Curso de Programación Python con Inteligencia Artificial, Machine Learning y Deep Learning
Información del curso
Descripción
¿Te imaginas enseñarle a una máquina a reconocer caras, predecir resultados o incluso escribir como una persona? En el Curso de programación Python con Inteligencia Artificial, Machine Learning y Deep Learning aprenderás a programar con Python y a usarlo para crear tus propios sistemas de Inteligencia Artificial, aunque nunca hayas tocado una línea de código.
Empezarás desde lo más básico, y paso a paso te adentrarás en el mundo del Machine Learning y el Deep Learning, dos ramas de la IA que están cambiando el mundo. Verás cómo funcionan los algoritmos que aprenden solos, cómo se entrenan redes neuronales y cómo aplicarlo todo a proyectos reales.
Temario
Python
1. Python, el Nuevo Desconocido
- Glosario de términos
- Presentación de Python
- ¿Por qué escoger Python?
- Entornos y desarrollo
- Tipos de datos básicos
- Operadores de Python
- Entrada y salida
- Control de flujo. Estructuras de decisión y estructuras de recepción
- Tipos de datos avanzados
- Funciones
- Módulos y paquetes
- Metodología basada en objetos
- Clases, objetos, atributos y métodos
- Practicando con clases y objetos
- Herencia & poliformismo
- Interfaces, Abstract Base Class & Subclases
- Datos temporales
- Generadores y cierres
- Gestión de excepciones
- Archivos
- JSON
- Pandas
- Numpy
- Matplotlib
- Introducción patrones de diseño
- Creación de un aeropuerto
- Control de versiones
- Comandos de Git y ramas
- Uso de GitHub
Creación de APIs con Django y Flask
1. Fundamentos y Desarrollo de APIs con Flask
- Introducción a las APIs
- Uso de librerías en Python
- Comunicación a través de APIs
- Introducción a Django
- Desarrollo con Django Rest Framework
- Introducción a la IA y LLM
- Uso de LLM en la Nube
Inteligencia Artificial
1. Historia y Fundamentos de la IA
- Introducción al a Inteligencia Artificial
- Conceptos fundamentales de la IA
- Introducción a los Modelos Generativos
- Introducción a GPT (Generative Pre-trained Transformer)
- GPT-4
- Fundamentos del Prompt Engineering
- Técnicas de Prompt Engineering
- Optimización de Prompts
- Servicios Cognitivos. Introducción
- Servicios Cognitivos en Azure
- Aplicaciones de la IA en la industria
- IA en el día a día
- Desarrollos actuales y Futuros en IA
- Inteligencia Artificial y Sociedad
Machine Learning
1. Introducción al Machine Learning
- Introducción al Big Data y Machine Learning
- Librerías numéricas de Python y Scikit-learn
- Preprocesamiento de datos
- Introducción a los modelos de aprendizaje supervisado
- Modelos de Regresión
- Modelos de clasificación
- Introducción al aprendizaje no supervisado
- Machine Learning en la nube
- Machine Learning sin código
Deep Learning
1. Fundamentos de Deep Learning
- Introducción al Deep Learning
- Redes Neuronales Artificiales
- Herramientas y librerías
- Redes Neuronales Convolucionales (CNN)
- Redes Neuronales Recurrentes (RNN)
- Modelos Avanzados de Deep Learning
- Preparación y preprocesamiento de datos
- Entrenamiento de modelos
- Evaluación y mejora de modelos
- Implementación de Modelos en Producción
- Deep Learning en la Nube
- Tendencias actuales en Deep Learning
- Desafíos y oportunidades futuras
Requisitos
Metodología
En Escuela Musk aprenderás practicando, con ejercicios y proyectos desde el primer día, para que salgas con conocimientos reales y un portfolio que hable por ti.
Escuela Musk apuesta por una metodología 100 % práctica y enfocada en aprender haciendo. Desde el primer día, el alumnado trabaja en proyectos reales que le permiten aplicar lo aprendido de forma inmediata.
Objetivos
- Aprender a programar desde cero con Python.
- Desarrollar una base sólida en programación orientada a objetos.
- Manipular y analizar datos de forma eficiente.
- Crear y gestionar repositorios con Git y GitHub.
- Diseñar y construir APIs con Flask y Django.
- Comprender los fundamentos de la Inteligencia Artificial.
- Aplicar técnicas de Machine Learning.
- Explorar el Deep Learning.
- Dominar el uso de Modelos Generativos como GPT-4.
- Integrar servicios cognitivos y herramientas en la nube.
- Trabajar en proyectos prácticos y guiados.
- Desarrollar un portfolio profesional de proyectos.
Prácticas
Escuela MUSK dispone de acuerdos con empresas punteras del sector tech que te garantizan entre 60 y 300 horas de prácticas profesionales durante tu formación.
Perspectivas laborales
Al finalizar, estarás capacitado para trabajar como programador Python, desarrollador de APIs o data analyst junior. También podrás iniciarte como especialista en inteligencia artificial, machine learning o deep learning.
Cada vez más empresas y startups buscan perfiles con estas habilidades para crear soluciones inteligentes, automatizar procesos y analizar grandes volúmenes de datos. Además, contarás con un portfolio de proyectos prácticos que te abrirá puertas tanto en el mundo laboral como en futuros proyectos personales o emprendedores.
Bolsa de empleo
Accede a ofertas laborales exclusivas gracias a la bolsa de empleo de Escuela Musk y a sus convenios con las principales reclutadoras Tech (Glassdoor, Hub Talent, SET Europa,...).
Profesorado
En Escuela Musk cada paso del camino está acompañado por mentores que guían, corrigen y motivan.
Tipo de evaluación
Contarás con un seguimiento continuo y personalizado a través del cual obtendrás feedback sobre los diferentes proyectos que irás realizando a lo largo del curso y que serán fundamentales para la superación del mismo.
