DIPLOMATURA EN

INTELIGENCIA
ARTIFICIAL
Edición #4

#30añosjuntos
UNA COMPRENSIÓN PROFUNDA

DE LAS TÉCNICAS AVANZADAS PARA EL ANÁLISIS

Y LA CREACIÓN O APLICACIÓN DE SISTEMAS INTELIGENTES

Información General

INICIO 30 de Junio 2025

dURACIÓN 6 meses

mODALIDAD Online.

Lunes y miércoles 18:30 a 21hs

CERTIFICACIÓN ACADÉMICA
“La Facultad de Ingeniería de la Universidad Austral extenderán el Certificado Académico de
aprobación de la “Diplomatura en Inteligencia Artificial” a quienes cumplan con el régimen de
promoción”
sobre la diplomatura
Este posgrado se fundamenta en la necesidad de satisfacer la creciente demanda
de habilidades en IA en el mercado laboral, promover la innovación y el avance
tecnológico, abordar los impactos sociales y económicos de la IA, facilitar la
actualización y el reciclaje profesional, y fomentar la interdisciplinariedad entre
profesionales de diferentes campos. Esta diplomatura proporciona una
oportunidad invaluable para que los estudiantes adquieran las habilidades y el
conocimiento necesarios para prosperar en un mundo impulsado por la
inteligencia artificial.

Las empresas del futuro deben contar con profesionales capacitados en IA, ya que
esta tecnología puede transformar los negocios al ofrecer conveniencia,
accesibilidad, automatización y eficiencia, factores que están directamente
relacionados con lograr una mayor productividad y mejorar la experiencia del
usuario. La IA tiene una amplia gama de aplicaciones en las empresas, incluida la
optimización de los procesos de trabajo. La IA puede respaldar tres necesidades
comerciales importantes: automatizar los procesos comerciales e industriales,
obtener información a través del análisis de datos e interactuar con los clientes.
Los beneficios de la IA para las empresas incluyen ganancias en eficiencia y
productividad, mayor velocidad en los negocios, nuevas capacidades y expansión
del modelo de negocio, mejor servicio al cliente, mayor precisión y menos errores.
Objetivos
Brindar a los estudiantes los marcos teóricos y prácticos vinculados a la Inteligencia
Artificial. Permitirá a los participantes comprender los conceptos fundamentales de
la IA, aprender aplicaciones en diferentes dominios. A saber:
Profundizar en el conocimiento de los principios fundamentales de la
Inteligencia Artificial.
Conocer y profundizar en las técnicas y herramientas de la Inteligencia Artificial
(Entre ellas Machine Learning , Deep Learning e Inteligencia Artificial
Generativa).
Adquirir conocimientos en las diferentes aplicaciones transversales que tiene la
Inteligencia Artificial en todos los campos.

Razones para elegir

la DIPLOMATURA
Red de contactos y desarrollo profesional. Integración

a una valiosa red de contactos entre participantes y profesores.

Orientación en proyectos reales

Aplicaciones prácticas y Trabajo final

Plan de estudios
MÓDULO 1: Fundamentos de Inteligencia Artificial y Machine Learning
Definiendo la IA Discriminativa y Generativa Introducción al análisis
exploratorio de datos. Aplicaciones de la Inteligencia Artificia
Introducción a Machine Learning. Tipos de aprendizaje: supervisado, no
supervisado, y por refuerzo. Semi-Supervised Learning
Aprendizaje supervisado: regresión, clasificación y evaluación de modelos
Aprendizaje no supervisado: clustering, reducción de dimensionalidad y
detección de anomalías
Introducción al Aprendizaje por refuerzo: aplicaciones y casos de estudio
Técnicas de preprocesamiento de datos y selección de características.
Evaluación de la eficiencia de un modelo de ML.

MÓDULO 2: Deep Learning y Aplicaciones Avanzadas

Introducción a las Redes Neuronales Artificiales. Procesamiento de imágenes
mediante Deep Learning. Procesamiento de texto y aplicaciones
Transferencia del aprendizaje (Transfer Learning) Ensemble Learning
Redes neuronales profundas: arquitecturas (CNNs, RNNs y GANs),
entrenamiento y optimización. Entrenamiento y optimización de modelos.
Indicadores de la bondad de un modelo
Herramientas y Frameworks para IA Bibliotecas populares (TensorFlow,
PyTorch, etc.) Notebooks y entornos de desarrollo. Recursos en línea:
modelos open source y conjuntos de datos.

MÓDULO 3: Visión Artificial

Fundamentos de visión por computadora. Procesamiento de imágenes.
Detección y clasificación de objetos. Algoritmos de detección de objetos.
Clasificación de objetos utilizando técnicas de aprendizaje automático
Aprendizaje profundo para visión por computadora: CNNs, ViT y aplicaciones.
Detección y clasificación de objetos. Segmentación semántica. Reconocimiento
facial y de patrones.
Plan de estudios
MÓDULO 4: Procesamiento de Lenguaje Natural
Fundamentos del NLP Preprocesamiento de texto. Modelado de lenguaje y
representación de las palabras. Word embeddings. Modelos de lenguaje
Utilización de redes Neurales Recurrentes. Transformers y modelos generativos
Aplicaciones de NLP: análisis de sentimientos, traducción automática,
generación de texto, etc.
MÓDULO 5: Inteligencia Artificial Generativa (Parte 1)
Introducción a la Inteligencia Artificial Generativa (GenAI). Definición y
conceptos básicos. Diferencias con otros enfoques de IA
Modelos Fundacionales. Aplicaciones y casos de uso. Modelos de Lenguaje
Generativo. BERT, GPT, DeepSeek, Gemini etc
Preentrenamiento y ajuste fino. Generación de texto. Destilación. 

Compresión de Modelos
Benchmarks para modelos generativos. Estado del arte.
MÓDULO 5: Inteligencia Artificial Generativa (Parte 2)
Modelos Generativos de isión Artificial. Redes Generativas Antagónicas
V

(GANs). Modelos de Difusión. Modelos AEs. Generación de imágenes y arte

V

Modelos Multimodales. Generación Aumentada de recuperación (RAG). Base

de Datos ectoriales. Desarrollo de Agentes Inteligentes. Multi Agentes
V -

Sesgos en la IA Generativa. Sesgo algor tmico y equidad Perplejidad.

í

Alucinaciones.
MÓDULO 6: Desafíos Éticos, Inteligencia Artificial General y Perspectiva
Impactos de la Inteligencia Artificial en la sociedad
Desaf os ticos en el desarrollo y aplicación de la IA
í é

Inteligencia Artificial General: conceptos y posibilidades Perspectivas

futuras de la IA.
MÓDULO 7: Trabajo Final Grupal
Dedicado a la realización de un proyecto práctico en grupos, aplicando los
conocimientos adquiridos en los módulos anteriores.
Cuerpo académico
Director DR. CLAUDIO ENRIQUE RIGHETTI.


- Doctor de la Universidad de Buenos Aires, área Ciencias de
la Computació[Link] de Ciencias Exactas y Naturales
(Calificación: Sobresaliente)
Ingeniero en Electrónica, Facultad Regional Buenos Aires.
Universidad Tecnológica Nacional.


Experiencia laboral y académica

Profesor Investigador/Director – Facultad de Ingeniería de
la Universidad Austral. Diplomatura Inteligencia Artificial.
Chief Scientist (Gerente STEM) – Telecom Argentina ( 2018
-2023).
Jefe Científico – Experto Máster Gerencia de Ingeniería de
Cablevisión – Fibertel ( 2007-2017).
Cuerpo académico
DOCENTES
ING. ESP. HORACIO G. ARRIGO
Magister en Explotación de Datos y Descubrimiento de
Conocimiento - UBA (Tesis pendiente)
Especialista en Explotación de Datos y Descubrimiento de
Conocimiento - UBA
Ingeniero en Electrónica - UBA

Experiencia laboral
Director de Ciencia de Datos Latinoamérica - MetLife
Argentina. Director de ciencia de datos para Latinoamérica.
Lider de equipo para investigación y desarrollo de
soluciones y productos basados en analítica y ciencia de
datos
Data Science Manager / Tech Scientist - Telecom Argentina


Experiencia académica
Profesor en Ciencia de Datos - CoderHouse.
Ayudante de primera – Facultad de Ingeniería de la

Universidad de Buenos Aires. Análisis Numérico I

Ayudante de segunda – Facultad de Ingeniería de la
Universidad de Buenos Aires. Algoritmos y programación
II
Investigador ayudante - Laboratorio de Electro Óptica -
Facultad de Ingeniería de la Universidad de Buenos Aires.
Cuerpo académico
MAG. ADRIANA BARAVALLE


Magister en Ciencia de Datos y Gestión del Conocimiento
Especialista en Planificación Estratégica, Prospectiva, Business
Intelligence y Criptología. 


Experiencia Profesional:
Data Science and Processing Director en Eclypsium Inc.
Chief Data Officer Zentricx SRL
Consultora independiente en Estrategia de Datos (Industrias:
Oil&Gas, Finanzas, Seguros, Banca, Salud, Ciberseguridad y
Gobierno)
Directora de Calidad Académica y Operaciones de Posgrado de
la Facultad de Ingeniería de la Universidad Austra
Docencia: Data Mining, Big Data y Data Warehousing,

Ciberseguridad en:

· Maestría en Ciberdefensa y Ciberseguridad (UBA)

· Diplomatura Industria 4.0, (UCA)

· Ingeniería Informática (UA) 


Membresías:
Miembro invitado del equipo de ciberseguridad de la OIEA,

Organismo Internacional de Energía Atómica.

2019 - Actualidad
Miembro invitado de APNNS, Sociedad de Redes Neuronales del
Asia Pacífico. 2016 - Actualidad
Miembro de IFB, Asociación Internacional de Mujeres.

2012 - Actualidad
Miembro de Mujeres Empresarias y Profesionales en la UE.

2012 - Actualidad


Premios:
1st place in the 7th International Cyber Security Data Mining
Competition International Conference on Neural Information
Processing - Cyber Security Data Mining Competition. Kyoto
University - Japan. AUG 201
1st place in the WSDM Cup Workshop - WSDM Conference.
February 10, [Link] International Conference on Web Search
and Data Mining. University of Cambridge. Cambridge, UK
Cuerpo académico
MG. IGNACIO BERDIÑA
Magister en Administración de Empresas - MBA - Magna
Cum Laude. IAE Business School.
Professional Program in Artificial Intelligence. Stanford
University
Ingeniero en Informática. Universidad Austral

Experiencia profesional
MultiplAI Health: Lead ML Engineer - Desarrollo de
modelos para procesamiento de secuenciación genética
enfocado en el diagnóstico de enfermedades de forma no
invasiva
Quick Scan&Go: Co-Founder & CTO - Micro-markets
autónomos para comunidades cerradas
Redmond Software: CTO - Dirección del equipo de
desarrollo

Experiencia académica
Universidad Austral. Research & Development Lab -
Facultad de Ingeniería: Líder Técnic
Profesor. Facultad de Ingeniería: Machine Learning y Deep
Learning en la Carrera de Ingeniería Informática, Programa
en Innovación y Negocios Digitales, Posgrado en
AgriFoodTech, Programa en Inteligencia Artificial
Cuerpo académico
MAG. PABLO GALIANA
Magister en Explotación de Datos y Gestión del
Conocimiento, Universidad Austral Licenciado en Análisis
de Sistemas, UBA.

Experiencia laboral
Ingeniero de software - MuleSoft (Salesforce Argentina) -
Empresa de software
Ingeniero de software - TekGenesis - Empresa de software
Ingeniero de Software - Datamex Paraguay - Empresa de
software y servicios informáticos 


Experiencia académica
Profesor de Inteligencia Artificial - Programa de grado -
Universidad Austral
Profesor de Algoritmos y Estructura de Datos - Maestría en
Explotación de Datos y Gestión del Conocimiento,
Universidad Austral
Profesor de Bases de Datos, Programa de grado,
Universidad Austral
Cuerpo académico
MAG. JUAN PABLO SOKIL

Magister en Explotación de Datos y Descubrimiento del

Conocimiento, Universidad de Buenos Aires.
Especialista en Estadística Matemática, Universidad de
Buenos Aires.
Licenciado en Sociología, Universidad de Buenos Aires.

Experiencia laboral:
AI-ML Specialist – Allied Group – Dic 2023 – Act
Lead Data Scientists / AI-ML Engineer. Telecom Argentina
Agosto 2021 – Diciembre 2023
Data Scientist, Organización de Estados Iberoamericanos.
Abril 2016 – Agosto 202
Data Mining Analyst, Banco Credicoop. Octubre 2014 –
Abril 2026
Analista Estadistico – CEOP Market Research – Octubre
2008 – Octubre 2014

Experiencia académica:
Profesor, Estadística Aplicada, Facultad de la Defensa.
Universidad de la Defensa Nacional - Especialización en
Gestión para la Defensa Nacional 2021 – Actualidad
 DIPLOMATURA EN
INTELIGENCIA ARTIFICIAL

Contacto
Agustina Fonseca

Ejecutiva Comercial de Posgrados Ingeniería

afonseca@[Link]

+54 9 11- 49281202

#30añosjuntos