. Preparación de Datos en Inteligencia Artificial

• Recopilar datos
• Transformar datos
• Diseñar características
• Trabajar con datos no estructurados

Unidad Didáctica 3. Entrenamiento, Evaluación y Ajuste de un Modelo de Aprendizaje Automático

• Entrenar un modelo de aprendizaje automático
• Evaluar y ajustar un modelo de aprendizaje automático

Unidad Didáctica 4. Construcción de Modelos de Regresión Lineal

• Construir Modelos de Regresión Utilizando Álgebra Lineal
• Construcción de modelos de regresión lineal regularizados
• Construcción de modelos de regresión lineal iterativos

Unidad Didáctica 5. Construcción de Modelos de Previsión

• Construcción de modelos de series temporales univariantes
• Construcción de modelos de series temporales multivariantes

Unidad Didáctica 6. Construcción de Modelos de Clasificación Mediante Regresión Logística y K-nearest Neighbors

• Entrenar modelos de clasificación binaria mediante regresión logística
• Entrenar modelos de clasificación binaria mediante k-Nearest Neighbors
• Entrenar modelos de clasificación multiclase
• Evaluación de modelos de clasificación
• Ajuste de modelos de clasificación

Unidad Didáctica 7. Construcción de Modelos de Agrupación

• Construir Modelos de Agrupación k-Means
• Construcción de modelos de agrupación jerárquica

Unidad Didáctica 8. Construcción de Árboles de Decisión y Bosques Aleatorios

• Construcción de modelos de árboles de decisión
• Construcción de modelos de bosques aleatorios

Unidad Didáctica 9. Construcción de Máquinas de Vectores de Soporte (svm)

• Construcción de modelos SVM para clasificación
• Construcción de modelos SVM para regresión

Unidad Didáctica 10. Construcción de Redes Neuronales Artificiales

• Construir Perceptrones Multicapa (MLP)
• Construir redes neuronales convolucionales (CNN)
• Construir redes neuronales recurrentes (RNN)

Unidad Didáctica 11. Operacionalización de Modelos de Aprendizaje Automático

• Despliegue de modelos de aprendizaje automático
• Automatizar el Proceso de Aprendizaje Automático con MLOps
• Integrar Modelos en Sistemas de Aprendizaje Automático

Unidad Didáctica 12. Mantenimiento de Operaciones de Aprendizaje Automático

• Proteger los pipelines de aprendizaje automático
• Mantener modelos en producción