- Módulo I. Introducción a la Analítica Avanzada |
Teórica:
• Conceptos y técnicas avanzadas de análisis de datos. Redes Neuronales y
Reinforcement Learning.
• Ejemplos prácticos y casos de estudio.
Práctica:
• Instalación de librerías (Keras, Scikit-learn).
• Recorrido general por las librerías de Scikit-learn y Keras.
• Entorno de desarrollo integrado.
- Módulo II. Métodos Estadísticos y Probabilísticos |
Teórica:
• Estadística inferencial y análisis probabilístico. Estimadores y distribuciones
de probabilidad. Método de Monte Carlo.
Práctica:
• Desarrollo de estadística inferencial en Python (Distribuciones, estimadores y
Monte Carlo).
- Módulo III. Algoritmos de regresión y clasificación – Una perspectiva probabilística |
Teórica:
• Regresión lineal y logística multivariable - una perspectiva probabilística.
• Árboles de Decisión y Bosques aleatorios.
Práctica:
• Aplicaciones de regresión lineal y logística multivariable. Desarrollo desde
cero.
• Aplicaciones de árboles de decisión y bosques aleatorios.
- Módulo IV. Modelos Lineales Generalizados |
Teórica:
• Fundamentos de los Modelos Lineales Generalizados GLM – Parte 1.
Teórica 2:
• Fundamentos de los Modelos Lineales Generalizados GLM – Parte 2.
- Módulo V. Modelos Discriminativos y Generativos |
Teórica: • Modelos Discriminativos vs Generativos.
• Los primeros pasos para Chat-GPT. Práctica:
• Ejemplo: clasificación con mezcla de Gaussianas.
• Ejemplo: clasificación con Naive Bayes.
- Módulo VI: Redes Neuronales y el Perceptrón |
Teórica:
• Fundamentos y arquitectura.
Práctica:
• Casos de uso reales con redes neuronales usando Keras.
- Módulo VII: Redes Neuronales Recurrentes y Convolucionales |
Teórica:
• Fundamentos y arquitectura.
Práctica:
• Casos de uso reales con redes neuronales recurrentes y convolucionales.
- Módulo VIII: Inteligencia Artificial Generativa – El Tranformer |
Teórica:
• Fundamentos y arquitectura del Transformer.
• Historia de los avances en los Transformers (Chat-GPT, Gemini, Claude).
Práctica:
• Caso de uso real con Transformers.
• Librería de Hugging Face con Google Colab.
- Módulo IX: Prompt Engineering un nuevo paradigma de programación y ProyectoFinal (Parte 1) -Hackaton |
Teórica:
• Zero-shot Learning, few-shot learning y prompt engineering.
• APIs de Open AI, Gemini, Claude, etc.
• Definición y brainstorming de proyectos alineados a casos reales de la
industria.
Práctica:
• Casos de uso reales con prompt engineering.
• Coding Session. Soporte y guía para el desarrollo de los proyectos.
- Módulo X: Proyecto Final (Parte 2) - Hackaton |
Teórica:
• Coding Session. Soporte y guía para el desarrollo de los proyectos.
Práctica:
• Presentación de los proyectos
442 489 7871
hazael.olvera@anahuac.mx
(442) 245 6742 Ext.1456
.png?width=26&name=youtube(2).png){kind=small}
01 (442) 245 67 42