DIPLOMATURA EN
INTELIGENCIA
ARTIFICIAL
Edición #5
#30añosjuntos
UNA COMPRENSIÓN PROFUNDA
DE LAS TÉCNICAS AVANZADAS PARA EL ANÁLISIS
Y LA CREACIÓN O APLICACIÓN DE SISTEMAS INTELIGENTES
Información General
INICIO 01 de Julio 2025
dURACIÓN 6 meses
mODALIDAD Online
Martes y Jueves de 18:30 a
21:30 hs.
CERTIFICACIÓN ACADÉMICA
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 Computación.Facultad 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).
DIPLOMATURA EN
INTELIGENCIA ARTIFICIAL
Contacto
Carolina Gabriela Ramil
Ejecutiva Comercial de Posgrados Ingeniería
[email protected]
+54 9 11 2815-5294
#30añosjuntos
