Cursos de la Carrera de Especialización en
Inteligencia Artificial

Docentes a cargo: Ing. Nahuel Pelli.

Temario:
1. Teoría de juegos.
2. Búsqueda.
3. Regresión, clasificación y clusterización.
4. Redes Bayesianas.
5. Clasificador Bayesiano.
6. Naive Bayes.
7. Máxima verosimilitud.
8. Esperanza-maximización.

- Ver la página web del curso

Docentes a cargo: Ing. Eric Koplin, Lic. Paula Macat

Temario:
1. Espacios de probabilidad.
2. Variables aleatorias.
3. Modelos multivariados.
4. Esperanza condicional.
5. Estimadores puntuales.
6. Estimadores por intervalo.
7. Reglas de decisión.
8. Enfoque Bayesiano.

- Ver la página web del curso

Docentes a cargo: Ing. Martin Errazquin.

Temario:
1. Espacios vectoriales.
2. Operaciones matriciales.
3. Autovalores y autovectores.
4. Descomposición en valores singulares.
5. Cálculo multivariable.
6. Gradiente.
7. Optimización convexa y no convexa.

- Ver la página web del curso

Docentes a cargo: Mg. Ing. Patricio Bos, Mg. Ing. Christian Yanez Flores, Ing. Celeste Corominas.

Temario:
1. Fases y Procesos del proyecto.
2. Procesos de Iniciación: Requerimientos, Interesados.
3. Procesos Planificación: Requerimientos, Alcance, Gestión del tiempo, Riesgos, Factibilidad técnica y económica, Gestión de costos, Calidad, Recursos humanos.
4. Procesos de Ejecución.
5. Proceso de Control y Seguimiento.
6. Procesos de Cierre.

- Ver la página web del curso

Docentes a cargo: Ing. Nahuel Pelli

Temario:
1. Análisis estadístico de datos numéricos y categóricos.
2. Técnicas de visualización de datos.
3. Variables aleatorias y teoría de la información.
4. Datos e ingeniería de características.
5. Test estadísticos univariados.
6. Test estadísticos multivariados.
7. Reducción de la dimensión.

- Ver la página web del curso

Docentes a cargo: Esp. Ing. Facundo Lucianna

Temario:
1. Datos.
2. Entrenamiento, validación y testeo.
3. Validación cruzada.
4. Métricas.
5. Evaluación.
6. Regresión y clasificación.
7. Aprendizaje supervisado.
8. Árboles de decisión.
9. kNN.
10. Redes neuronales.

- Ver la página web del curso

Docentes a cargo: Dr. Marcos Maillot, Esp. Ing. Maximiliano Torti.

Temario:
1. Clasificación binaria.
2. Regresión.
3. Gradiente descendente.
4. Gradiente descendente estocástico.
5. Vectorización.
6. Funciones de activación.
7. Propagación de error.
8. Niveles.
9. Bloques básicos.

- Ver la página web del curso

Docentes a cargo: Ing. Maxim Dorogov.

Temario:
1. Imágenes.
2. Filtros.
3. Bordes y esquinas.
4. Transformada de Hough y Fourier.
5. Extracción de características.
6. Movimiento.
7. Seguimiento (Kalman y partículas).
8. Clasificación.
9. Detección.
10. Segmentación.

- Ver la página web del curso

Docentes a cargo: Esp. Ing. Alex Barría.

Temario:
1. Espacios en dimensión reducida.
2. Aprendizaje no supervisado.
3. Clusterización.
4. k-Means.
5. Reducción de dimensión.
6. Análisis de componentes principales.

- Ver la página web del curso

Docentes a cargo: Ing. Rodrigo Cárdenas.

Temario:
1. Bolsa de palabras.
2. N-grama.
3. TF-IDF.
4. Word2Vec.
5. Vectores de palabras (Glove, FastText).
6. Representación de oraciones.
7. Similaridad entre textos.
8. Seq2Seq.
9. BERT y ElMo.

- Ver la página web del curso

Docentes a cargo:  Ing. Juan Ignacio Cornet, Ing. Juan Ignacio Cavalieri, Dr. Seyed Pakdaman.

Temario:
1. Redes neuronales convolucionales.
2. Arquitecturas: ResNets, R-CNN, YOLO y UNet.
3. Redes neuronales recurrentes.
4. Descripción de imágenes.
5. Aplicaciones en la industria.

- Ver la página web del curso

Las propuestas varían en cada oportunidad.
En el siguiente link se pueden consultar las materias electivas.

- Ver cursos electivos

Docentes a cargo: Mg. Ing. Christian Yanez Flores, Mg. Ing. Matias Alvarez, Ing. Celeste Corominas, Ed. María Soledad Gomez, Dra. Ing. Mariela Videla, Esp. Ing. Pedro Rosito, Esp. Ing. Gabriel Gavinowich, Esp. Ing. Lionel Gutiérrez.

Temario:
Durante este curso de carácter obligatorio se elaborar la memoria del trabajo final de la carrera y su presentación pública.

- Ver la página web del curso