Machine learning y deep learning

Escuela Internacional de Verano

Recibe más información

¿Necesitas un programa para tu empresa?

Presencial

(Asistida por Tecnología)
Duración
114 horas - 3 créditos *Nota: 4 créditos para estudiantes de pregrado virtual
Horarios

Lunes a viernes
De 8:00 a.m. a 12:00 m.

Inicio de clases

Jueves, 2 de julio de 2020

Finalización del curso:
Viernes, 24 de julio de 2020

PRECIO:

Pagarás el equivalente al valor de tu crédito. Pagando antes del miércoles, 1 de julio de 2020 tendrás el 10% de descuento.

A los participantes que se inscriban antes de la fecha límite para obtener el beneficio del 10% de descuento y que para esa fecha no se haya emitido su orden de matrícula, se va generar esta orden respetando el beneficio de descuento por pronto pago.

Egresados y Externos.

 

Descarga el syllabus aquí

Para mayor información sobre nuestras escuelas de verano y misiones académicas, nos puedes escribir al correo
internacionalizacion@universidadean.edu.co

- Las escuelas/misiones se encuentran sujetas a cambio de horario, o cancelación de no llegarse a cumplir con el cupo mínimo de estudiantes para su desarrollo.

- Las escuelas/misiones, contarán con estudiantes regulares de pre grado, posgrado, adicionalmente en algunas escuelas habrá estudiantes externos.

- Los estudiantes inscritos estarán regidos por el reglamento de la Universidad Ean.

- Los estudiantes deben cumplir y aprobar más del 80% de la escuela para poder afirmar que la cursaron.

 

Nota: la Universidad Ean se reserva el derecho de suspender o aplazar el inicio de cualquiera de los programas, en función de la respuesta que obtenga de los interesados a la convocatoria. Asimismo, se reserva el derecho a realizar modificaciones en las fechas de inicio, auditorios o salones, planes de estudio, enfoque metodológico y claustro docente.

¿Por qué estudiar este programa?

Este curso busca guiar a estudiantes con conocimientos previos en álgebra lineal, estadística y programación en el mundo del Machine Learning y la Inteligencia Artificial utilizando uno de los lenguajes de programación científica más populares del mundo. El curso recorre diferentes algorítmos de aprendizaje supervisado y no supervisado, big data y redes neuronales profundas desde una perspectica técnica y con un enfoque aplicado, entendiendo sus principales características e identificando el tipo de problemas en los que puede tener más sentido utilizar un determinado modelo sobre otro.
Finalmente el curso será evaluado con la presentación de un proyecto final que se desarrollará en grupo de 3 personas donde se solucionará un problema específico haciendo uso de los conocimientos adquiridos.


Objetivos específicos

  • Reconocer la naturaleza de un problema de análisis predictivo y ser capaz de crear una solución a través de un modelo optimo usando el lenguaje de programación python.
  • Entender los elementos básicos de un problema de grandes datos y la necesidad de usar apache spark o dask para encontrar el modelo optimo que lo soluciones.
  • Comprender los conceptos básicos del aprendizaje profundo en problemas de visión por computador y procesamiento de lenguaje natural.


¿A quien va dirigido?

Estudiantes de pregrado y posgrado de la Universidad y personas externas con interés en ciencia de datos, machine learning e inteligencia artificial y conocimientos previos en álgebra lineal, estadística y programación.


Leonardo A. Espinoza

Leonardo se graduó como Físico (2005) y realizo estudios de Maestría en Física (2006) de la Universidad Nacional de Colombia. Más tarde se muda a España, donde obtuvo una Maestría en Nanotecnología (2009) y un Doctorado en Ciencia de Materiales Computacionales (2013), ambos en la Universidad del País Vasco. Después de tres años de investigación posdoctoral (2013-2016) en la Universidad de Aalto (Finlandia), cambió sus intereses de investigación hacia el área de Machine Learning, Big Data e Inteligencia Artificial. En 2017 se unió a Arcada, una Universidad de Ciencias Aplicadas en Helsinki como investigador y Lecturer en Big Data Analytics. Desde el 2020 fue promovido a Senior Lecturer en Big Data Analitycs. Ha escrito más de 20 artículos internacionales en diversas áreas científicas, con más de 270 citaciones (h-index 8).

Rubén Acosta

Magister en Matemática Aplicada de la Universidad Nacional de Colombia; cuenta con una especialización en Matemática Apliacada de la Universidad Sergio Arboleda, y es matemático de la Universidad Distrital Francisco José de Caldas. Rubén Acosta es el enlace académico correspondiente a la escuela de verano Machine Learning y Deep Learning.

 

Certificado

La Universidad expide un certificado por participación a quienes aprueben el 80 % de las actividades programadas. El estudiante deberá obtener una nota de 70/100 para aprobar el nivel.

 

 

Nota: se reserva el derecho de suspender o aplazar el inicio de cualquiera de los programas, en función de la respuesta que obtenga de los interesdos a la convocatoria. Asi mismo, se reserva el derecho a realizar modificaciones en las fechas de inicio, auditorios o salones, planes de estudio, enfoque metodológico y claustro docente.

 


¿Quieres empezar tu proceso de inscripción?

Sigue estos pasos para iniciar tu proceso de inscripción
Comunícate con nosotros vía Whatsapp
Descarga aquí el Formato de Solicitud de Homologación.
Descarga aquí la tabla de Homologación.

Responsive image

 

 

EAN

Con acreditación Institucional de Alta Calidad

Res. Nº 29499 del Mineducación 29/12/17, Vigencia 28/12/21
Descarga nuestra app en:
App Google Play
App Store