Curso de Construyendo Intelligent Applications con IA y ML

Computer Vision

Data Analysis y Visualización

Deep Learning y Neural Networks

Implementación y Escalamiento

Ética y Futuro de la IA

Introducción a la IA y el Aprendizaje Automático (ML)

Proyecto Laboratorio

Machine Learning Modelos

Natural Language Processing (NLP)

Resumen y Próximos Pasos

• Estrategias de implementación de aplicaciones de IA
• Escalamiento de aplicaciones de IA
• Monitoreo y mantenimiento de sistemas de IA

• Desarrollo de una pequeña aplicación inteligente
• Trabajo con conjuntos de datos del mundo real
• Colaboración en un proyecto grupal para resolver problemas relevantes a la industria

• Consideraciones éticas en IA
• Política y regulación de AI
• Tendencias futuras en IA y ML

• Análisis exploratorio de datos
• Técnicas de visualización de datos
• Fundamentos estadísticos para el aprendizaje automático (ML)

• Fundamentos de redes neuronales
• Redes neuronales convolucionales (CNNs)
• Redes neuronales recurrentes (RNNs)

• Fundamentos del procesamiento de imágenes
• Detección de objetos y clasificación de imágenes
• Temas avanzados en visión por computadora

• Visión general de los conceptos de IA y ML
• Recolección y preprocesamiento de datos
• Introducción a Python para la IA

• Algoritmos de aprendizaje supervisado
• Algoritmos de aprendizaje no supervisado
• Evaluación y selección del modelo

• Procesamiento de texto y extracción de características
• Análisis de sentimientos y clasificación de textos
• Modelos lingüísticos y chatbots