Introducción a la Inteligencia Artificial y Ciencia de Datos
Introducción a la Inteligencia Artificial y Ciencia de Datos
Domina los pilares de la IA y el Big Data desde un enfoque práctico.
Descripción
En un mundo impulsado por la información, la capacidad de transformar datos en decisiones inteligentes es la ventaja competitiva definitiva. Este curso ofrece una inmersión fundamental en los pilares de la Inteligencia Artificial (IA) y la Ciencia de Datos, desmitificando conceptos complejos y explorando sus aplicaciones reales en los negocios modernos. A través de un enfoque práctico, los participantes aprenderán a identificar patrones en los datos, comprender el funcionamiento de los algoritmos de aprendizaje automático y visualizar cómo estas herramientas pueden optimizar procesos, predecir tendencias y generar valor real en cualquier industria.
Objetivo
Capacitar a los participantes en los fundamentos teóricos y prácticos de la Inteligencia Artificial y la Ciencia de Datos, dotándolos de las habilidades analíticas necesarias para identificar oportunidades de implementación tecnológica, comprender el ciclo de vida del dato y aplicar herramientas de vanguardia que faciliten la toma de decisiones basada en evidencia, impulsando así la innovación y la eficiencia en sus respectivos entornos profesionales.
Dirigido a
- Líderes de equipos y directivos que gestionan proyectos con IA.
- Profesionales interesados en introducirse al mundo de la IA.
- Emprendedores y gestores de innovación.
Contenido
Módulo I Fundamentos y panorama de la Inteligencia Artificial.
- ¿Qué es la Inteligencia Artificial? Evolución y contexto histórico.
- Diferencias entre IA, automatización y analítica avanzada.
- Tipos de IA.
- Casos de uso en sectores clave (finanzas, salud, educación, retail, servicios, belleza).
- Tendencias globales: impacto de la IA en el trabajo y la economía.
Módulo II Machine Learning y su aplicación estratégica.
- ¿Qué es el Machine Learning (ML)? Principios y lógica básica.
- Tipos de aprendizaje automático: Supervisado, No supervisado, Aprendizaje por refuerzo
- Ejemplos prácticos de ML en empresas: Predicción de abandono de clientes (churn), Modelos de recomendación (Next Best Action), Análisis de riesgo crediticio
- Rol de un líder: ¿qué se necesita para implementar proyectos de ML exitosos?
Módulo III Generative AI y nuevas tendencias.
- Introducción a Generative AI (GenAI): qué es y cómo funciona en términos conceptuales.
- Modelos de lenguaje (LLMs) y generación de contenido: ChatGPT, Gemini, Claude, LLaMA.
- Generación de imágenes, audio y video con IA (MidJourney, DALL·E, Sora, ElevenLabs).
- Aplicaciones empresariales de GenAI: Automatización de procesos, Asistentes virtuales inteligentes, Creación de contenido y marketing, Innovación en productos y servicios
- Riesgos y retos éticos de la GenAI: sesgos, alucinaciones, privacidad y copyright.
Módulo IV Estrategia, gobernanza y futuro de la IA.
- Factores críticos para la adopción de IA en las organizaciones.
- Marco de referencia: Gobierno de Datos e IA responsable.
- Regulaciones y políticas emergentes (ejemplo: UE AI Act, marcos éticos).
- Futuro de la IA: Inteligencia artificial explicable, IA multimodal, IA colaborativa con humanos (Human-in-the-loop)
- ¿Qué sigue después de implementar IA?: Dashboards inteligentes, Modelos predictivos avanzados, Ecosistemas de innovación con IA.
Módulo V Fundamentos de Ciencia de Datos y el Ciclo Analítico.
- ¿Qué es la Ciencia de Datos? Definición, evolución y su relación con IA y ML.
- El rol del Data Scientist: Habilidades, herramientas y perfil profesional.
- El ciclo de vida de un proyecto de datos
- Tipos de análisis de datos
- Fuentes de datos en las organizaciones
- Casos de uso empresariales de Ciencia de Datos
Módulo VI Infraestructura de Datos y Toma de Decisiones Basada en Datos.
- Arquitectura moderna de datos
- Visualización de datos y storytelling
- Cultura data-driven en las organizaciones
- Calidad de datos y gobernanza
- Integración de Ciencia de Datos con IA
- Medición del valor y ROI de proyectos de datos
Facilitador
Ing. Gilberto Almonte Frías
Ingeniero Industrial con Maestría en Consultoría y Auditoría de Sistemas de Calidad y Excelencia (Universidad Camilo José Cela, España) y Maestría en Administración y Dirección de Empresas – MBA (Universidad Isabel I, España), además posee las certificaciones internacionales de Lean Six Sigma Black Belt, Capital Market and Securities Analyst, Data Scientist y Machine Learning Scientist. Especializado en mercado de capitales, análisis financiero, gestión de riesgos y mejora continua.
Horario y Coordinación
- Horario: Lunes y Miércoles de 7:00 PM a 10:00 PM
- Inicio y finalización: Aún por confirmar
- Coordinación: Campus de Santo Domingo
