Idioma: ES
shutterstock_1135201928.jpg

Curso Machine learning for the real world

Información General

Presentación

Machine learning for the real world

shutterstock_1135201928.jpg click para reproducir video
Educación Continuada: programas abiertos y empresariales de educación no formal que optimizan el desempeño profesional.

Mucho se habla acerca de machine learning y de sus posibilidades. Machine learning es una rama de la inteligencia artificial que permite crear modelos de datos con una mínima intervención humana.

Muchos cursos en machine learning se enfocan en aspectos teóricos con ejemplos prácticos muy limitados y, por lo tanto, poco realistas. El enfoque de este curso es primordialmente práctico: en cada sesión se implementará un problema del mundo real de principio a fin.

Conferencista Invitado

Cerrar

Iván Olier Caparroso

Iván Olier Caparroso.jpg

Ingeniero mecánico de la Universidad Nacional de Colombia, máster y doctor en Inteligencia Artificial de la Universidad Politécnica de Cataluña (España), con distinción Suma Cum Laude y Doctor Europeo.

Es profesor (Senior Lecturer) en Ciencia de los Datos de la Escuela de Ciencias de la Computación y Matemáticas de Liverpool John Moores University (Reino Unido). Imparte clases de introducción a la ciencia de los datos, y machine learning en pregrado y posgrado. Dirige del máster en Big Data Science and Analytics en asocio con la Universidad de Bahrain.

Tiene amplia experiencia en investigación en machine learning y en ciencia de datos. Su investigación se centra en el desarrollo de nuevos algoritmos y modelos de machine learning para el aprendizaje de datos multimodales (series temporales, imágenes, etc.) y de múltiples orígenes. Ha publicado numerosos artículos sobre temas relacionados con machine learning y sus aplicaciones en bioinformática, desarrollo de nuevos fármacos y medicina. Es el editor académico de la revista Plos One.

Por qué estudiar con nosotros

edificio-h-nocturna.jpg

Al final del curso, los estudiantes contarán con una marcada ventaja en el desarrollo de proyectos en machine learning, que les permitirá acceder al mercado laboral de un sector altamente competitivo como es el de la ciencia de datos, bien sea en el ámbito empresarial o académico.

Metodología

El profesor hará la exposición de los contenidos e irá cambiando de estilo de enseñanza cada cierto tiempo para mantener la motivación de los estudiantes y favorecer el entendimiento del material. Las sesiones se enfocarán en el desarrollo e implementación de problemas extraídos del mundo real. Los estudiantes recibirán todo el material necesario (tutoriales, datos, librerías) al inicio de cada sesión.

Deberes del participante

  • Contar con una conexión a internet de banda ancha.
  • Disponer de audífonos (diadema o manos libres) para aislar el ruido externo y lograr concentrarse.
  • Verificar que el equipo de cómputo no haya sido bloqueado para conexiones a herramientas de Microsoft.
  • En caso de ser miembro de Microsoft Teams con otra cuenta, cerrar las sesiones que involucren la cuenta en Microsoft Teams, e ingresar con un navegador libre de caché para que no tenga inconvenientes.
  • Conectarse a las sesiones de clase con mínimo 10 minutos de antelación de manera que verifique que cuenta con una conexión adecuada y no pierda clase por realizar ajustes.
  • Disponer de materiales como libreta, esfero, entre otros.

Certificación

La Escuela Colombiana de Ingeniería Julio Garavito otorgará certificados de este curso, así:

  • De asistencia, a quienes se inscriban por educación continuada y participen activa y cumplidamente como mínimo en el 90 % de las sesiones programadas.
  • De contenido, créditos y nota a los estudiantes de pregrado o posgrado de la Escuela.
  • De contenido, créditos y nota a los estudiantes de pregrado o posgrado de otras universidades del país que se matriculen como estudiantes visitantes o de intercambio. Para esto deberán enviar la solicitud a la Oficina de Relaciones Internacionales (ori@escuelaing.edu.co) e indicar la universidad de origen y el programa que cursan.

Perfil del aspirante

Mujer profesional.jpg
  • Estudiantes de posgrado, estudiantes de últimos semestres de pregrado, profesores universitarios y profesionales relacionados con los temas del curso o interesados en ellos.

Contenido temático

En cada sesión se dará solución a un problema del mundo real por medio de un proyecto de machine learning.

  1. Conceptos generales de machine learning
  2. Machine learning en finanzas
  3. Machine learning en deporte
  4. Machine learning en redes
  5. Machine learning en medicina

Fechas y horarios

El curso se llevará a cabo del 19 al 24 de julio de 2021, de lunes a viernes de 4:00 a 9:00 p.m. y el sábado de 7.00 a 11.00 a.m., en modalidad remota, vía Microsoft Teams.

La Escuela Colombiana de Ingeniería, para sus programas de Educación Continuada, se reserva el derecho de cambiar sus conferencistas y fechas de realización, o cancelarlos de no contar con el número de personas requerido para tal fin. Lo anterior se informará a los interesados con antelación.

Objetivos alcanzables

Desarrollar habilidades en el diseño e implementación de proyectos en machine learning.

Bloque-I-nocturna.jpg

  • Entender los conceptos esenciales de machine learning por medio de la práctica.
_DSC4651.jpg

  • Aprender a modelar diferentes tipos de datos y escenarios utilizando machine learning.
_DSC0724.jpg

  • Aprender a resolver las dificultades conceptuales y tecnológicas presentes en problemas del mundo real utilizando machine learning.

Valor de la inversión

edificio-h-nocturna.jpg

La inversión por participante es de $1.680.000 (un millón seiscientos ochenta mil pesos), valor que incluye material técnico y memorias en medio electrónico.

Descuento del 5 % hasta el 6 de julio de 2021.

Inscripciones hasta el 15 de julio de 2021.

Solicite Información

Si desea conocer más sobre este programa, complete el formulario o escríbanos por WhatsApp.

Machine learning for the real world

* Ingresar nombre
* Ingresar apellido
* Escribir correo electrónico
* Ingresar número celular
* Seleccionar ciudad
* Seleccionar tipo de documento
* Escribir número de identificación