¿DE QUÉ SE TRATA?

Es un curso de capacitación profesional intensivo de 5 meses que permite que científicos de datos e ingenieros de software aprendan las habilidades específicas necesarias para trabajar en el creciente campo de la Inteligencia Artificial.

Los equipos de Inteligencia Artificial (IA) generalmente se enfocan en la construcción, optimización y escalado de algoritmos de Deep Learning que emulan las habilidades humanas básicas como visión, lenguaje, toma de decisiones y otras tareas tradicionalmente consideradas difíciles para una computadora.

Durante la cursada, aprenderás acerca de redes Convolucionales, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization y mucho más. Vas a trabajar en casos de estudio de medicina, automóviles autónomos, visión por computadora, generación de música y procesamiento del lenguaje natural. No sólo vas a dominar la teoría, también verás cómo se aplica en la industria. Vas a practicar todas estas ideas y técnicas en Python, usando Keras, y TensorFlow.

La IA está transformando múltiples industrias. Te vamos a ayudar a introducirte en el mundo del Deep Learning, entender cómo aplicarlo y construir una carrera en Inteligencia Artificial.  

 

A quién está dirigido el programa

Data scientist o científico cuantitativo
Con experiencia en investigación en un postdoc, doctorado, maestría o nivel de grado.
Software Engineer
Ingeniero de software que haya trabajado en machine learning, ya sea en un entorno académico, en su actual función profesional o mediante proyectos personales.

HABILIDADES Y TECNOLOGÍAS
QUE TRABAJARÁS DURANTE EL PROGRAMA

Introducción a Deep Learning con Keras

Fundamentos de Deep Learning

Entendé las principales tecnologías que sustentan a Deep Learning. Vas a ser capaz de construir, entrenar y aplicar redes neuronales fully connected. Comprender los parámetros principales en una arquitectura de red neuronal.

Ver más

Estructurando proyectos de Deep Learning y Mejores prácticas

Aprendé cómo construir proyectos de machine learning

Entendé cómo diagnosticar errores en un sistema de machine learning.
Aprendé configuraciones de machine learning complejas, tales como sets de training/test mal diseñados, y comparaciones con performance humana en ciertas disciplinas.
Entendé cómo diagnosticar errores en un sistema de machine learning.

Ver más

TensorFlow

Arquitecturas, optimización y detalles de implementación

Vas a poder ser capaz de usar efectivamente las técnicas comunes para redes neuronales, incluyendo la inicialización, L2, dropout regularization, batch normalization, gradient checking y más.
Vas a implementar y aplicar una variedad de algoritmos de optimización, tales como mini-batch gradient descent, Momentum, RMSprop and Adam, y evaluar su convergencia.
Vas a implementar una red neuronal en TensorFlow.

Ver más

Redes Neuronales Convolucionales

Aprendé a construir redes neuronales convolucionales y aplicarlas a datos de imágenes.

Vas a entender cómo aplicar redes convolucionales a tareas de detección y reconocimiento visual.
Vas a aprender cómo usar la técnica neural style transfer para generar arte visual.
Vas a aplicar estos algoritmos a una variedad de imágenes, video y otros datos 2D y 3D.

Ver más

Modelos Secuenciales

Construí modelos para lenguaje natural, audio y otros datos secuenciales

Vas a construir y entrenar Recurrent Neural Networks (RNNs), y variantes comúnmente usadas tales como GRUs y LSTMs.
Vas a ser capaz de aplicar modelos secuenciales a problemas de lenguaje natural, incluyendo síntesis de texto.
Vas a saber aplicar modelos secuenciales a aplicaciones de audio, incluyendo reconocimiento del habla y síntesis de música.

Ver más

Ingeniería de Deep Learning

Desarrollos, tećnicas y tecnologías más recientes

Vas a Investigarás el hardware que se está desarrollando para implementar deep learning.
Por último, vas a estudiar y experimentar con Distributed TensorFlow, TensorFlow Serving, Deploy en Cloud y Mobile, Hardware Específico y otros Frameworks para Deep Learning en Cloud.

Ver más

PROFESORES

MATÍAS ZABALJÁUREGUI

Coordinador de Data Science
Investigador y analista enfocado en infraestructura cloud y ciencia de datos. Analista Programador, Licenciado en Informática, Master en High Performance Computing y candidato a Doctor en Ciencias Informáticas. Matías es partner y Tech Lead en la agencia digital Zonda.

MATÍAS GRINBERG

Ayudante de Inteligencia Artificial y Data Science
Estudiante de Psicología con orientación en Neurociencias (U. Favaloro), complementado con estudios enInformática, y Data Science, para ser un investigador en el área de Neurociencias Computacionales. Músico.

Pablo Lorenzatto - Profesor Inteligencia Artificial en Digital House

PABLO LORENZATTO

Especialista en Digital House
Cuenta con amplia experiencia en la industria de Datos. Es Ingeniero en Sistemas de Información. Especializado en Explotación de Datos y Descubrimiento del Conocimiento, Data Mining.

COORDINADOR

“La Inteligencia Artificial está transformando múltiples industrias. En Digital House te vamos a ayudar a introducirte en el mundo del Deep Learning.”

Matías Zabaljauregi

Coordinador del Curso de Data Science

PROCESO DE INSCRIPCIÓN

La disponibilidad de vacantes es limitada y requiere de un proceso de admisión que calificará a cada postulante para obtener su lugar en el curso.

1

Pre-requisitos

1 año de experiencia programando, preferentemente en Python.
Conocimientos de Machine Learning, Probabilidad y Estadística, Cálculo y Álgebra Lineal.

2

Postulación

Completá la solicitud de inscripción.

3

Desafío

Resolvé un desafío nivelatorio que te daremos para entender tu forma de pensar y resolver situaciones.

4

Entrevista de Admisión

Acercate a última instancia de evaluación para convertirte en alumno de Digital House.

Horarios y aranceles

SEDE Belgrano

En noviembre aprovechá el 65% OFF sobre la matrícula y 12 cuotas sin interés con Todo Pago
Matrícula: $12.500 $4.375 + 12 cuotas de $4.667.
Turno
Inicio
Fin
Noche: 18.30 a 22.00 hs. 3 veces por semana - Lunes, Miércoles y Viernes.
05/03/2018
27/07/2018
Promoción especial hasta el 30 de noviembre

* Todas estas fechas están sujetas a modificaciones