Mintic

Diplomado en Ingeniería de Machine Learning

Intensidad Horaria: 120 horas en sesiones de aprendizaje y 8 horas para evaluación de la modalidad de Trabajo de Grado a quienes optan por esta alternativa.

Tipo de Programa: Diplomado

Modalidad: Remoto

Objetivo General

Abordar conceptos y tópicos de Ingeniería de Soluciones Informáticas de Aprendizaje de Máquina o Machine Learning, enfocados en el diseño, construcción y despliegue de modelos en contextos de producción, desde la tarea de construir conjuntos de datos desde diferentes fuentes estructuradas y no estructuradas, hasta el despliegue y consumo de los modelos mediante servicios.

Calendario

Fecha de inicio SEMESTRE 2021-2: Septiembre a Noviembre de 2021. Martes y jueves / Miércoles y viernes de 06:00 p.m. a 09:00 p.m. y sábados de 08:00 a.m. a 12 m.

El inicio de la presente oferta, se encuentra sujeta al logro del cupo mínimo de participantes. Ni la publicación de esta oferta, ni el pago de matrícula por parte del interesado, obliga al ITM a abrir los programas sin el cupo mínimo exigido.

Las fechas y horarios indicados son tentativos, podrán variar antes de su inicio; lo cual, será informado de manera oportuna.

Dirigido a:

  • Estudiantes y Profesionales del sector de la Informática y las Ciencias de la Computación, con conocimientos previos en Analítica de Datos, Inteligencia Artificial, Machine Learning y Deep Learning, que deseen extender sus competencias y capacidades ahondando en aspectos técnicos y de ingeniería de Machine Learning en entornos productivos.

Si bien en el transcurso del diplomado se abordarán sesiones sobre conceptos básicos de Machine Learning, se requiere que de experiencia previa o estudio independiente por parte de los asistentes.

  • Estudiantes del siguiente programa de pregrado de la Facultad de Ingenierías del ITM, que deseen cumplir su requisito de trabajo de grado en la modalidad de certificación: Ingeniería de Sistemas.

Contenido

EJE TEMÁTICO 1: Modelos, arquitecturas y problemas en proyectos de Machine Learning (ML).

  • Identificar diversos tipos de problemas, sus tipos de datos y aproximaciones de solución mediante ML.

  • Reconocer las etapas del ciclo de vida de los proyectos de ML.

  • Conocer las diferentes prácticas de ingeniería de software según las diferentes etapas del ciclo de vida de proyectos de ML.

  • Analizar casos de estudio de proyectos de ML.

EJE TEMÁTICO 2: Recopilación de datos, construcción de conjuntos de datos e ingeniería de características.

  • Explorar la recolección de datos mediante Web Scrapping en el marco de un proyecto de ML.

  • Construir conjuntos de datos a partir de los datos recolectados.

  • Conocer metodologías y técnicas de etiquetado de datos.

  • Aplicar data-augmentation en el marco de proyectos de ML.

  • Analizar casos de estudio en proyectos de análisis de imágenes y de texto.

EJE TEMÁTICO 3: Construcción y entrenamiento de modelos de ML

  • Explorar el panorama de los diversos modelos de ML y sus aplicaciones en diversos escenarios.

  • Explorar el panorama de modelos de Deep Learning y sus aplicaciones en diversos escenarios.

  • Aplicar Grid-Search para encontrar combinaciones óptimas de parámetros.

  • Simplificar modelos de Deep Learning mediante poda.

EJE TEMÁTICO 4: Modelos pre-entrenados y transfer learning en proyectos de ML.

  • Aplicar transfer-learning y fine-tuning para disminuir tiempos de desarrollo.

  • Analizar casos de estudio de proyectos de ML de imágenes y texto.

  • Analizar el balance entre rendimiento y precisión de las aproximaciones basadas en modelos pre-entrenados.

EJE TEMÁTICO 5: Evaluación y ajuste de modelos de ML.

  • Identificar diversas técnicas y formas de evaluar modelos de ML tanto en offline como en online.

  • Medir el sesgo de un modelo de ML.

  • Realizar un análisis de la robustez de un modelo de ML.

EJE TEMÁTICO 6: Despliegue de modelos.

  • Construir contenedores de modelos de ML.

  • Realizar despliegues estáticos y dinámicos de modelos de ML.

  • Realizar despliegues de modelos de ML en servidores.

  • Consumir modelos de ML mediante servicios.

  • Actualizar modelos de ML.

Mayores Informes

Centro de Investigación y Extensión:
centrodeinvestigacionyextension@itm.edu.co

 

Dirección Operativa de Extensión Académica:
extensionacademica@itm.edu.co

INVERSIÓN

Público general: $1.680.000

Comunidad ITM (estudiantes, egresados, empleados, docentes): $1.260.000

Empleados adscritos al Municipio de Medellín y Comunidad Sinergia: $1.479.000

Grupos iguales o mayores a 5 personas: $1.596.000

Notas

1. La apertura de los Programas de Educación Continua – Modalidad VIRTUAL del ITM, está sujeta al logro del cupo mínimo de participantes necesarios que el Centro de Investigación y Extensión en conjunto con la Dirección Operativa de Extensión Académica, establecen. Ni la publicación de esta oferta, ni el pago de matrícula por parte del interesado, obliga al ITM a abrir los programas sin el cupo mínimo exigido.

2. La Dirección Operativa de Extensión Académica del ITM entrega Constancia de Asistencia para los Programas de Educación Continua, a quienes participen como mínimo, del 80% de la intensidad horaria programada.

3. Si usted desea cumplir su requisito de trabajo de grado en la modalidad de certificación, le agradecemos visitar el sitio WEB de la Facultad de Ingenierías, para mayor información al respecto de la misma o contactarse con el respectivo Jefe de Departamento al cual se encuentra adscrito su programa: https://www.itm.edu.co/facultades/facultad-de-ingenierias-17/modalidades-de-trabajo-de-grado-8/modalidades-2/

4. Los estudiantes de Ingeniería de Sistemas de la Facultad de Ingenierías del ITM que consideren la posibilidad de certificar el diplomado como modalidad de trabajo de grado, deben presentar una prueba adicional de certificación; la cual, será elaborada por los diseñadores del diplomado y las notas, serán reportadas mediante escrito al Comité de Trabajo de Grado y Comité Curricular respectivo para las gestiones pertinentes. La prueba será actualizada con cada cohorte según los temas trabajados.

5. El software utilizado para el desarrollo del diplomado es libre y su instalación y/o ejecución será abordada en el transcurso de este.

Solicitud de trámite de devolución de dinero

IMPORTANTE: el ITM realizará la devolución del dinero pagado por un curso, siempre y cuando se cumplan los siguientes requisitos:

  • Que el participante lo solicite antes de iniciar el programa de Educación Continua.
  • Que el ITM cancele el curso de Educación Continua por no alcanzar el mínimo de participantes o realice alguna modificación en la programación (horarios o sede) del mismo, que no permita la asistencia del usuario.

La solicitud de devolución de dinero deberá tramitarse en el formato FGF123; esta deberá ser entregada en el área de cartera o enviada a los correos  a los correos

auraosorio@itm.edu.co y

carteraitm@itm.edu.co.

Se informará la respuesta luego de 15 días hábiles. Descargar Formato FGF123 para la devolución de dinero.

Renata Ministerio de Educación Nacional Icfes Icetex Fodesep Colciencias Aseguradora Solidaria de Colombia Gobierno en linea