La inteligencia artificial está revolucionando la industria global. Este curso entrega fundamentos teóricos y prácticos para aplicar la IA estratégicamente y liderar soluciones innovadoras en un entorno digital y automatizado.

Introduce los fundamentos del aprendizaje supervisado y entrega herramientas prácticas para aplicar modelos clásicos de clasificación y regresión, junto con técnicas básicas de explicabilidad.

Este curso complementa el curso Machine Learning I con técnicas de aprendizaje no supervisado, reducción de dimensionalidad y métodos avanzados como boosting. Incluye herramientas de interpretabilidad de modelos para aumentar la transparencia y confianza en las decisiones algorítmicas.

El aprendizaje profundo (deep learning) es una técnica de machine learning enfocada en resolver problemas de percepción como reconocimiento de imágenes, audio o video. A diferencia del enfoque tradicional, trabaja directamente con los datos sin necesidad de extraer atributos manualmente, utilizando redes neuronales con múltiples capas. Este curso aborda sus fundamentos teóricos y prácticos, con aplicaciones usando Keras en Python.

Este curso entrega una formación práctica y conceptual en visión artificial, cubriendo desde los fundamentos clásicos de imagen digital hasta técnicas modernas basadas en aprendizaje profundo. Se explorarán aplicaciones reales en clasificación, detección, segmentación, reconstrucción 3D, y SLAM, utilizando Python, OpenCV y PyTorch

Este curso entrega los fundamentos del Reinforcement Learning y su combinación con Deep Learning. A través de una metodología práctica, aprenderás a implementar desde cero algoritmos adaptativos para resolver tareas de control basadas en la experiencia.

Se estima que el 80% de los datos clave para la toma de decisiones son no estructurados. Este curso entrega fundamentos teóricos y prácticos para desarrollar soluciones de analítica textual, aplicando técnicas de procesamiento de lenguaje natural, recuperación de información y aprendizaje automático.