Diplomatura en Inteligencia Artificial
Presentación
La Diplomatura en Inteligencia Artificial brinda una formación integral pensada para quienes quieren explorar el mundo de la IA, sin necesidad de contar con conocimientos técnicos previos. A lo largo del recorrido, se abordan los conceptos fundamentales y las aplicaciones actuales de esta tecnología en distintos ámbitos profesionales, empresariales y académicos.
La propuesta promueve un aprendizaje colaborativo y reflexivo, combinando teoría con casos prácticos para facilitar la comprensión de temas como el aprendizaje automático, la inteligencia artificial generativa, el procesamiento del lenguaje natural, la visión artificial y otros avances emergentes. También se invita a debatir sobre los desafíos éticos y sociales que plantea la IA, así como a imaginar sus futuros posibles en un contexto de constante transformación tecnológica.
Pensada para ser accesible, esta formación adopta un enfoque «no code» que permite incorporar y aplicar los contenidos sin necesidad de saber programar, abriendo las puertas a una experiencia inclusiva y enriquecedora para todo tipo de perfiles.
Modalidad: A distancia ágil
Objetivo general
El objetivo general de este programa es ofrecer una formación integral y teórica en inteligencia artificial, diseñada para personas sin experiencia previa en programación, brindando una comprensión crítica sobre las tecnologías de IA y su impacto social y ético. Además, se busca fomentar el aprendizaje colaborativo y la aplicación práctica de estos conocimientos, utilizando herramientas no code que faciliten la interacción con la inteligencia artificial de manera accesible para todos.
Objetivos específicos
- Fomentar el desarrollo de proyectos grupales que permitan aplicar y profundizar en los conocimientos adquiridos.
- Facilitar la capacidad analítica y crítica de los participantes para identificar oportunidades y limitaciones en el uso de IA.
- Analizar los desafíos éticos, sociales y tecnológicos actuales y futuros relacionados con la IA.
- Explorar teorías y aplicaciones prácticas del Machine Learning, Deep Learning, Visión Artificial, NLP e IA Generativa.
- Introducir los fundamentos conceptuales y matemáticos clave en la inteligencia artificial.
Destinatarios
- Líderes empresariales que buscan adoptar soluciones basadas en IA para la automatización, optimización de procesos y diseño de estrategias disruptivas.
- Estudiantes y académicos interesados en profundizar sus conocimientos en tecnologías de IA Generativa para investigación o aplicaciones prácticas.
- Emprendedores que deseen desarrollar productos o servicios innovadores basados en IA Generativa.
- Desarrolladores de software, diseñadores gráficos, especialistas en marketing, y consultores de negocios.
- Profesionales interesados en integrar tecnologías avanzadas de IA Generativa en sus áreas de trabajo.
Requisitos
- No se requieren conocimientos técnicos ni experiencia previa en programación.
- Secundario completo.
- Acceso a una computadora con conexión a internet.
- Curiosidad, pensamiento crítico y ganas de aprender en comunidad.
Equipo docente
Cesar Riat
Profesor
El Ingeniero César Riat ha sido galardonado como uno de los jóvenes sobresalientes en el área de desarrollo científico y tecnológico por la JCI. Fue ayudante de docencia de Métodos Numéricos en la Universidad Nacional del Sur. A lo largo de su carrera, ha ganado múltiples competencias de programación, entre las que destacan Salud INNOVA20 18, 3° Media Party 2024, 1º Hack2in, 2º HackatonAgro y 1º IBM BLUE CODE. Posee una capacitación en el Centro de Innovación del Silicon Valley. Con una trayectoria de 9 años dedicados al desarrollo de productos de inteligencia artificial, César ha ocupado roles de gran relevancia, incluyendo el de Líder de Inteligencia Artificial en el Gobierno de la Ciudad de Buenos Aires. Actualmente, se desempeña como Líder de Inteligencia Artificial en Carrefour.
German Santamaria
Profesor
Soy Germán Santamaria, economista especializado en econometría de series de tiempo y en ciencia de datos. Cuento con un Doctorado en Economía, una Maestría en Finanzas y otra en Ciencia de Datos. Con más de dos décadas de experiencia académica y profesional, actualmente me desempeño como profesor e investigador en la Universidad Nacional de San Martín desde 2004, donde dicto cursos de econometría, de grado y posgrado, y he realizado pronósticos sobre series macroeconómicas y modelos de volatilidad avanzados . Además, trabajo en Monitoreo Ciudadano en la Fundación Mar del Plata Entre Todos donde lidero un equipo de análisis cuantitativo aplicando modelos de aprendizaje automático en R y Python que resultan en informes de divulgación y libros sobre diferentes temáticas de la Ciudad.
Roman Ramos
Profesor
Hola mucho gusto, mi nombre es Román Ramos, soy Licenciado en Matemáticas egresado de la Universidad Central de Venezuela. Actualmente me dedico al desarrollo e implementación de modelos de Machine Learning y Deep Learning con Python, enfocado principalmente al área de visión artificial. Además, tengo más de 20 años de experiencia como p rofesor universitario impartiendo las cátedras de Cálculo, Álgebra Lineal y Programación para las carreras de Ingeniería en la Universidad Nacional Experimental Marítima del Caribe.
Cristian Santander
Coordinador
Cristian Santander es CEO de Cognitive Latam desde 2011 (www.cognitive.la). Es Ingeniero Industrial (UTN) y Magister en Marketing y Comunicación (UdeSA). Cuenta con una Especialización en Inteligencia Artificial Avanzada (UTN) y realizó la Maestría en Inteligencia Artificial en el CEUPE en España. Ha sido egresado de Singularity Universit y (Nasa & Google) y Cambridge Business School. Es Responsable del Área de Alianzas en la Sociedad Argentina de Inteligencia Artificial (SAIA) y Co-Director del Centro de Inteligencia Artificial Aplicada (CIAA) de UTN-FRBA. Es Investigador Jefe en Computer Vision UTN-FRBA. También docente en Grado y Posgrado en UTN-FRBA, en UCEMA, y Profesor Invitado en el College de Paris y UdeSA.
- Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach
- IEEE Global Initiative on Ethics of Autonomous and Intelligent Systems
- UNESCO (2021). Recommendation on the Ethics of Artificial Intelligence
- Domingos, P. (2015). The Master Algorithm
- MIT Technology Review (2023). The state of AI
- Turing, A. (1950). Computing Machinery and Intelligence
- European Commission (2021). Ethics guidelines for trustworthy AI
Metodología De Enseñanza-Aprendizaje:
La modalidad de e - Learning Colaborativo es totalmente mediada por tecnologías a través del Campus Virtual FRBA. Se trata de una modalidad básicamente asincrónica que aprovecha pedagógicamente los recursos de la Web 2.0, con un complemento sincrónico, por medio de la realización de clases en tiempo real, logrando superar de esta forma, la instancia de autoestudio.
El trayecto formativo consta de Módulos; cada uno de ellos está conformado por unidades, las cuales a su vez, integran los contenidos temáticos.
Así, en cada unidad, Usted contará con:
- Vías de comunicación con el tutor: mensajería interna del Campus Virtual y foros para la presentación de dudas y consultas.
- Material de estudio curado.
- Actividades y trabajos integradores de aplicación de los conocimientos adquiridos, individuales y/o grupales.
- Clase en tiempo real, 2 encuentros por módulo, en el Aula Virtual Sincrónica.
Modalidad de Evaluación y Acreditación:
La evaluación del trayecto formativo comprende una evaluación integradora por módulo y una Evaluación Integradora Final Obligatoria (EFIO), que se basa en la realización por parte del alumno de la entrega de una tarea (consigna específica para su desarrollo) o cuestionario. Dicha evaluación final cuenta con una instancia de recuperatorio, para aquellos participantes que no aprobaron la primera o no la realizaron dentro de las fechas estipuladas por cronograma.
A su vez, se tendrá en cuenta también, para la evaluación:
-
La descarga y lectura de todos los elementos que componen la unidad temática.
- La entrega y aprobación de todas las actividades y ejercicios que se consignen como obligatorios.
- La dedicación horaria indicada en cada caso para lograr el máximo rendimiento del estudio.
- El alumno deberá finalizar la cursada dentro de la duración del trayecto sin excepción. - Terminado el mismo, no podrá entregar ni descargar nada adeudado y deberá cursar nuevamente en un próximo inicio, en caso de desear finalizarlo.
La acreditación del trayecto constará de la Aprobación de lo indicado en la evaluación obligatoria.
La calificación será cualitativa: Bueno, Muy Bueno, Excelente, Sobresaliente, Participó o No Participó.
Las primeras cuatro calificaciones otorgan un certificado de "Aprobación".
Aquellos alumnos que no hayan alcanzado alguna de estas tres calificaciones o no hayan realizado la EFIO, podrán obtener una calificación y certificación de Participación, previa comprobación por parte del Tutor de ciertos criterios de evaluación.