Curso de IA Developer + Certificación IA Microsoft Azure
Información del curso
Curso
Semi-presencial
Barcelona
120 horas
Descripción
El objetivo del curso es aprender a construir un sistema capaz de recomendar artículos, productos o contenidos personalizados según las preferencias de los usuarios. Comparar modelos de Machine Learning locals con soluciones AutoML en Azure ML. Explorar técnicas de visualización para interpretar resultados. Aprender a desplegar y monitorizar modelos en Azure AI Services. Posibles Aplicaciones recomendación de películas según valoración de usuarios, sistema de sugerencias para una tienda online, filtrado de contenidos personalizados en una plataforma educativa, etc...
Temario
Fundamentos de IA
- Historia y evolución de la IA
- Tipos de inteligencia artificial: IA débil vs. IA fuerte
- Aprendizaje supervisado, no supervisado y por refuerzo
- Algoritmos más usados (regresión, KNN, Random forest)
- Fundamentos matemáticos: álgebra lineal, cálculo y probabilidad
- Python para IA: Numpy, Pandas, Matplotlib
- Introducción a los servicios de Azure AI Service
- Conceptos de IA en la nube y comparación con On-Premises
- Diferencias entre machine learning estándar y Automl en Cloud
- Práctica: implementación de un modelo simple
- De regresión lineal en Python
- Práctica: datos con Matplotlib y Seaborn
- Práctica: simulación de un problema
- Evaluación teórico / práctica
- Data Science y el papel del Data Scientist
- Tipos de datos y su estructura
- Pre-procesamiento y limpieza de datos
- Gestión de valores nulos y atípicos
- Estandarización y normalización
- Práctica: análisis y limpieza de un Dataset con Pandas y Scikit-learn
- Práctica: eliminación de valores atípicos y imputación de valores nulos
- Evaluación teórico / práctica
- Regresión (lineal y logística)
- Clasificación: KNN, Random Forest, SVM
- Clustering: K-Means, Dbscan
- Overfitting y técnicas de validación cruzada
- Cómo elegir modelos para entornos Cloud
- Comparación costes y rendimiento en Azure ML
- Práctica: aplicación de regresión lineal para predecir precios de viviendas
- Práctica: construcción de un modelo de clasificación con Random Forest
- Práctica: implementación de clustering con kmeans
- Evaluación teórico / práctica
- Herramientas de visualización: Matplotlib, Seaborn
- Métricas de rendimiento: Accuracy, Precision, Recall
- Overfitting y sesgos en los modelos
- Práctica: creación de gráficos de error y precisión
- Práctica: análisis de un modelo y optimización
- Evaluación teórico / práctica
- SQL para machine learning
- Bases de datos NOSQL y aplicación a IA
- Crud con Python y bases de datos
- Práctica: creación y manipulación de una base
- De datos con SQLITE y MONGODB
- Evaluación teórico / práctica
- Introducción a Azure AI Services
- ¿Qué es Azure AI? Principales herramientas
- Diferencias entre inferencia en local y en la nube
- Azure machine learning
- Entrenamientos de modelos en AML
- Gestión de datasets y feature engineering en la nube
- Despliegue y mantenimiento de modelos
- Optimización de costos en Cloud AI
- Monitorización y detección de sesgos con Azure AI Responsible ML
- Infraestructura de IA en Cloud
- Machine learning pipelines en Azure
- Seguridad y gobernanza en entornos de IA
- Práctica: creación de un modelo en Azure
- Machine learning
- Práctica: experimentación con inferencia en tiempo real
- Práctica: comparación entre inferencia local vs. inferencia cloud
- Práctica: análisis de costos e impacto en AUTOML
- Evaluación teórico / práctica
- ¿Qué es AUTOML?
- Plataformas: Google AUTOML, H2O.AI, Autosklearn
- Comparativa entre AUTOML y modelos manuales
- Seguridad y gobernanza de modelos en producción
- Riesgos de seguridad y sesgos en Cloud AI
- Práctica: análisis de sesgos en un Dataset Real
- Práctica: entrenamiento de un modelo con Google AUTOML
- Práctica: comparación con un modelo hecho a mano
- Evaluación teórico / práctica
- Simulación de examen
- Revisión y repaso de conceptos clave
- Certificación
Requisitos
Imprescindible tener conocimientos de programación en lenguaje PYTHON. Recomendable, nociones de SQL.
Metodología
Todos los cursos emplean una metodología teórico-práctica para asentar los conceptos a través de un proyecto transversal de aplicación de contenidos aprendidos desde el primer día. La metodología de impartición será mixta con profesor: en sesiones presenciales en Barcelona combinadas con Aula Virtual en plataforma propia.
Alguna de la tecnología aplicada serán Python 3.x como lenguaje de programación, Scikit-learn como Algoritmos de Machine Learning, Pandas, NumPy para Manipulación y preprocesamiento de datos, Matplotlib/Seaborn para visualización de resultados, Streamlit/Tableau para la creación de dashboards interactivos, SQLite/PostgreSQL para el almacenamiento de recomendaciones, Azure Machine Learning Studio para entrenamiento y desplegamiento en la nube, Azure Cognitive Services para mejorar recomendaciones mediante análisis de sentim
Duración
La duración es de 120 horas.
Fecha inicio: 08 de mayo 2025.
Fecha Fin: 26 julio 2025.
Horario
Jueves aula virtual de 16:30 a 20:30.
Viernes presencial de 17:00 a 20:00.
Sábado: aula virtual-workshop de 10:00 a 13:00.
Curso de IA Developer + Certificación IA Microsoft Azure
CEPI-BASE
Campus y sedes: CEPI-BASE
CEPI-BASE
C/ Balmes, 114 bajos
08008
Barcelona
Cursos más populares
Temas relacionados