Inteligencia Artificial y Ciencia de Datos

Acerca del programa:

El programa “Inteligencia Artificial y Ciencia de Datos – Nivel Básico” es la puerta de entrada al universo del análisis de datos, el aprendizaje automático y la programación aplicada. Está diseñado para personas sin experiencia previa, pero con alto interés en iniciarse en este campo de vanguardia tecnológica.

A lo largo de 40 horas de clases presenciales, los participantes aprenderán desde cero los fundamentos de programación en Python, análisis y visualización de datos, preprocesamiento de información, y la aplicación de algoritmos básicos de machine learning como regresión, clasificación y agrupamiento.

El enfoque es 100% práctico, con ejercicios semanales, laboratorios guiados y un proyecto final en formato hackatón, que simula un reto real de la industria.

Dirigido a:

Este curso está dirigido al público en general interesado en incursionar en el mundo de la inteligencia artificial y la ciencia de datos, sin necesidad de contar con conocimientos previos. Es ideal para:

Estudiantes universitarios desde 3er semestre.
Recién egresados de carreras técnicas o científicas.
Profesionales de cualquier área que desean adquirir una nueva competencia digital.
Emprendedores interesados en usar datos para tomar mejores decisiones.

Más información del programa

Fecha de apertura

17 de Octubre 2025

Duración

40 horas

Horario

Viernes de 17:00 a 22:00

¿QUÉ COMPETENCIAS VAS A ADQUIRIR?

Fundamentos técnicos en IA y Ciencia de Datos

Programación en Python

Gestión y procesamiento de datos

Análisis exploratorio y visualización

Integración con IDEs como Arduino IDE, MPLAB, KEIL, STM32CubeIDE o Simulink.

Contenido

- Módulo I. Introducción a la IA y Ciencia de Datos

Teórica: Conceptos básicos de IA y Ciencia de Datos.

Práctica: Instalación de librerías. Entorno de desarrollo integrado. Primer acercamiento a

Python.

- Módulo II. Recopilación y Preprocesamiento de Datos

Teórica: Tipos y fuentes de datos. Bases de datos y programación orientada a objetos.

Práctica: Métodos de recopilación y almacenamiento de datos (SQL, No SQL, CSV, APIs).

Programación orientada a objetos.

- Módulo III. Análisis Descriptivo

Teórica: Análisis descriptivo y exploratorio de datos.

Práctica: Uso de herramientas de visualización de datos (Matplotlib, Seaborn), de

procesamiento numérico (NumPy) y de transformación de Datos (Pandas).

- Módulo IV. Fundamentos de Machine Learning (Parte 1)

Teórica: Conceptos básicos de Machine Learning. Regresión lineal y logística. Cross - validation.

Práctica: Aplicaciones de regresión lineal y logística con librería Sci-Kit Learn.

• Fundamentos de los Modelos Lineales Generalizados GLM – Parte 1.

Teórica 2:

• Fundamentos de los Modelos Lineales Generalizados GLM – Parte 2.

- Módulo V. Fundamentos de Machine Learning (Parte 2)

Teórica: Algoritmos de clasificación (K-NN, linear SVM, naive Bayes).

Práctica: Aplicaciones de K-NN y linear SVM.

- Módulo VI: Fundamentos de Machine Learning (Parte 3)

Teórica: Algoritmos de agrupamiento (K-Means. Expectation Maximization).

Práctica: Aplicaciones de K-Means y Expectation Maximization.

- Módulo VII: Proyecto Final (Parte 1) - Hackato

Teórica: Definición y brainstorming de proyectos alineados a casos reales de la industria.

Práctica: Coding Session. Soporte y guía para el desarrollo de los proyectos.

- Módulo VIII: Proyecto Final (Parte 2) - Hackaton

Teórica: Coding Session. Soporte y guía para el desarrollo de los proyectos.

Práctica: Presentación de los proyectos

Proceso de admisión

Llenar la solicitud de admisión.
Contactar a tu asesor para conocer las opciones de pago de inscripción y descuentos vigentes.
Enviar solicitud y comprobante de pago.

* Programación sujeta a cambios sin previo aviso. La Universidad Anáhuac Querétaro se reserva el derecho de posponer o cancelar los programas que no cumplan con el quórum requerido. Precios exentos de IVA. Monto de inscripción no reembolsable.