Formulario de Preinscripción

CURSO

Curso en Machine Learning Multidiciplinar

Facultad o unidad que lo diseña: Facultad de Ingeniería

Fechas:

Fecha inicio: 08 de julio de 2024
Fecha finalización: 12 de septiembre de 2024

Horario:
Lunes y jueves de 6:00 a 9:00 p.m.

Intensidad horaria: 60 horas

Modalidad: Mixta

Inversión: $1.200.000

10% de descuento a Estudiantes y Egresados

Curso

Curso en Machine Learning Multidiciplinar

El curso en Machine Learning responde a varias razones y necesidades en el entorno actual. En primer lugar, existe una gran demanda por parte de las empresas e instituciones de contar con profesionales capacitados en esta área, ya que el Machine Learning se ha convertido en una herramienta clave para la toma de decisiones y la resolución de problemas complejos en diversas industrias.
Además, el Machine Learning se encuentra en constante evolución y desarrollo, por lo que es importante que los profesionales estén actualizados en los fundamentos computacionales, matemáticos y estadísticos del aprendizaje de máquina.

Finalmente es importante reconocer la creciente cantidad de datos que se generan en diferentes ámbitos, lo que hace que sea cada vez más necesario contar con profesionales capaces de procesar y analizar esta información de manera eficiente y efectiva.

Proporcionar a los participantes las habilidades y conocimientos necesarios para aplicar técnicas de Machine Learning en diferentes contextos y resolver problemas complejos. Los participantes aprenderán a utilizar diversas herramientas y técnicas de Machine Learning para procesar y analizar datos, así como a aplicar diferentes algoritmos de aprendizaje automático para la resolución de problemas.

En cuanto a los alcances, el diplomado busca cualificar a profesionales en el área de Machine Learning y permitirles aplicar sus conocimientos y habilidades en diversos contextos profesionales. Además, se espera que los participantes puedan utilizar sus conocimientos para desarrollar soluciones innovadoras a problemas complejos en diferentes industrias.

  • Conocimientos sólidos en los fundamentos de Machine Learning, incluyendo conceptos como aprendizaje supervisado y no supervisado, redes neuronales, regresión, clustering y clasificación.
  • Capacidad para aplicar diferentes técnicas de pre-procesamiento de datos y análisis exploratorio de datos para identificar patrones y tendencias en grandes conjuntos de datos.
  • Habilidad para seleccionar y aplicar diferentes algoritmos de aprendizaje automático para la resolución de problemas.
  • Competencia en la evaluación de la precisión y eficacia de los modelos de Machine Learning aplicados en diferentes contextos.
  • Habilidad para diseñar, implementar y ajustar modelos de Machine Learning para la resolución de problemas específicos.
  • Habilidad para comunicar y presentar los resultados de análisis y modelos de Machine Learning a audiencias no técnicas.

La metodología del curso en Machine Learning estará enfocada en el aprendizaje activo y participativo, donde los participantes tendrán la oportunidad de aplicar los conocimientos adquiridos en situaciones prácticas y relevantes para un contexto profesional. A continuación, se detallan las principales estrategias didácticas que se utilizarán:

  1. Clases teóricas: Las clases teóricas se enfocarán en la presentación de los conceptos fundamentales del aprendizaje automático. Se utilizarán materiales didácticos como presentaciones, lecturas y ejemplos para guiar el proceso de aprendizaje.

  2. Clases prácticas: Las clases prácticas serán enfocadas en el desarrollo de habilidades en la resolución de problemas reales utilizando técnicas de aprendizaje de máquina.

  3. Estudio de casos: Se utilizarán casos de estudio para ilustrar la aplicación de técnicas de aprendizaje automático en diferentes industrias, permitiendo a los participantes ver ejemplos concretos de cómo se aplican estos conceptos en situaciones reales.

  4. Trabajo en equipo: Los participantes trabajarán en equipo en diferentes proyectos, los cuales les permitirán aplicar los

    conceptos aprendidos en el desarrollo de soluciones innovadoras a problemas complejos.

  5. Evaluación continua: Se realizarán evaluaciones continuas para medir el progreso de los participantes en el aprendizaje de los

    conceptos y en la aplicación de técnicas de aprendizaje automático.

La metodología del diplomado en Machine Learning se centrará en el aprendizaje activo y participativo, con una combinación de clases teóricas y prácticas, estudio de casos, trabajo en equipo y evaluación continua. Esto permitirá a los participantes adquirir conocimientos sólidos en el aprendizaje automático y desarrollar habilidades para aplicar estas técnicas en diferentes contextos profesionales.

Las sesiones de clase se llevarán a cabo de forma presencial, ofreciendo también la opción de participar de manera remota en tiempo real para aquellos que así lo prefieran.

  1. Talleres prácticos: Los participantes serán evaluados en el desarrollo de soluciones prácticas a problemas utilizando técnicas de aprendizaje automático. Estas evaluaciones se centrarán en la capacidad de los participantes para seleccionar y aplicar técnicas de aprendizaje automático para resolver problemas específicos, así como en la capacidad de implementar y evaluar modelos de aprendizaje automático.

  2. Examen: Se realizarán un examen teórico para evaluar el conocimiento adquirido por los participantes en los fundamentos del aprendizaje automático, incluyendo temas como la teoría de la probabilidad, el cálculo, el álgebra lineal y la estadística.

  3. Evaluaciones de participación: Se realizarán evaluaciones de participación en las clases para evaluar la actitud y participación de los participantes en las actividades del curso.

  1. Ingenieros que buscan integrar técnicas de aprendizaje automático en sistemas de software de tamaño mediano.

  2. Profesionales de la salud y la biotecnología que buscan aplicar técnicas de aprendizaje automático en la identificación de

    patrones y tendencias en grandes conjuntos de datos médicos y biológicos.

  3. Investigadores en áreas como la física, la química, la ingeniería y otras áreas que utilizan grandes conjuntos de datos y buscan

    aplicar técnicas de aprendizaje automático en su investigación.

  4. Economistas y administradores que requieren herramientas basadas en datos para la toma de decisiones en contextos de reales.

Está dirigido a profesionales de diferentes industrias y áreas de especialización que buscan adquirir conocimientos y habilidades en el área de aprendizaje automático y utilizar estas técnicas para resolver problemas complejos en diferentes contextos profesionales.

Aunque el diplomado no se centra en un lenguaje de programación específico ni se basa exclusivamente en programación, es necesario contar con conocimientos básicos de programación como: (variables, arreglos, ciclos, condicionales y funciones).

Curso en Machine Learning Multidiciplinar

Equipo de

Trabajo

Lugar: Edificio Duns Scoto, (Oficina 504)

Horario de Atención: Lunes a viernes Jornada Continua de 8:00 a.m. a 5:00 p.m.

Ana Teresa Quintero Sánchez

Auxiliar Administrativo 

 

601 667 10 90 Ext. 4222

Richard Julián Vela Torres
Profesional Proyectos y Convocatorias

601 667 10 90 Ext. 4224

Olga Lucía Forero León

Analista Profesional de Egresados

601 667 10 90 Ext. 4223

Leonardo Rodríguez Villamizar

Director Dirección de Proyección Social

601 667 10 90 Ext. 4221

Preinscríbete