Modalidad: A distancia.

Objetivo General

Proporcionar a los estudiantes una comprensión sólida y práctica de la programación en Python, cubriendo desde los conceptos básicos hasta las estructuras de datos y la programación orientada a objetos.

Objetivos específicos

• Entender las principales características y ventajas de Python.
• Conocer los diferentes tipos y estructuras de datos en Python.
• Utilizar estructuras de control para manipular el flujo de un programa.
• Definir sus propias funciones y clases para organizar y optimizar el código.

Dirigido a

Este curso está dirigido a personas de cualquier disciplina que deseen adquirir habilidades básicas en programación utilizando Python. No se requieren conocimientos previos en programación, por lo que es adecuado para principiantes. El curso también es ideal para aquellas personas que planean especializarse en análisis y visualización de datos, ya que proporciona una base sólida en Python, un lenguaje ampliamente utilizado en estos campos.

Esquema Curricular

Calendarización y Costo

Consultar Educación Continua: Oferta Educativa | Primer Semestre 2024.pdf

Contenido

1. Introducción a Python
   
   • Características
   • Instalación y preparación del ambiente de desarrollo
2. Tipos de datos
   • Números
   • Cadenas
3. Colecciones de Datos
   • Listas
   • Diccionarios
   • Tuplas
   • Archivos
4. Estructuras de Control
   • Expresiones y Asignación
   • Condicionales
   • Sentencias iterativas
5. Funciones, Módulos y Paquetes
6. Programación Orientada a Objetos

Registro de Candidatos

Completar el formulario de registro.(https://forms.gle/wKmPnoWm2vnqw6z48).

Informes

Modalidad: A distancia.

Objetivo General

Introducir al participante a la programación de algoritmos de visión computacional o procesamiento de imágenes utilizando el lenguaje de programación Python y herramientas de código abierto.

Objetivos específicos

Al finalizar el curso el participante conocerá como:

• Programar aplicaciones básicas de visión computacionales con la biblioteca OpenCV.
• Procesar y visualizar imágenes y video en Python.
• Implementar soluciones sencillas basadas en modelos de visión computacional a problemas reales.

Dirigido a

El curso está dirigido a profesionistas que tengan interés por aprender los fundamentos del desarrollo de aplicaciones de visión computacional. El curso es de carácter introductorio orientado a aquellos estudiantes con poca experiencia en programación y sin fundamentos previos de visión computacional.

Esquema Curricular

Calendarización y Costo

Consultar Educación Continua: Oferta Educativa | Primer Semestre 2024.pdf

Contenido

• Introducción.
• Herramientas de programación: openCV.
• Aspectos básicos de manipulación de imágenes y video.
• Transformaciones geométricas y de valor en imágenes.
• Segmentación de imágenes y caracterización de formas.
• Detección de bordes y parametrización de líneas y círculos.
• Detección y representación de rasgos en imágenes.
• Registro de imágenes.

Registro de Candidatos

Completar el formulario de registro.(https://forms.gle/wKmPnoWm2vnqw6z48).

Informes

Modalidad: A distancia.

Objetivo General

Proveer al participante las herramientas necesarias para desplegar en un servidor local o en la nube aplicaciones de aprendizaje automático.

Objetivos específicos

El participante:

• Guardar y cargar el modelo
• Entornos virtuales de Python con Pipenv y Conda
• Instalación y uso the VS Code (IDE)
• Python Web Frameworks (Streamlit)
• Servicios Web con Flask
• Gestión de Entornos con Docker
• Despliegue en la Nube con AWS Elastic Beanstalk
• Introducción a Serverless
• AWS Lambda

Dirigido a

Profesionistas con conocimientos en la programación de modelos o algoritmos de aprendizaje automático que requieren crear aplicaciones que provean servicios de inteligencia artificial en un servidor.

Esquema Curricular

Calendarización y Costo

Consultar Educación Continua: Oferta Educativa | Primer Semestre 2024.pdf

Contenido

1. Despliegue del Modelo de ML localmente con Streamlit
   • Introducción a Streamlit y construcción de aplicaciones básicas.
   • Características avanzadas de diseño e interactividad.
   • Integración de modelos de aprendizaje automático complejos.
   • Mejores prácticas para la optimización del rendimiento y despliegue.
2. Despliegue del Modelo de ML como una API Usando Flask
   • Introducción a Flask y la creación de RESTful API
   • Diseñar una API de Flask robusta con funcionalidad completa de endpoints.
   • Implementar medidas de seguridad adicionales y limitación de tasa.
3. Contenerización Usando Docker
   • Explorar en detalle las opciones de red y almacenamiento de Docker.
   • Aprender sobre Docker Compose para orquestar aplicaciones de múltiples contenedores.
4. Despliegue en la Nube
   • Explorar servicios adicionales de AWS relevantes para el despliegue de ML.
   • Ejercicios prácticos sobre gestión y auto-escalado de aplicaciones desplegadas.
   • Estrategias avanzadas de despliegue en AWS Lambda y Elastic Beanstalk.

Registro de Candidatos

Completar el formulario de registro.(https://forms.gle/wKmPnoWm2vnqw6z48).

Informes

Modalidad: A distancia.

Objetivo General

Introducir al participante a la programación de algoritmos de aprendizaje automático utilizando el lenguaje de programación Python y herramientas de código abierto.

Objetivos específicos

Al finalizar el curso el participante conocerá como:

• Programar aplicaciones de aprendizaje automático en ambientes colaborativos.
• Preparar y visualizar bases de datos para extraer la mayor y mejor información posible.
• Implementar soluciones basadas en modelos de aprendizaje automático a problemas reales.
• Evaluar diferentes modelos utilizando las herramientas adecuadas.

Dirigido a

El curso está dirigido a profesionistas que tengan interés por aprender o reforzar sus conocimientos en los fundamentos del desarrollo de aplicaciones de aprendizaje automático. El curso es de carácter introductorio orientado a aquellos estudiantes con poca experiencia en programación y sin fundamentos previos de aprendizaje automático. El curso lleva al estudiante en un proceso de aprendizaje incremental desde la manipulación de bases de datos, su procesamiento, visualización y análisis, hasta finalmente construir soluciones a problemas reales utilizando redes neuronales multicapa.

Esquema Curricular

Calendarización y Costo

Consultar Educación Continua: Oferta Educativa | Primer Semestre 2024.pdf

Contenido

• Introducción al aprendizaje automático.
• Ambientes de programación Web: Jupyter notebook y Google Colab.
• Preparación de los datos (recopilación, limpieza, estructuración, transformación, enriquecimiento y validación)
• Reducción de la dimensionalidad de los datos.
• Visualización estática, animada, interactiva y estadística, dashboards.
• Redes neuronales multicapa para regresión y clasificación con Scikit-learn.
• Evaluación y selección del modelo: métricas, validación cruzada, curvas de validación, ajuste de parámetros.

Registro de Candidatos

Completar el formulario de registro.(https://forms.gle/wKmPnoWm2vnqw6z48).

Informes