Certificación Profesional en Inteligencia Artificial para la Industria
PRECIO
$1,190,000
$1,190,000
FECHA DE INICIO
20/10/2025
MODALIDAD
Virtual
Realizar consulta
$1,190,000
20/10/2025
Virtual
La Inteligencia Artificial se ha vuelto central en la transformación digital de la industria. Hoy, las empresas utilizan soluciones de IA para analizar datos en tiempo real, predecir fallos en la maquinaria y optimizar procesos productivos. Este avance mejora la eficiencia y la calidad, aunque también trae retos en su implementación y gestión. Por ello, es fundamental capacitar a los profesionales para que puedan liderar y ejecutar proyectos de IA que fortalezcan la competitividad de las operaciones.
Al finalizar este programa, los participantes podrán:
Este programa está diseñado para profesionales del sector industrial, incluidos ingenieros, gerentes de planta, y líderes de proyecto que deseen adquirir los conocimientos necesarios para entender cómo integrar soluciones de IA en sus operaciones. Los participantes ideales son aquellos interesados en tecnología y mejora continua, con motivación para aplicar la IA en la solución de problemas complejos de la industria.
Durante este programa, se combinarán clases virtuales con actividades asincrónicas. Los encuentros sincrónicos estarán dedicados al desarrollo de contenido teórico, presentación de estudios de caso, y trabajos prácticos en grupo. De forma asincrónica, se asignarán lecturas, cuestionarios, y ejercicios prácticos que los estudiantes deberán completar para reforzar lo trabajado en clase. Además, se desarrollará un proyecto final que permitirá a los participantes aplicar de manera concreta los conocimientos adquiridos.
No se requieren conocimientos previos de programación, aunque se recomienda tener una comprensión básica de procesos industriales y estar abierto a la adopción de nuevas tecnologías. Se recomienda un nivel de inglés intermedio para la lectura de materiales complementarios.
● Introducción a los principios básicos de la Inteligencia Artificial (IA) y el Aprendizaje Automático (Machine Learning).
● Tipos de IA: predictiva, generativa, débil y general.
● Aplicaciones estratégicas de la IA en la industria.
● La importancia de los datos propios como ventaja estratégica.
● Principios de gestión de datos (data management) para IA
● Procesos clave: entrenamiento de modelos e inferencia.
● Funcionamiento y capacidades de los LLMs: fortalezas y limitaciones.
● Evaluación crítica: riesgos, sesgos, alucinaciones y gobernanza.
● Prompt Engineering: técnicas para formular instrucciones efectivas.
● RAG (Retrieval-Augmented Generation): integración efectiva con conocimiento interno.
● Fine-tuning: personalización de modelos con datos específicos.
● Agentes autónomos y modelos razonadores: automatización de flujos de trabajo, uso de herramientas y memoria contextual.
● Conceptos esenciales del aprendizaje automático.
● Principales algoritmos y aplicaciones.
● Aplicación de la IA para mantenimiento predictivo en entornos industriales.
● Herramientas y algoritmos para anticipar fallas y optimizar recursos.
● Uso de IA en sistemas de control de calidad.
● Modelos específicos para la detección de defectos, clasificación y monitoreo en procesos productivos.
● Cómo preparar a las organizaciones para adoptar IA: transformación cultural, desarrollo organizacional y estrategia de negocio.
● Transición del enfoque "+IA" (tecnología que complementa procesos humanos) hacia "IA+" (procesos liderados por IA con supervisión humana).
● Impacto de la IA en el empleo.
● Curva de generación de valor a partir de la IA.
Asistencia igual o superior al 75%. Realización y aprobación de trabajos prácticos. Realización, aprobación y exposición de Trabajo Final Integrador.
Científico de datos con amplia experiencia en el desarrollo de soluciones basadas en inteligencia artificial y análisis de datos para la toma de decisiones. Especializado en procesamiento de lenguaje natural, machine learning y deep learning, con un enfoque en la automatización del análisis de información y generación de conocimiento. Trabajó en la industria, en el ámbito académico, en organismos internacionales y en la administración pública, liderando proyectos de modelado de datos, desarrollo de agentes inteligentes y diseño de estrategias basadas en evidencia.