Medrano 951 - 2do. Piso - Of. 206 CABA - Lun. a Vier. de 9 a 13 hs y de 13.30 a 21 hs.
(54 11) 5984 2238 info@sceu.frba.utn.edu.ar
Introducción a la Inteligencia Artificial

Introducción a la Inteligencia Artificial

Promoción por inscripción temprana. Inscribiéndote antes del 28 de Febrero de 2020, obtené un 20% off en el costo total de la capacitación. 

  • Si sos alumno/a externo/a ingresá el código 35038444 al momento de concretar la inscripción y se te computará el descuento. 
  • Si sos alumno/a Comunidad UTN (alumnos de Ingenierías y carreras cortas de UTN) ingresá el código 20846965 y se efectuará el descuento

 

Por consultas, escribir a utncursos@gmail.com

PRESENTACIÓN 

Actualmente las empresas pretenden resolver gran parte de sus procesos apoyados en la Tecnología Informática. Pero, las tecnologías tradicionales de la Ingeniería en Software resuelven problemas comunes, vinculados (en gran parte) con los procesos transaccionales y decisorios de nivel medio dado que sólo pueden manipular información al nivel de datos. Esto ha llevado a la necesidad de buscar nuevas y mejores soluciones para poder resolver problemas más complejos a través del procesamiento del conocimiento disponible. Los sistemas decisorios complejos, no representables en modelos tradicionales básicos son campos de abordaje de las tecnologías que ofrece la Inteligencia Artificial al campo de la informática. Los Sistemas Software así generados se designan Sistemas Inteligentes y, pueden ser aplicados para resolver diferentes tipos de problemas mediante la aplicación de las tecnologías disponibles.

Por lo tanto, por una de las primeras dificultades asociadas a la construcción de los Sistemas Inteligentes tiene que ver con determinar cuál aplicar. Siempre se debe seleccionar la tecnología teniendo en cuenta los objetivos planteados, las características del dominio y los datos disponibles. En este sentido, es interesante resaltar esta doble relación entre los datos y la tecnología a aplicar. Para seleccionar la mejor tecnología es útil conocer las características de los datos disponibles, pero para definir dichos datos se debe conocer la tecnología a aplicar. Por consiguiente, otra de las cuestiones principales asociadas a la construcción de Sistemas Inteligentes tiene que ver con obtener los datos necesarios para ser suministrados al algoritmo, lo cual no es una tarea trivial. Finalmente, además de las dificultades antes mencionadas, también existen otros factores que afectarán el rendimiento de un Sistema Inteligente, entre los que se destaca la configuración del algoritmo a ser aplicado. Aunque existen diversos mecanismos que permiten definir automáticamente estas configuraciones, en ciertas implementaciones se considera de gran utilidad también incorporar modificaciones basadas en el conocimiento del dominio.

En este contexto, se desprende que cada vez resulta imprescindible conocer las principales características y capacidades de las tecnologías provistas por la Inteligencia Artificial para determinar su aplicabilidad en la resolución de problemas de las organizaciones.

 

OBJETIVOS (Generales y/o Específicos)

Objetivo General

Este curso busca brinda a los alumnos el conocimiento para aumentar su capacidad de resolución a problemas de sistemas software no tradicionales mediante el uso de tecnologías provenientes de la Inteligencia Artificial.

Objetivos Específicos

  • Resolver problemas mediante la implementación de Sistemas Inteligentes.
  • Conocer las características principales de Sistemas Inteligentes basados en Redes Neuronales Artificiales, Computación Evolutiva y Razonamiento Aproximado.
  • Conocer la aplicabilidad, el desarrollo y las arquitecturas de los Sistemas Inteligentes.

 

DESTINATARIOS 

  • Profesionales de cualquier sector que le interese el análisis de datos y aplicación de la Inteligencia Artificial
  • Estudiantes de carreras universitarias afines como ser matemáticos, biólogos, sociólogos.
  • Personas que estén iniciándose en el mundo de la ciencia de datos e inteligencia artificial.

 

REQUISITOS DE LOS DESTINATARIOS PARA CURSAR

Es recomendable (no excluyente) contar con conocimientos básicos de: programación y de probabilidad y estadística.

 

DURACIÓN

El programa tiene una duración de 36 horas presenciales, a desarrollarse durante 12 clases. Carga horaria semanal: 3 horas

 

TEMARIO

Unidad Nº 1: Introducción a la Inteligencia Artificial (1 clase)

Conceptos de Inteligencia Artificial (IA). Reseña histórico de hitos de la IA. Importancia de IA en la actualidad y en el futuro. IA como ciencia: IA Fuerte vs IA Débil. IA como Ingeniería: Ingeniería del Conocimiento. Conceptos y características de Machine Learning (Aprendizaje Automático). Estudio de casos para la resolución de problemas.

Unidad Nº 2: Redes Neuronales (4 clases)

Conceptos de Redes Neuronales Artificiales. Características principales. Modelos tradicionales (RNA Perceptron, RNA Backpropagation, RNA Herbrand, RNA Kohonen LVQ y SOM). Estrategias de entrenamiento y análisis de los resultados. Deep Learning: modelos DBM, DBN, CNN, RNN, DQN y algunas variaciones.

Unidad Nº 3: Sistemas Evolutivos (3 clases)

Conceptos de Algoritmos Genéticos. Representación del conocimiento mediante el cromosoma y la función de aptitud. Operadores Genéticos. Otros algoritmos de Computación Evolutiva e Inteligencia de Enjambre. Estrategias para su implementación y la resolución de problemas.

Unidad Nº 4: Razonamiento Aproximado (2 clases)

Conceptos de Razonamiento Aproximado. Tratamiento de la Incertidumbre. Lógica Difusa, Redes Bayesianas y Modelos de Markov. Representación del conocimiento y algoritmos de propagación e inferencia.

 

DOCENTES

Mg. Pablo Cigliuti (docente / coordinador académico)
Ingeniero en sistemas de información y magister en tecnologías informáticas aplicadas en educación, con experiencia laboral de más de 15 años en el área de Business Intelligence. Es socio fundador de Dthink, consultora especializada en la temática y está certificado internacionalmente como profesional de Data Management (CDMP) y de Business Intelligence (CBIP). Además es titular de la cátedra de Business Intelligence en la Universidad Tecnológica Nacional y coordinador de los cursos de actualización de posgrados de Business Intelligence y de Data Mining de la misma universidad.

Dr. Pablo Pytel (docente)
Graduado como ingeniero en sistemas de información en UTN-FRBA. También es doctor en Ciencias Informáticas, UNLP y magister en Ingeniería del Software, Universidad Politécnica de Madrid / ITBA. Actualmente se desempeña como profesor de posgrado en la Maestría en Ingeniería Sistemas en Información, en la escuela de posgrado de UTN-FRBA y como profesor adjunto en las materias Inteligencia Artificial e Inteligencia Artificial Avanzada de la carrera ingeniería en sistemas de información de la misma universidad. Además se desempeña como investigador en proyectos de investigación radicados en el grupo GEMIS de la UTN-FRBA.

 

METODOLOGÍA A UTILIZAR EN EL DESARROLLO DEL CURSO

Se darán conceptos teóricos acompañados de problemáticas reales. Dichos conceptos teóricos se acompañarán con práctica con software específico. Además se realizará un trabajo práctico cuatrimestral que será entregado y evaluado al finalizar el curso.

 

PROCEDIMIENTOS DE EVALUACIÓN Y ACREDITACIÓN – CERTIFICACIÓN 

La asistencia a un mínimo del 80% de las clases otorga un certificado de asistencia. La aprobación del examen otorga un certificado de aprobación.

Se tomará una evaluación escrita la finalizar el curso y los alumnos realizarán una presentación de los trabajos prácticos.

 

INICIO Y CURSADA

El curso comenzará el 31 de Marzo y se dictará los días Martes de 18.30 a 21.30 hs. en UECARA, Av. Luis Sáenz Peña 1107, CABA – INSCRIPCIÓN