Programa Completo de IA Aplicada
Este programa te lleva desde los fundamentos hasta la implementación profesional de sistemas de inteligencia artificial. Aprenderás a construir modelos de aprendizaje automático, trabajar con redes neuronales y desplegar soluciones reales que resuelven problemas específicos. No prometemos hacerte experto en seis semanas, pero sí te damos las herramientas y la práctica necesaria para empezar a trabajar con IA de forma efectiva.
¿Qué vas a aprender?
El programa está estructurado en seis módulos principales. Cada uno construye sobre el anterior, comenzando con Python y matemáticas aplicadas, avanzando a través de algoritmos de machine learning, y terminando con proyectos completos que puedes mostrar. Las sesiones combinan teoría necesaria con implementación práctica. Trabajarás con datasets reales y aprenderás a manejar los problemas que aparecen cuando entrenas modelos con datos del mundo real.
Python para IA
Configuración de entorno, NumPy, Pandas, y manipulación de datos. Todo lo que necesitas para trabajar eficientemente con librerías de IA.
- Estructuras de datos optimizadas
- Vectorización con NumPy
- Preprocesamiento en Pandas
- Visualización con Matplotlib
Fundamentos de ML
Regresión, clasificación, validación cruzada. Aprenderás cuándo usar cada algoritmo y cómo evaluar si tu modelo realmente funciona.
- Regresión lineal y logística
- Árboles de decisión
- Métricas de evaluación
- Overfitting y regularización
Redes Neuronales
Construcción y entrenamiento de redes neuronales desde cero y con TensorFlow. Backpropagation, optimización, y ajuste de hiperparámetros.
- Perceptrones y capas densas
- Funciones de activación
- Gradiente descendente
- Arquitecturas profundas
Deep Learning Aplicado
CNNs para visión computacional, RNNs para secuencias. Casos prácticos de clasificación de imágenes y procesamiento de texto.
- Redes convolucionales
- Transfer learning
- Redes recurrentes y LSTM
- Embeddings de texto
NLP y Transformers
Procesamiento de lenguaje natural moderno. Trabajarás con BERT, GPT y aprenderás a ajustar modelos preentrenados para tus necesidades.
- Tokenización y preprocesamiento
- Arquitectura Transformer
- Fine-tuning de modelos
- Clasificación y generación
Despliegue y Producción
Cómo llevar tu modelo del notebook al servidor. APIs, contenedores Docker, monitoreo y mantenimiento de modelos en producción.
- APIs REST con FastAPI
- Containerización con Docker
- Despliegue en cloud
- Monitoreo de rendimiento
Quién te enseña
Diego Villanueva
ML Engineer
Lleva cinco años construyendo sistemas de recomendación y modelos de clasificación para empresas de e-commerce. Ha entrenado modelos que procesan millones de transacciones diarias y sabe qué funciona cuando los datos son desordenados.
Alejandra Peralta
Computer Vision Specialist
Trabaja en detección de objetos y segmentación de imágenes médicas. Sus modelos se usan en hospitales para análisis automatizado. Entiende tanto la teoría como los detalles prácticos de hacer que CNNs funcionen con datos limitados.
Sofía Mendoza
NLP Research Engineer
Especializada en transformers y modelos de lenguaje. Ha implementado chatbots de atención al cliente que manejan conversaciones complejas en español. Conoce los trucos para hacer fine-tuning eficiente sin quemar el presupuesto de GPU.