CURSO Inteligencia Artificial y Machine Learning Aplicado a Ingeniería
Desarrolla soluciones con IA y Machine Learning: implementa modelos predictivos, redes neuronales y proyectos de innovación aplicados a tu área de ingeniería.
40 HORAS
06 JUN 2026
EN LÍNEA
Logros formativos
Implementación de modelos de ML: Diseña, entrena y evalúa modelos de Machine Learning aplicados a problemas reales de ingeniería usando Python y Scikit-learn.
Deep Learning aplicado:Construye redes neuronales con TensorFlow/Keras para el procesamiento de datos técnicos como imágenes, señales o series temporales.
IA responsable e innovación: Aplica principios éticos y de privacidad en el desarrollo de soluciones de IA, identificando oportunidades de innovación en su área profesional.
- 06 de junio al 05 de julio del 2026
- Sábado y Domingo de 08h30 -12h30
- En línea
-
Inversión:
- Público general: $60,00
- Comunidad UTI: $54,00
- Alumni: $54,00
CERTIFICACIÓN:
Al finalizar el programa, el participante debe cumplir con el 80% de asistencia, aprobar las evaluaciones prácticas de cada módulo y sustentar el proyecto final para obtener su Certificado de Aprobación digital emitido por la Universidad Tecnológica Indoamérica.
RECURSOS Y MATERIALES:
Google Colab, Python 3.x, Jupyter Notebook, TensorFlow, Keras, Scikit-learn, NumPy, Pandas, Matplotlib, Aula Virtual UTI (Moodle), Microsoft Teams para sesiones sincrónicas, Kaggle Datasets.
Docente
PhD. Sergio Raúl Montes León
-Doctor en Tecnologías de la Información y las Comunicaciones por la Universidad Rey Juan Carlos de Madrid
-Magister en Ingeniería de Software
-Máster Universitario en Software libre
Experiencia de docencia universitaria desde el 2013 al 2022 en instituciones de educación superior de prestigio en Ecuador. Universidad de las Fuerzas Armadas ESPE, Universidad Tecnológica Indoamérica, Universidad Técnica de Ambato; en Carreras de Ingeniería de Software, Mecatrónica y Sistemas Computacionales e Informática. Actualmente es Docente de la Universidad Rey Juan Carlos de Madrid
METODOLOGÍA:
Aprendizaje basado en proyectos (ABP) con práctica intensiva en Google Colab y laboratorios Virtuales. Las sesiones incluyen práctica guiada con datasets reales. Las sesiones virtuales comprenden actividades asíncronas y foros de análisis. Cada módulo culmina con un entregable práctico evaluado.
APROBACIÓN:
- Cumplir con mínimo el 80% de asistencia a las sesiones del programa.
- Aprobar las evaluaciones prácticas de cada módulo con un mínimo del 70%.
- Desarrollar, desplegar y sustentar el proyecto final de IA ante el instructor.
Descripción
Programa de actualización profesional que desarrolla competencias prácticas en Inteligencia Artificial y Machine Learning para graduados de Ingeniería. A través de un enfoque basado en proyectos, los participantes aprenden a implementar algoritmos de aprendizaje automático, redes neuronales y modelos de IA generativa, aplicando estas tecnologías a problemas reales de su entorno profesional.
Contenidos
Fundamentos de IA y Machine Learning
- Conceptos de IA, ML y Deep Learning: diferencias y aplicaciones
Ecosistema de herramientas: Python, NumPy, Pandas y Scikit-learn. - Tipos de aprendizaje: supervisado, no supervisado y por refuerzo.
- Preparación y preprocesamiento de datos para modelos de ML
Algoritmos de ML Supervisado y No Supervisado
- Regresión lineal y logística: implementación con Scikit-learn.
- Árboles de decisión, Random Forest y SVM.
- Clustering: K-Means y DBSCAN aplicados a datos de ingeniería.
- Evaluación de modelos: métricas, validación cruzada y overfitting.
Redes Neuronales y Deep Learning
- Arquitectura de redes neuronales artificiales (ANN).
- Redes convolucionales (CNN) para procesamiento de imágenes y señales.
- Implementación con TensorFlow y Keras en Google Colab.
- Casos de uso en ingeniería: detección de fallas, visión artificial
IA Generativa y Procesamiento de Lenguaje Natural
- Introducción a modelos LLM (GPT, Llama) y su funcionamiento.
- APIs de IA generativa: integración y uso en flujos de trabajo.
- Procesamiento de Lenguaje Natural (NLP): análisis de texto y sentimientos.
- Automatización de tareas técnicas con IA generativa
Proyecto final de IA
- Mediación en materia Laboral, Civil y Familiar.
- Catálogo de asuntos transigibles según la normativa vigente.
- Particularidades de la mediación en conflictos tributarios.
- Registro de centros de mediación y funcionamiento institucional.
Ética en IA, Privacidad y Regulación
- Principios de IA responsable y sesgo algorítmico.
- Protección de datos personales: GDPR y normativa ecuatoriana.
- Transparencia e interpretabilidad de modelos (XAI).
- Tendencias y futuro de la IA en el contexto de la ingeniería
Contáctenos
Wilson Peñaherrera
- 098 706 9339
