Evento Inicial
Modalidad síncrona: 6/10/2020 de 9:00 a 14:00 horas.

• Apertura Institucional
• Charlas Magistrales sobre el estado del arte en IA
• Introducción a la IA
• IA, ML y Algoritmos: definiciones y relaciones
• El mapa del Machine Learning
• Métodos de ML supervisados:clasificación, regresión 
• Métodos de ML no supervisados: clusters, reducción de dimensión.
• Métodos de ML basados en redes neuronales y Deep Learning: Perceptrones, autoencoders, RNN y CNN
• Métodos de ML ensemble: Bootstrap, Boosting, bagging, stacking
• Herramientas: Lenguajes de programación (Python, R), software interfaz (BigML, TensorFlow, AWS)

Módulo 1
Modalidad asíncrona

• Lenguaje de programación R
• R y RSudio
• Instalación
• Fuentes de datosLibrerías
• Primeros pasos con R
• R dataframe
• Gráficos y visualización 

Modalidad síncrona: 20/10/2020 de 17:00 a 20:00 horas

• R en la práctica
• Manipulación con dataframes avanzada
• Machine Learning con R 

Módulo 2
Modalidad asíncrona

• Lenguaje de programación Python
• Introducción a Python y a Jupyter Notebook.
• Instalación y puesta a punto del entorno
• Introducción a Numpy: Instalacion y uso.
• Introducción a Pandas: Instalación y uso.
• Introducción a SciPy: Instalación y uso.
• Introducción a Scikit-Learn: Instalacion y uso.

Modalidad síncrona: 3/11/2020 de 17.00 a 20.00 horas

• Python en la práctica
• Práctica 1: Desarrollo de un recomendador de moda desde información textual a información visual mediante CNN.
• Práctica 2: Desarrollo de un sistema de búsqueda de recursos turísticos basada en Deep Learning (embeddings) utilizando textos informales (comentarios).

Módulo 3
Modalidad asíncrona

• Frameworks: PyTorch, Tensorflow, Keras
• Descripción de cada uno de los frameworks
• Instalación de librerías
• Casos de uso para Deep Learning

Modalidad síncrona: 17/11/2020 de 17:00 a 20:00 horas.

• Frameworks en la práctica (I)

Modalidad síncrona: 20/11/2020 de 17:00 a 20:00 horas.

• Frameworks en la práctica (II)

Módulo 4
Modalidad asíncrona

• Machine Learning Supervisado
• Los conceptos básicos de ML.
• La importancia de los datos en cualquier proyecto de ML.
• Las fases de un proyecto de ML.
• El formato de los datos.
• Algoritmos supervisados más usados.
• Cómo hacer modelos de ML sin tener que programar.
• Cómo hacer modelos de ML programando.
• Cómo evaluar el rendimiento de un modelo supervisado.
• Machine Learning No Supervisado
• Algoritmos de segmentación (clustering) para segmentar una cartera de clientes.
• Modelado de tópicos para encontrar temas en miles de documentos.
• Análisis de la cesta de la compra para diseñar ofertas de productos.
• Detección de anomalías para la prevención de fraude.

Modalidad síncrona: 10/12/2020 de 17:00 a 20:00 horas.

• Casos de uso de ML en diversas industrias.

Evento Final
Modalidad síncrona: 15/12/2020. Clausura del Curso

• El nacimiento de la Empresa Cognitiva
• Reinforcement Learning (RL) y Redes Adversariales (GAN)