Cursado por Módulo | 100% Online

✨ Modalidad:

✔ Clases asincrónicas (sin horarios fijos).

✔ Comienzo inmediato (sin costo de inscripción).

✔ Flexibilidad total: Sin presencialidad ni clases en vivo.

📅 Duración:✅ 8 módulos

💡 Beneficios: Video clases explicativas + apuntes descargables. Material ampliatorio para actualizarse y profundizar.

💳 Medios de pago: Transferencia bancaria. MercadoPago, Ualá, MODO y QR.

📩 Confirmación de inscripción: Envía tu comprobante de pago (número de operación o foto) junto con tu nombre completo y email a: ateneoeducativoinfo@gmail.com

🔹 ¿Qué incluye cada clase?

🎥 Video clase explicativa (acceso ilimitado).

📄 Apuntes y material de estudio (descargable).

➕ Contenido ampliatorio (para profundizar).

🕒 Total libertad horaria (vos manejás tus tiempos).

👩‍🏫 Acompañamiento de un/a tutor/a en todo momento.

🎓 Diploma de finalización al completar el curso.

📌 Pasos para inscribirte:

1️⃣ Elegí tu medio de pago (transferencia, MercadoPago, etc.).

2️⃣ Envía el comprobante + nombre y email a nuestro correo.

3️⃣ ¡Listo! Recibís acceso inmediato al curso.

🎓 ¡Aprendé a tu ritmo, cuándo y dónde quieras!

Programa

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

-Fundamentos de IA

Diferencias entre IA, Machine Learning y Deep Learning

Campos de aplicación actuales (salud, finanzas, robótica, etc.)

-Regulación en IA

Regulaciones internacionales (GDPR, Leyes de IA en la UE y EE.UU.)

- Herramientas Básicas

Introducción a Python para IA

Uso de Jupyter Notebooks y Google Colab

Librerías esenciales (NumPy, Pandas, Matplotlib)

MACHINE LEARNING (APRENDIZAJE AUTOMÁTICO)

Definición de Aprendizaje Automático (ML).

Tipos de algoritmos de ML: supervisado, no supervisado y de refuerzo.

Evaluación y validación de modelos de ML.

Herramientas y tecnologías de ML

-Árboles de decisión y Random Forest

Máquinas de Soporte Vectorial (SVM)

Aprendizaje No Supervisado

Clustering (K-Means, DBSCAN)

Reducción de dimensionalidad (PCA, t-SNE)

-Evaluación de Modelos

Métricas de rendimiento (Precisión, Recall, F1-Score)

Validación cruzada (Cross-Validation)

DEEP LEARNING (APRENDIZAJE PROFUNDO)

-Redes Neuronales Artificiales

Backpropagation y optimizadores (Adam, SGD)

- Redes Neuronales Convolucionales (CNN)

Arquitecturas famosas (ResNet, VGG)

- Redes Neuronales Recurrentes (RNN)

Procesamiento de lenguaje natural (NLP)

Modelos secuenciales (LSTM, GRU)

PROCESAMIENTO DE LENGUAJE NATURAL (NLP)

- Fundamentos de NLP

Tokenización y embeddings (Word2Vec, GloVe)

Modelos de lenguaje (BERT, GPT)

- Aplicaciones Prácticas

Chatbots y asistentes virtuales

Análisis de sentimientos y traducción automática

VISIÓN POR COMPUTADORA

- Procesamiento de Imágenes

Segmentación semántica

- Aplicaciones con Redes Neuronales

Reconocimiento facial

Detección de objetos (YOLO, Faster R-CNN)

IA GENERATIVA Y TRANSFORMERS

- Modelos Generativos

GANs (Generative Adversarial Networks)

Stable Diffusion y DALL-E

- Arquitecturas Transformer

Atención (Attention Mechanisms)

Aplicaciones en texto e imágenes

PROYECTO Y EMPRENDIMIENTO

-Desarrollo de un Proyecto Integral

Desde la recolección de datos hasta el deployment

Uso de APIs (OpenAI, TensorFlow, PyTorch)

- Emprendimiento en IA

Modelos de negocio basados en IA