Inteligencia artificial aplicada a la ingeniería: del machine learning al chatgpt

Objetivo

Aplicar algoritmos y modelos de Machine Learning para el análisis y procesamiento de datos, incluyendo imágenes, para aportar valor a los cálculos, trabajos y proyectos de ingeniería.

Contenidos

Programa formativo

• OBJETIVO Diseñar y desarrollar aplicaciones y proyectos de ingeniería utilizando técnicas de Inteligencia Artificial (IA) Teleformación: Duración de las tutorías presenciales: 0 horas
• DURACIÓN: 60 horas
• RESULTADOS DE APRENDIZAJE
• MÓDULO DE FORMACIÓN 1: INTRODUCCIÓN A LA IA: DESARROLLO DE PROYECTOS Y CASOS DE USO Conocimientos / Capacidades cognitivas y prácticas
• • Introducción general a la Inteligencia Artificial (IA) y a Machine Learning (ML) Definición de IA y ML Paradigmas en la IA Clasificación de la IA Historia de la IA Página 7
• Habilidades de gestión, personales y sociales
• • Capacidad para planificar, organizar y coordinar diferentes etapas y recursos, así como establecer plazos, asignar tareas, gestionar riesgos y supervisar el progreso general relacionados con IA
• • Desarrollo de habilidades de resolución de problemas, de capacidad de análisis de situaciones, de identificación de obstáculos para proponer soluciones creativas utilizando técnicas de IA.
• • Valoración de la importancia de desarrollar un pensamiento crítico para analizar información, considerar diferentes perspectivas y tomar decisiones informadas basadas en evidencia y análisis.
• • Concienciación de la necesidad de la formación permanente y a los avances y cambios tecnológicos, estando abiertos a la adquisición de nuevos conocimientos y técnicas a medida que la IA evolucione.
• • Concienciación del valor de transmitir la información técnica de manera clara y comprensible, en el momento adecuado, utilizando lenguaje estandarizado, según protocolos y acuerdos establecidos con equipos multidisciplinares.
• • Uso de habilidades de comunicación y empatía para colaborar de manera efectiva con personas trabajadoras de diferentes campos aprovechando las fortalezas individuales y grupales para lograr los objetivos del proyecto.
• • Demostración de una actitud responsable y ética en el desarrollo y aplicación de proyectos de IA. Casos de uso en ingeniería Grandes actores del mercado
• • Desarrollo de Proyectos IA/ML IA y ML en la estrategia de la empresa Metodología de desarrollo de proyectos IA/ML Organización de proyectos Problemas detectados Factores de éxito Página 8
• OBJETIVO Aplicar de manera efectiva técnicas de aprendizaje automático (Machine Learning) y redes generativas (ChatGPT) en diversos campos y aplicaciones de la ingeniería. Teleformación: Duración de las tutorías presenciales: 0 horas
• DURACIÓN: 90 horas
• RESULTADOS DE APRENDIZAJE
• Habilidades de gestión, personales y sociales
• • Capacidad para planificar, organizar y coordinar diferentes etapas y recursos, así como establecer plazos, asignar tareas, gestionar riesgos y supervisar el progreso general de proyectos relacionados con Machine Learning
• • Valoración de la importancia de desarrollar un pensamiento crítico para evaluar diferentes enfoques y algoritmos, así como a identificar y superar obstáculos en el proceso de desarrollo y aplicación de modelos, proponiendo soluciones a los problemas que surjan mediante técnicas de Machine Learning y redes generativas
• • Concienciación de la necesidad de la formación permanente y la adaptabilidad a los avances y cambios tecnológicos estando abiertos a la adquisición de nuevos conocimientos y técnicas a medida que evolucione la tecnología de Machine
• MÓDULO DE FORMACIÓN 2: MACHINE LEARNING Y REDES GENERATIVAS EN LA PRÁCTICA Conocimientos / Capacidades cognitivas y prácticas
• • Conocimiento del Aprendizaje Supervisado en Machine Learning Introducción Clasificación con Árboles de Decisión Regresión con Árboles de Decisión Regresión con Regresión Lineal Regresión con Regresión Logística Regresión y Clasificación con Ensembles Regresión y Clasificación con Redes Neuronales Evaluación de los modelos Conocimiento del Aprendizaje no Supervisado en Machine Learning Clusterización Detección de Anomalías Descubrimiento de Asociaciones Modelado de Tópicos Página 9 Learning y redes generativas
• • Concienciación del valor de transmitir la información técnica de manera clara y comprensible, en el momento adecuado, utilizando lenguaje estandarizado, según protocolos y acuerdos establecidos con equipos multidisciplinares.
• • Uso de habilidades de comunicación y empatía para colaborar de manera efectiva con personas trabajadoras de diferentes campos, aprovechando las fortalezas individuales y grupales para lograr los objetivos del proyecto. La evaluación tendrá un carácter teórico-práctico y se realizará de forma sistemática y continua, durante el desarrollo de cada módulo y al final del curso. •

Modalidad y duración

Teleformación · 150 horas

Diploma

Diploma acreditativo, según establece el artículo 7 del Real Decreto 694/2017 de 3 de julio por el que se desarrolla la Ley 30/2015 de 9 de septiembre, por la que se regula el Sistema de Formación Profesional para el Empleo en el ámbito laboral.