CURSO TALLER

Inteligencia Artificial
para mayores
de 40 años

Inicio: 15 de Marzo

Comenzamos en:

00 Days

00 Hours

00 Minutes

El curso ya inició. Pronto podrás inscribirte en el próximo.

Inscríbete aquí

CURSO TALLER

Inteligencia Artificial
para mayores
de 40 años

Inicio:15 de Marzo

Comenzamos en:

00 Days

00 Hours

00 Minutes

El curso ya inició. Pronto podrás inscribirte en el próximo.

Inscríbete aquí

Modalidades

BÁSICO - PRESENCIAL

Para aquellos que no tienen conocimiento en Inteligencia Artificial, Python o aplicaciones de Google

Inicio: 15 de marzo.
Horario: 12:00 p.m. - 3:00 p.m.
Costo: S/ 599.00
Modalidad: Presencial.

Inscríbase aquí >>

BÁSICO - VIRTUAL

Para quienes buscan comodidad y flexibilidad horaria, esta modalidad permite participar desde cualquier lugar.

Inicio: 15 de marzo.
Horario: 7:00 p.m. - 10:00 p.m.
Costo: S/ 599.00
Modalidad: Virtual.

Inscríbase aquí >>

AVANZADO - PRESENCIAL

Para estudiantes con conocimientos previos en IA, este curso te llevará al siguiente nivel.

Inicio: 15 de marzo de 2025
Horario: 8:00 a.m. - 11:00 a.m.
Costo: S/ 350.00
Modalidad: Presencial.

Inscríbase aquí >>

La Universidad UMA se reserva el derecho de cambiar la fecha de inicio en caso de no llegar al número mínimo de inscritos.

Contenido de los cursos

Módulo Básico

Módulo Avanzado

Módulo Básico

Este taller está diseñado para brindar a los estudiantes no solo conocimientos técnicos, sino también aplicaciones prácticas que pueden mejorar su calidad de vida y su desempeño profesional.

Sesión	Temas	Conceptos	Herramientas
1	Introducción a Chat GPT	Conceptos básicos de I.A. Qué es y cómo funciona ChatGPT. Aplicaciones prácticas de ChatGPT en la vida cotidiana.	OpenAI Chat GPT
2	Introducción a Leonardo AI	¿Qué es Leonardo AI? Comparación con otras herramientas de IA. Aplicaciones prácticas en el diseño gráfico asistido por IA. Primeros pasos en Leonardo AI.	Leonardo AI
3	Introducción al lenguaje de programación Python usando IA	¿Por qué aprender Python? Uso de Python en tareas cotidianas. Ejemplos de IA con Python para principiantes.	Python, Google Colab, Notebooks
4	Introducción a CANVA usando IA	¿Qué es Canva y cómo puede ayudar en la vida diaria? Diseño de gráficos y presentaciones atractivas. Uso de IA en Canva para mejorar la creatividad y eficiencia.	Canva, Dall-E
5	Uso de la IA para la gestión del tiempo y organización	Herramientas de IA para la gestión del tiempo (calendarios inteligentes, recordatorios, etc.) Organización de tareas y planificación diaria. Mejores prácticas para mantenerse productivos.	Google Calendar, Kanban tool , Perplexity
6	Aplicaciones de IA en la vida diaria	IA en compras y entretenimiento. Asistente Virtual Personal. Organización Personal IA en el Aprendizaje y la Investigación.	OpenAI ChatGPT, Google Calendar, Trello, Aplicaciones de organización personal asistidas por IA, PDF IA
7	IA en la comunicación y redes sociales	Uso de IA para gestionar redes sociales (programación de publicaciones, análisis de contenido). Comunicación efectiva con IA (mejoras en correos electrónicos, chats, etc.).	ChatGPT, Gemini, Copilot, Perplexity
8	IA en la presentación de Proyectos	Preparación de presentaciones sobre el uso de IA en proyectos personales, laborales o empresariales. Comunicación efectiva de ideas a través de herramientas digitales.	Herramientas de presentación (Power Point, Google Slides), Canva, Gemini, Copilot

Módulo Avanzado

Si ya llevaste el módulo básico o tienes conocimientos previos de Inteligencia Artificial, este curso es para ti.

Sesión	Temas	Conceptos	Herramientas
1	Redes neuronales avanzadas	Conceptos avanzados de redes neuronales: perceptrones multicapa, funciones de activación (ReLU, tanh, sigmoide) y retropropagación. Redes convolucionales (CNN) y redes recurrentes (RNN). Optimización y regularización de redes neuronales. Transferencia de aprendizaje y redes preentrenadas.	TensorFlow, PyTorch, Keras
2	Aprendizaje profundo (Deep Learning)	Arquitecturas avanzadas: LSTM, GRU, autoencoders, y redes generativas. Técnicas de entrenamiento avanzadas: inicialización de pesos, batch normalization, y técnicas de optimización (Adam, RMSprop). Implementación de modelos complejos con frameworks como TensorFlow y PyTorch.	TensorFlow, PyTorch, Keras
3	Procesamiento de lenguaje natural (NLP)	Modelos de lenguaje avanzados: GPT, BERT, transformers. Técnicas de tokenización y embeddings: Word2Vec, GloVe, y FastText. Análisis de sentimientos, clasificación de texto y generación de texto. Reconocimiento de entidades nombradas (NER) y análisis de relaciones semánticas.	Hugging Face Transformers, spaCy, NLTK, Gensim
4	Visión por computadora	Arquitecturas avanzadas en visión: Redes neuronales convolucionales (CNN) y su uso en clasificación, detección de objetos y segmentación de imágenes. Transferencia de aprendizaje aplicada a visión por computadora. Aplicación de visión en proyectos reales como reconocimiento facial y análisis de imágenes médicas.	OpenCV, TensorFlow, PyTorch, Keras
5	Modelos generativos (GANs)	Introducción a Generative Adversarial Networks (GANs): estructura y funcionamiento. Tipos de GANs: DCGAN, CycleGAN, StyleGAN. Aplicaciones de GANs: creación de imágenes, video, y música. Mejora de modelos generativos con técnicas avanzadas (e.g., GANs condicionales y sin supervisión).	TensorFlow, PyTorch, Keras
6	Optimización de modelos de IA	Métodos avanzados de optimización: descenso de gradiente estocástico, Adam, Nesterov. Técnicas de ajuste de hiperparámetros: grid search, random search, y optimización bayesiana. Evitar sobreajuste: técnicas de regularización (dropout, L2 regularization, early stopping).	Scikit-learn, Optuna, Hyperopt
7	Implementación en la nube	Uso de plataformas de IA en la nube: AWS, Google Cloud, Microsoft Azure. Creación y despliegue de modelos en la nube utilizando contenedores y servidores. Optimización de costos y escalabilidad para IA. Herramientas para la automatización del flujo de trabajo y monitoreo de modelos .	AWS SageMaker, Google Cloud AI Platform, Microsoft Azure ML
8	Aplicaciones prácticas y casos de estudio	Estudio de casos reales en áreas como salud, finanzas, automoción, y entretenimiento. Análisis y desarrollo de soluciones IA para problemas complejos. Evaluación de resultados de modelos y toma de decisiones. Proyecto final: Implementación de un sistema de IA completo en un área específica.	Jupyter Notebook, TensorFlow, PyTorch, Scikit-learn

Docente

Mg.David Carlos Vera Olivera

Ingeniero de sistemas con más de 14 años de experiencia, especializado en Inteligencia Artificial (IA), Machine Learning y Transformación Digital . Ha liderado la implementación de soluciones basadas en IA y automatización en proyectos de gran escala, aplicando tecnologías emergentes como la IA Generativa para mejorar procesos y experiencias de cliente. Doctorando en Ingeniería de Sistemas en la UNI, enfocado en la implementación de un sistema híbrido de gestión de proyectos utilizando Machine Learning e IA Generativa.

Con certificaciones como PMP®, SAFe® Advanced Scrum Master, y AWS Certified Cloud Practitioner , David ha trabajado en empresas como Telefónica del Perú , donde implementó sistemas avanzados de IA para optimizar procesos operativos y mejorar la experiencia del cliente en plataformas digitales. Además, ha utilizado Machine Learning para predecir fallas y reclamos de clientes. Como docente universitario, integra IA e IA Generativa en la enseñanza, impartiendo cursos sobre metodologías ágiles, análisis de datos y programación. Su experiencia combina liderazgo en proyectos tecnológicos, innovación con IA y formación académica, destacándose como un profesional clave en la aplicación de tecnologías emergentes.

Spanish

English Spanish

Inteligencia Artificial
para mayores
de 40 años

Inicio: 15 de Marzo

Comenzamos en:

Inscríbete aquí

Inteligencia Artificial
para mayores
de 40 años

Inicio:15 de Marzo

Comenzamos en:

Inscríbete aquí

Sobre este curso