Diplomatura en Inteligencia Artificial
Modalidad
A distancia ágil
Apertura de aula
23 de septiembre 2026
Cursada
Días y horarios (United States)
Certificación
UTN Buenos Aires
Precio del curso
US$ 843
Presentación
Durante el período de las fiestas de fin de año no se dictarán clases en vivo. Estas clases se recuperarán al finalizar el curso, extendiendo su duración por dos semanas adicionales.
La Diplomatura en Inteligencia Artificial brinda una formación integral pensada para quienes quieren explorar el mundo de la IA. 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, con un enfoque teórico, 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.
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
Capacitate de forma flexible y dinámica, con recursos y apoyo permanente.
En vivo o acceso a las grabaciones
Recursos Multimedia
100% a distancia
Acompañamiento de tutores
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.
Temario
7 Modulos • 22 Unidades • Carga Horaria 157 horas
- Tema 1: Definición y evolución histórica de la IA
- Tema 2: Panorama global: cómo la IA transforma diversos sectores
- Tema 3: Retos, oportunidades e impacto social de la IA
- Tema 1: Principios lógicos, estadísticos y conceptuales aplicados a la IA
- Tema 2: Conceptos básicos de álgebra, probabilidad y análisis conceptual de datos
- Tema 3: Fundamentos clave para construir modelos de IA sólidos
- Tema 1: Clasificación de los tipos de aprendizaje: supervisado, no supervisado y por refuerzo
- Tema 2: Casos teóricos y análisis de ejemplos históricos
- Tema 3: Del dato a la decisión: el camino del aprendizaje en IA
- Tema 4: Set de datos de entrenamiento, test y validación
- Tema 1: Técnicas conceptuales de preprocesamiento: limpieza, normalización y análisis exploratorio de datos
- Tema 2: Evaluación teórica de modelos: métricas (precisión, recall, F1-score) y validación
- Tema 3: Uso de herramientas no code para visualizar y analizar datos
- Tema 4: Interpretabilidad en Machine Learning: LIME y SHAP
- Tema 1: Conceptos fundamentales: neuronas, capas, funciones de activación y proceso de aprendizaje
- Tema 2: Comparación entre modelos lineales y redes neuronales
- Tema 3: Ejemplos teóricos de implementación en distintos contextos
- Tema 1: Estudio teórico de arquitecturas: redes neuronales convolucionales (CNNs) y redes neuronales recurrentes (RNNs)
- Tema 2: Discusión sobre el entrenamiento y la optimización de modelos profundos
- Tema 3: Análisis de desafíos y estrategias para mejorar el rendimiento
- Tema 1: Fundamentos de Transfer Learning y Ensemble Learning
- Tema 2: Ejemplos de aplicación en problemas teóricos de clasificación, reconocimiento de patrones y series temporales
- Tema 3: Debate sobre las ventajas y limitaciones de aplicar modelos pre-entrenados
- Tema 1: Indicadores de la bondad de un modelo y técnicas de validación
- Tema 2: Estrategias teóricas para la optimización de modelos y manejo de sobreajuste
- Tema 3: Casos reales de mejora en Deep Learning
- Tema 4: Aprendizaje por refuerzo
- Tema 5: Interpretabilidad en Redes Neuronales, ie: Grad-CAM
- Tema 1: Conceptos básicos: procesamiento de imágenes, técnicas de filtrado y transformaciones
- Tema 2: Principios para la detección y clasificación de objetos
- Tema 3: Revisión de algoritmos teóricos y su evolución histórica
- Tema 1: Estudio de arquitecturas basadas en deep learning para visión
- Tema 2: Discusión sobre segmentación semántica, reconocimiento facial y detección de patrones
- Tema 3: Análisis de casos de uso en seguridad, salud y automoción
- Tema 1: Presentación de aplicaciones reales y su impacto en la industria
- Tema 2: Análisis crítico de desafíos técnicos y éticos en la implementación de soluciones de visión
- Tema 3: Debate sobre tendencias y futuras direcciones en el campo
- Tema 1: Fundamentos de lingüística computacional y procesamiento de textos
- Tema 2: Técnicas de preprocesamiento: tokenización, lematización y análisis semántico
- Tema 3: Ejemplos teóricos sobre el análisis de datos textuales
- Tema 4: Teoría de Word Embeddings y otras técnicas de representación del lenguaje.
- Tema 1: Estudio de los modelos de lenguaje avanzados: desde RNNs hasta Transformers.
- Tema 2: Análisis teórico de la generación automática de textos y sistemas de traducción.
- Tema 3: Reflexión sobre los desafíos en la interpretación y el procesamiento del lenguaje natural.
- Tema 4: Presentacion del Trabajo: Attention is all you Need
- Tema 1: Definición y diferencias con otros enfoques de la IA
- Tema 2: Introducción a modelos fundacionales y su evolución
- Tema 3: Análisis de aplicaciones teóricas en generación de texto y contenido multimedia
- Tema 4: Aplicaciones: como Speech-to-Text (Whisper) y Text-to-Speech
- Tema 1: Teoría del preentrenamiento y ajuste fino en modelos generativos de texto
- Tema 2: Benchmarking y discusión sobre la calidad y limitaciones de los modelos de lenguaje generativo
- Tema 3: Estudio de casos teóricos y ejemplos de aplicación en el ámbito creativo y comunicacional
- Tema 1: Ingeniería de Prompts Avanzados
- Tema 2: Modelos LLM avanzados y capacidades de razonamiento
- Tema 3: Agentes de Inteligencia Artificial: Definición. Memoria de corto y largo plazo. Herramientas y funciones. MCP (Model Context Protocol)
- Tema 4: Workflows Agenticos. Niveles de Autonomía. Casos de Aplicación
- Tema 1: Fundamentos de las Redes Generativas Antagónicas (GANs) y modelos de difusión
- Tema 2: Imaginación artificial: fusión de texto, imagen y creatividad
- Tema 3: Debate sobre los desafíos, como la gestión de sesgos y la evaluación de la “alucinación” en modelos generativos
- Tema 4: Comparación entre distintos modelos disponibles en el mercado: OpenAI y GPT, Gemini, Claude, Deepseek y otros
- Tema 5: Formas de integración: API, en la nube, On-Premise. Ventajas y Desventajas
- Tema 1: Fundamentos de las Redes Generativas Antagónicas (GANs) y modelos de difusión
- Tema 2: Imaginación artificial: fusión de texto, imagen y creatividad
- Tema 3: Debate sobre los desafíos, como la gestión de sesgos y la evaluación de la “alucinación” en modelos generativos
- Tema 4: Comparación entre distintos modelos disponibles en el mercado: OpenAI y GPT, Gemini, Claude, Deepseek y otros
- Tema 5: Formas de integración: API, en la nube, On-Premise. Ventajas y Desventajas
- Tema 1: Impacto social y económico de la IA: oportunidades y riesgos
- Tema 2: Dilemas éticos: sesgos algorítmicos, transparencia, explicabilidad y responsabilidad
- Tema 3: Análisis teórico sobre la Inteligencia Artificial General (IAG) y discusión sobre futuras tendencias tecnológicas
- Tema 4: Formación de Equipos para el Trabajo Final
- Tema 1: Casos de estudio o problemáticas reales
- Tema 2: Explicación teórico-conceptual del Proyecto Final. Gestión de proyectos de IA. Análisis de rentabilidad e impacto
- Tema 3: Aplicación de conceptos de machine learning, deep learning, visión, NLP o IA generativa
- Tema 4: Análisis crítico de avances
- Tema 1: Presentación formal de los proyectos finales ante un panel académico e invitados de la industria
- Tema 2: Evaluación, discusión y retroalimentación final
Destinatarios
- Colaboradores y asesores de empresas 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
- Nociones generales de estadística descriptiva (media, varianza, distribuciones).
- Conocimientos básicos de álgebra y probabilidad (variables, funciones).
- Secundario completo.
- Acceso a una computadora con conexión a internet.
- Curiosidad, pensamiento crítico y ganas de aprender en comunidad.
Equipo docente
Cristian Santander
COORDINADOR
Cristian Santander es CEO de Cognitive Latam desde 2011 (www.cognitive.la). Cuenta con mas de 25 años dedicado a la IA. …
Joan Romero
PROFESOR
Soy Joan Romero y estoy al frente del área de AI & Innovation en Patagonian, donde integro investigación y práctica para…
Jose Figuera
PROFESOR
José Figuera es Licenciado en Contaduría Pública por la Universidad Yacambú y actualmente cursa un MBA en Dirección y Ad…
Tony Gael
PROFESOR
Python Developer especializado en IA: Comencé en desarrollo web freelance, gestionando proyectos por contrato, con el ti…
Cristian Santander
PROFESOR
Cristian Santander es CEO de Cognitive Latam desde 2011 (www.cognitive.la). Cuenta con mas de 25 años dedicado a la IA. …
Cesar Riat
PROFESOR
El Ingeniero César Riat ha sido galardonado como uno de los jóvenes sobresalientes en el área de desarrollo científico y…
Román Ramos
PROFESOR
Dedicado a la ciencia y la tecnología, Román Ramos es Licenciado en Matemáticas por la Universidad Central de Venezuela.…
German Santamaria
PROFESOR
Germán Santamaria es economista (Universidad Nacional de Mar del Plata), con un PhD in Economics (Universidad de Pisa), …
J. Claudio Grasso
PROFESOR
Technical Project Manager (AI/ML) | Agile & Waterfall Methodologies | IBM Certified AI Professional | Physicist
Metodología de enseñanza-aprendizaje
Nuestro modelo de formación te ofrece flexibilidad sin perder la interacción, combina autoaprendizaje con el apoyo de expertos y compañeros para una experiencia dinámica y efectiva.
Características de la formación
- E-learning colaborativo: estudia a tu ritmo con material curado y actividades prácticas.
- Acompañamiento experto: consulta dudas en foros y mensajes directos con tutores.
- Clases en vivo: para resolver consultas en tiempo real.
A quiénes está dirigido
- Profesionales y estudiantes que buscan una formación flexible y de calidad.
Modalidad de evaluación y acreditación
Estos son los requisitos que deberás cumplir para obtener la acreditación del trayecto formativo:
- Aprobar las evaluaciones integradoras por módulo.
- Realizar y aprobar la Evaluación Integradora Final Obligatoria (EFIO), que puede consistir en la entrega de una tarea basada en una consigna específica o en la realización de un cuestionario.
- Descargar y leer todos los materiales de la unidad temática.
- Entregar y aprobar todas las actividades y ejercicios obligatorios.
- Cumplir con la dedicación horaria recomendada para lograr el máximo rendimiento.
- Finalizar la cursada dentro del período estipulado, sin excepciones. Una vez finalizado el curso, no será posible entregar o descargar actividades pendientes. Quienes deseen completarlo deberán inscribirse en una nueva edición.
La evaluación final cuenta con una instancia de recuperatorio para quienes no aprueben en el primer intento o no la realicen dentro de las fechas establecidas en el cronograma.
Certificación
- La certificación se otorgará en función de la calificación obtenida en la EFIO.
- Las calificaciones posibles serán: bueno, muy bueno, excelente, sobresaliente, participó o no participó.
- Quienes obtengan una de las cuatro primeras calificaciones recibirán un certificado de aprobación.
- Aquellos que no alcancen estas calificaciones o no realicen la EFIO podrán obtener un certificado de participación, previa evaluación del tutor.
Los certificados emitidos por Centro de e-Learning UTN BA cuentan con un sistema de validación basado en tecnología blockchain, que garantiza autenticidad, trazabilidad y transparencia en todo momento.
¿Cómo inscribirse?
Paso 1
Hacé clic en "Inscribirse ahora"
Buscá el botón en esta página para iniciar tu proceso de inscripción.
Paso 2
Creá tu cuenta o ingresá
Registrate con tu email en el Campus o iniciá sesión si ya tenés cuenta. Es rápido y gratuito.
Paso 3
Realizá el pago en tu Panel
Completá la operación de forma segura dentro del Panel del Alumno con los medios de pago disponibles.
Paso 4
¡Listo! Ya podés empezar
Recibirás por email el acceso al campus. El aula abrirá en la fecha de inicio de tu cursada.
¿Querés capacitar a tu equipo?
Accedé al Portal de Empresas: comprá múltiples licencias, recibí facturación a nombre de tu compañía y gestioná el progreso de tu equipo desde un solo lugar.
Precio del curso
US$ 843
Certificación con aval de UTN Buenos Aires
Certificado oficial UTN
Avalado por la UTN Buenos Aires. Se otorga al cumplir con los requisitos de asistencia y evaluación.
Validación blockchain
Autenticidad y trazabilidad digital garantizada. Tu título es único, seguro y verificable de forma permanente.
Validez nacional
Reconocimiento oficial en todo el país para potenciar tu perfil profesional ante empresas y clientes.
Preguntas frecuentes
En la sección “Requisitos” de esta página se indica el nivel necesario. La mayoría de nuestras formaciones iniciales no requieren conocimientos previos, pero te recomendamos revisar el programa detallado.
El acceso se habilita el día de inicio de tu curso. Para ingresar, solo tenés que entrar a tu Panel del Alumno y dirigirte a la sección “Mi formación”.
Cada curso tiene una modalidad específica (online, en vivo, presencial o combinada). Podés ver el detalle en la sección “Modalidad” de esta página.
Si tu modalidad incluye encuentros sincrónicos (en vivo), las sesiones se graban y se suben al campus para que las veas cuando quieras. Si tu curso es autoasistido, todos los contenidos ya están disponibles 24/7 para que avances a tu propio ritmo. Te recomendamos de todos modos revisar la modalidad y condiciones de asistencia de cada propuesta.
Sí. Al completar el curso y cumplir los requisitos, obtendrás un certificado oficial de UTN BA con validez nacional y verificación Blockchain. Si este curso forma parte de una Diplomatura, también podrás acreditarlo para ese trayecto.
El pago se realiza de forma segura dentro del Panel del Alumno. Allí podrás elegir entre los medios de pago disponibles y aprovechar las opciones de cuotas sin interés vigentes.
Tendrás acceso a foros de consulta permanentes dentro del campus virtual y, en las clases en vivo, espacios de interacción directa. Siempre contarás con el respaldo del equipo docente para resolver tus dudas.