Curso de Especialización
IA, Machine Learning & Deep Learning para toma de decisiones empresariales
Certificado emitido por la:
Inicio
01 de febrero
Horario
domingos de 9 am a 1 pm
Duración
2 meses
Modalidad
online en vivo
Sobre el Programa
Este curso avanzado te prepara para liderar proyectos de analítica y aprendizaje automático en entornos empresariales altamente competitivos. Combina fundamentos sólidos en machine learning y deep learning con práctica intensiva sobre casos reales, para que aprendas a crear modelos que generen verdadero impacto en la toma de decisiones.
A lo largo del curso dominarás las técnicas clave de clasificación, regresión, clustering y predicción, además de arquitecturas como MLP, CNN y RNN. Más que entender los algoritmos, aprenderás a transformar necesidades estratégicas del negocio en soluciones analíticas efectivas y alineadas con los objetivos de la organización.
Dirigido a
El curso está dirigido a:
-
- Analistas y profesionales de datos que buscan fortalecer sus habilidades en Python, machine learning y deep learning.
- Profesionales de negocio que desean aplicar modelos predictivos para mejorar decisiones en áreas como marketing, finanzas, operaciones o RR.HH.
- Consultores y líderes de transformación digital que gestionan proyectos de analítica avanzada.
- Profesionales de TI y desarrolladores que quieren dar el salto hacia roles en IA.
- Estudiantes y emprendedores tecnológicos interesados en crear soluciones basadas en datos y modelos inteligentes.
Requisitos de Admisión
A efectos de participar en el curso los postulantes deberán cumplir con los siguientes requisitos:
- Manejo intermedio de ofimática.
- Conocimientos elementales de matemáticas y estadística
(álgebra lineal, probabilidad y funciones básicas). - Conocimientos previos de programación (preferentemente en
Python).
Proceso de Inscripción
- Realice el pago en el Banco de Crédito Cta. Cte. Soles N° 191-0031059-0-26 a nombre de la Fundación para el Desarrollo Agrario FDA – Universidad Nacional Agraria La Molina. RUC 20101259014 CCI 00219100003105902650
- Envíenos imagen del voucher de depósito o copia del correo que le envía el banco de confirmación de la transacción que tenga visible la fecha, hora, numero de operación, monto, beneficiario al correo: informes@cecap-fc.com.pe, y notificar al WhatsApp 951339451, indicando los datos del participante como el nro. de DNI, nombres, apellidos y el curso en el que desea inscribirse.
- La UNALM validará los datos y posteriormente le enviará el link de la ficha de inscripción que deberá llenar correctamente para poder crear su usuario y clave de acceso al campus virtual.
Certificación
Certificado
Al haber aprobado el curso con un promedio ponderado no menor a 14 se le otorga al participante un Certificado a nombre de la Universidad Nacional Agraria La Molina, de la Facultad de Ciencias, con 56 horas certificadas.
Constancia de Asistencia
Al participante que no cumpla con los requisitos de evaluación, se le otorgará una Constancia de Participación, para lo cual el alumno deberá contar con una asistencia a clase mínima del 80% y un promedio final de la Especialización no menor a 11 (once). En el caso de no cumplir con dicho requerimiento no se emitirá dicha Constancia.
Modelo de Diploma
Temario
Introducción al Machine Learning y Preprocesamiento de Datos con Python
- Fundamentos de machine learning, deep learning e IA.
- Evolución de la Ciencia de Datos y su relación con otras tecnologías emergentes.
- Tipos de aprendizaje: supervisado, no supervisado y por refuerzo.
- Ciclo de vida de un proyecto de Ciencia de Datos en la industria.
- Ecosistema tecnológico: ejecución local vs. en la nube (Google Colab).
- Estructuras de datos en Python: listas, tuplas, diccionarios y conjuntos.
- Estructuras de control: condicionales y bucles.
- Funciones simples y funciones lambda.
- Técnicas básicas de filtrado y selección de datos.
Análisis Exploratorio y Preparación de Datos
- Tipos de variables y escalas de medición. Medidas de tendencia central, dispersión y posición. Percentiles. Análisis y tratamiento de valores faltantes y outliers. Correlaciones, asociaciones y pruebas estadísticas básicas
- Principios de ingeniería de variables (feature engineering).
- Técnicas de selección de variables: correlación, importancia mediante métodos clásicos, importancia mediante métodos avanzados.
- Balanceo de clases: undersampling, oversampling, SMOTE.
Aprendizaje Supervisado para Regresión
- Regresión lineal simple y múltiple.
- Ridge, Lasso y ElasticNet.
- Árboles de regresión. Random Forest.
- Métricas de evaluación: MAE, RMSE, R²
- Visualización e interpretación de modelos.
Aprendizaje Supervisado para Clasificación
- Regresión logística, KNN, Naive Bayes, árboles de decisión
- Support Vector Machines (SVM)
- Métodos ensemble: Random Forest, AdaBoost, XGBoost, LightGBM, CatBoost.
- Validación cruzada, matriz de confusión, precisión, recall, F1-score, AUC-ROC. Interpretación de resultados en contexto de negocio, curvas de ganancias y tablas de efectividad-lift.
Aprendizaje No Supervisado: Clusterización y Reglas de Asociación
- Clustering jerárquico y particional (K-Means, PAM, CLARA)
- DBSCAN y métodos basados en densidad.
- Evaluación de clusters: silueta, codo, GAP.
- Reglas de asociación y análisis de mercado (Market Basket Analysis).
Introducción al Deep Learning y Redes Neuronales
- Neuronas artificiales y arquitectura de redes feedforward.
- Algoritmo de retropropagación y función de activación.
- Overfitting, regularización y dropout.
- Implementación con Keras.
Redes Convolucionales y Recurrentes en Deep Learning
- Redes convolucionales (CNN): procesamiento de imágenes.
- Redes recurrentes (RNN, LSTM): datos secuenciales y series temporales.
- Entrenamiento, ajuste de hiperparámetros y evaluación.
- Aplicaciones en visión por computadora, análisis de sentimientos y pronóstico.
Trabajo Final
- Elaboración de un trabajo final.
Solicita más información aquí
Preguntas Frecuentes
¿Si me inscribo en modalidad online en vivo tengo acceso a las clases luego de verlas en ZOOM?
Sí. Tienes acceso al campus virtual 24/7 para profundizar los temas y descargar material de estudio complementario.
Las clases grabadas (no son descargables) estan disponibles hasta finalizar el curso.
¿Cuándo me envían el material?
Tu kit de inicio, que contempla: material académico, formatos, plantillas de trabajo, estarán disponibles en el campus virtual 48 horas antes de la fecha de inicio del curso. El usuario y contraseña de acceso al campus virtual se te enviará al correo que registraste en la ficha de inscripción.
¿Si no puedo conectarme a las clases en vivo?
Las puedes seguir en diferido. Las clases son grabadas y están disponibles en el campus virtual 24/7.
¿Si llevo un programa en la modalidad online en vivo puedo interactuar con el docente?
Puedes interactuar en tiempo real con el docente y hacer todas las consultas que desees.
¿Cómo es el sistema de evaluación?
Medimos de forma integral el proceso de aprendizaje: exámenes objetivos (parcial y final), desempeño en las sesiones prácticas.
¿Cómo podre rendir los exámenes?
Todos los alumnos, de la modalidad online en vivo, rendirán los
exámenes en el campus virtual y en el horario programado con anterioridad.
El diploma ¿indica la modalidad de estudio?
El diploma no indica la modalidad de estudio.
¿Las horas académicas certificadas es el rango de horas de las clases en ZOOM?
Las horas académicas totales certificadas es el resultado del tiempo que le tendrías que dedicar al curso, y es la suma de las horas de clases via zoom, las horas de práctica de los ejercicios, talleres complementarios y las evaluaciones.
¿Estan licenciados por la SUNEDU?
Todos nuestros cursos y especializaciones estan certificados por la Facultad de Ciencias de la Universidad Nacional Agraria la Molina - UNALM que cuenta con licenciamiento de la SUNEDU.
Mas información: aquí
¿Cuánto demora la entrega del Diploma?
El Diploma se entrega en formato físico a los 30 días hábiles después de culminado el programa (incluyendo la última evaluación del curso).
¿Brindan capacitaciones para empresas?
Si, realizamos capacitaciones InHouse e inscripciones corporativas a través de nuestra unidad Corporativa, puedes contactar una asesoría al WhatsApp: 9513 39451
Contáctenos
Universidad Nacional Agraria La Molina
Av. La Molina S/N - La Molina. Facultad de Ciencias, 2do piso, Oficina 06
Correo institucional:
cecapfc@lamolina.edu.pe
Teléfono Fijo:
614 7800 / anexo 273
Correo Informes:
informes@cecap-fc.com.pe
WhatsApp Informes:
9513 39451
Siguenos
Medios de pago
