Certificado
Recibirás un certificado digital al aprobar el curso.
20 horas · 100% online · certificado
Big Data e IA en el municipio
Entender los conceptos clave en la gestión de datos. Valorar las plataformas open source y licenciadas para la gestión, almacenamiento y analítica de datos. Gestionar los datos relativos a seguridad y movilidad ciudadana y conocer en qué…
INSCRIPCIÓN ONLINE
$110.000
Hasta 12 cuotas con Mercado Pago
20 horas · 100% online · certificado
¿Lo toma tu empresa? Lo puedes pagar con tu franquicia SENCE.
Certificado al terminar
Sobre el curso
Big Data e IA en el municipio es un curso online asincrónico de 20 horas cuyo objetivo es Entender los conceptos clave en la gestión de datos. Valorar las plataformas open source y licenciadas para la gestión, almacenamiento y analítica de datos. Gestionar los datos relativos a seguridad y movilidad ciudadana y conocer en qué consisten las técnicas de análisis de imágenes en tiempo real y reconocimiento facial. Comprender qué es la inteligencia artificial y sus vertientes como Machine Learning, Deep Learning, ChatGPT o técnicas de Procesamiento Natural del Lenguaje. Entrenar modelos de datos y la depuración y estadística clave para ello. Evaluar el rendimiento de los modelos de Machine learning. Comprender los algoritmos más utilizados en Machine Learning tanto para casos de clasificación, regresión o clusterización. Diseñar y modelar soluciones de inteligencia artificial.
El programa está organizado en 5 módulos y desarrolla los contenidos de manera progresiva, combinando fundamentos, aplicaciones y criterios prácticos relacionados con la temática del curso.
Lo que aprenderás
- Entender que es una ciudad inteligente y el BigData. Profundizar en conceptos de gestión de datos. Entender los enfoque Data Warehouse y Data Lake para el almacenamiento de datos. Conocer las diferentes plataformas Open Source y licenciadas y los parámetros clave.
- Comprender cómo realizar el análisis de imágenes. Entender las técnicas de reconocimiento facial. Profundizar en la gestión del tráfico de vehículos, personas y aparcamientos.
- Conocer las diferencias entre machine learning, inteligencia artificial y deep learning. Entender las diferentes vertientes de la inteligencia artificial. Diferenciar entre aprendizaje supervisado y no supervisado. Comprender las redes neuronales convolucionales enfocadas en imágenes. Detallar qué es el NLP, semántica IA y ChatGPT así como sus aplicaciones.
- Entender conceptos clave en la depuración de datos para poder entrenar algoritmos de inteligencia artificial. Evaluar rendimiento de modelos de inteligencia artificial.
- Profundizar en los algoritmos de inteligencia artificial. Diseñar y modelar soluciones de inteligencia artificial.
Contenido del curso
Módulo 1: Introducción y contexto de la gestión del dato en municipios
4 h 30 min
Objetivo: Entender que es una ciudad inteligente y el BigData. Profundizar en conceptos de gestión de datos. Entender los enfoque Data Warehouse y Data Lake para el almacenamiento de datos. Conocer las diferentes plataformas Open Source y licenciadas y los parámetros clave.
- ¿Qué una ciudad inteligente (Smart city)?
- ¿Qué características tiene una ciudad inteligente?
- ¿Qué es el BigData?
- Conceptos clave en la gestión de los datos
- Proceso de gestión de datos
- Sistemas de gestión de bases de datos
- Extracción, analítica y almacenamiento de datos
- Plataformas open-source y licenciadas más extendidas
- Plataformas Open Source
- Plataformas licenciadas
- Plataforma Snowflake – Arquitectura
- Plataforma Snowflake – Ediciones
- Plataforma Snowflake – Registro
- Plataforma Snowflake – Crear un Data Warehouse
- Resumen
Módulo 2: Seguridad y movilidad ciudadana
4 h 10 min
Objetivo: Comprender cómo realizar el análisis de imágenes. Entender las técnicas de reconocimiento facial. Profundizar en la gestión del tráfico de vehículos, personas y aparcamientos.
- Análisis de imagen en tiempo real
- Formatos de imágenes
- Generación de imágenes continua en tiempo real
- Reconocimiento facial
- ¿Cuáles son las ventajas de la tecnología de reconocimiento facial?
- ¿Cómo funciona el reconocimiento facial?
- ¿Cuáles son los casos de uso de los sistemas de reconocimiento facial?
- Gestión del tráfico de vehículos, personas y aparcamientos
- Aplicaciones de los sistemas inteligentes
- Internet de las Cosas (IoT)
- Ejemplos de soluciones implantadas
- Ejemplo proyecto Smart City y uso de IoT
- Resumen
Módulo 3: Conceptos clave de IA
4 h 30 min
Objetivo: Conocer las diferencias entre machine learning, inteligencia artificial y deep learning. Entender las diferentes vertientes de la inteligencia artificial. Diferenciar entre aprendizaje supervisado y no supervisado. Comprender las redes neuronales convolucionales enfocadas en imágenes. Detallar qué es el NLP, semántica IA y ChatGPT así como sus aplicaciones.
- ¿Qué es Machine Learning y Deep Learning?
- Entendiendo el Machine Learning
- Machine Learning, inteligencia artificial y Deep Learning
- Aprendizaje supervisado
- Proceso en el Aprendizaje Supervisado
- Aprendizaje no supervisado
- Proceso del Aprendizaje No Supervisado
- ¿Qué es una neurona y el modelo perceptrón?
- ¿Qué son las redes neuronales?
- Introducción a las redes neuronales convolucionales (CNN)
- Tratamiento de imágenes – ¿Qué son los filtros de imagen y los kernels?
- Tratamiento de imágenes – Capas convolucionales en una CNN
- Tratamiento de imágenes – Capas pooling en una CNN
- ¿Qué es el Procesamiento del Lenguaje Natural (NLP)?
- Aplicaciones Procesamiento del Lenguaje Natural (NLP)
- ¿Qué es la semántica en el entorno IA?
- ¿Qué es ChatGPT y para qué podemos usarlo?
- ¿Para qué podemos usar ChatGPT?
- Resumen
Módulo 4: Entrenamientos de algoritmos de IA, modelos y métodos de evaluación de calidad
3 h 50 min
Objetivo: Entender conceptos clave en la depuración de datos para poder entrenar algoritmos de inteligencia artificial. Evaluar rendimiento de modelos de inteligencia artificial.
- Datos necesarios para la depuración y entrenamiento de modelos IA
- Qué hacer si necesitamos mayores conjuntos de datos
- Conceptos estadísticos de calidad de los datos
- Evaluación de rendimiento de modelos – Métricas de Clasificación
- ¿Qué métricas tenemos para evaluar el modelo de clasificación?
- Evaluación de rendimiento de modelos – Métricas de Regresión
- ¿Qué es el overfitting / underfitting en el aprendizaje supervisado?
- ¿Cómo podemos ver problemas de underfitting / overfitting al trabajar con datos multidimensionales?
- Resumen
Módulo 5: Algoritmos y arquitecturas de soluciones de inteligencia artificial
3 h
Objetivo: Profundizar en los algoritmos de inteligencia artificial. Diseñar y modelar soluciones de inteligencia artificial.
- Algoritmos y arquitecturas de soluciones comerciales y open source
- Algoritmos Machine Learning para Clasificación
- Algoritmo Machine Learning Regresión
- Algoritmo Machine Learning K-Means
- Fases de modelado en inteligencia artificial
- Arquitectura y diseño de soluciones de IA (open source y comerciales)
- Arquitectura necesaria en soluciones de inteligencia artificial
- Ciclo de despliegue en soluciones de inteligencia artificial (MLOps)
- Resumen
Módulo 1: Introducción y contexto de la gestión del dato en municipios
4 h 30 min
Objetivo: Entender que es una ciudad inteligente y el BigData. Profundizar en conceptos de gestión de datos. Entender los enfoque Data Warehouse y Data Lake para el almacenamiento de datos. Conocer las diferentes plataformas Open Source y licenciadas y los parámetros clave.
- ¿Qué una ciudad inteligente (Smart city)?
- ¿Qué características tiene una ciudad inteligente?
- ¿Qué es el BigData?
- Conceptos clave en la gestión de los datos
- Proceso de gestión de datos
- Sistemas de gestión de bases de datos
- Extracción, analítica y almacenamiento de datos
- Plataformas open-source y licenciadas más extendidas
- Plataformas Open Source
- Plataformas licenciadas
- Plataforma Snowflake – Arquitectura
- Plataforma Snowflake – Ediciones
- Plataforma Snowflake – Registro
- Plataforma Snowflake – Crear un Data Warehouse
- Resumen
Módulo 2: Seguridad y movilidad ciudadana
4 h 10 min
Objetivo: Comprender cómo realizar el análisis de imágenes. Entender las técnicas de reconocimiento facial. Profundizar en la gestión del tráfico de vehículos, personas y aparcamientos.
- Análisis de imagen en tiempo real
- Formatos de imágenes
- Generación de imágenes continua en tiempo real
- Reconocimiento facial
- ¿Cuáles son las ventajas de la tecnología de reconocimiento facial?
- ¿Cómo funciona el reconocimiento facial?
- ¿Cuáles son los casos de uso de los sistemas de reconocimiento facial?
- Gestión del tráfico de vehículos, personas y aparcamientos
- Aplicaciones de los sistemas inteligentes
- Internet de las Cosas (IoT)
- Ejemplos de soluciones implantadas
- Ejemplo proyecto Smart City y uso de IoT
- Resumen
Módulo 3: Conceptos clave de IA
4 h 30 min
Objetivo: Conocer las diferencias entre machine learning, inteligencia artificial y deep learning. Entender las diferentes vertientes de la inteligencia artificial. Diferenciar entre aprendizaje supervisado y no supervisado. Comprender las redes neuronales convolucionales enfocadas en imágenes. Detallar qué es el NLP, semántica IA y ChatGPT así como sus aplicaciones.
- ¿Qué es Machine Learning y Deep Learning?
- Entendiendo el Machine Learning
- Machine Learning, inteligencia artificial y Deep Learning
- Aprendizaje supervisado
- Proceso en el Aprendizaje Supervisado
- Aprendizaje no supervisado
- Proceso del Aprendizaje No Supervisado
- ¿Qué es una neurona y el modelo perceptrón?
- ¿Qué son las redes neuronales?
- Introducción a las redes neuronales convolucionales (CNN)
- Tratamiento de imágenes – ¿Qué son los filtros de imagen y los kernels?
- Tratamiento de imágenes – Capas convolucionales en una CNN
- Tratamiento de imágenes – Capas pooling en una CNN
- ¿Qué es el Procesamiento del Lenguaje Natural (NLP)?
- Aplicaciones Procesamiento del Lenguaje Natural (NLP)
- ¿Qué es la semántica en el entorno IA?
- ¿Qué es ChatGPT y para qué podemos usarlo?
- ¿Para qué podemos usar ChatGPT?
- Resumen
Módulo 4: Entrenamientos de algoritmos de IA, modelos y métodos de evaluación de calidad
3 h 50 min
Objetivo: Entender conceptos clave en la depuración de datos para poder entrenar algoritmos de inteligencia artificial. Evaluar rendimiento de modelos de inteligencia artificial.
- Datos necesarios para la depuración y entrenamiento de modelos IA
- Qué hacer si necesitamos mayores conjuntos de datos
- Conceptos estadísticos de calidad de los datos
- Evaluación de rendimiento de modelos – Métricas de Clasificación
- ¿Qué métricas tenemos para evaluar el modelo de clasificación?
- Evaluación de rendimiento de modelos – Métricas de Regresión
- ¿Qué es el overfitting / underfitting en el aprendizaje supervisado?
- ¿Cómo podemos ver problemas de underfitting / overfitting al trabajar con datos multidimensionales?
- Resumen
Módulo 5: Algoritmos y arquitecturas de soluciones de inteligencia artificial
3 h
Objetivo: Profundizar en los algoritmos de inteligencia artificial. Diseñar y modelar soluciones de inteligencia artificial.
- Algoritmos y arquitecturas de soluciones comerciales y open source
- Algoritmos Machine Learning para Clasificación
- Algoritmo Machine Learning Regresión
- Algoritmo Machine Learning K-Means
- Fases de modelado en inteligencia artificial
- Arquitectura y diseño de soluciones de IA (open source y comerciales)
- Arquitectura necesaria en soluciones de inteligencia artificial
- Ciclo de despliegue en soluciones de inteligencia artificial (MLOps)
- Resumen
¿Para quién es?
Profesionales del sector público
Profesionales del sector público que necesiten saber adaptarse a los nuevos retos que involucran las ciudades inteligentes.
Arquitectos de datos
Arquitectos de datos que precisen entender cómo realizar la gestión de datos a gran escala.
Analistas y profesionales de datos
Analistas que necesiten aprender los conceptos de inteligencia artificial.
Toda persona
Toda persona que requiera de conocer las pautas principales para diseñar una solución de inteligencia artificial.
Requisitos
- No se precisan requisitos previos, aprenderá todos los conceptos desde cero.
Certificado y respaldo
Respaldo institucional
Centro de Capacitación del Comercio, OTEC de la Cámara de Comercio de Santiago.
Convenio académico
Contenidos desarrollados en convenio con UNIR.
Preguntas frecuentes
¿El curso tiene horarios establecidos?
No. Es un curso asincrónico y puedes revisar sus contenidos sin conectarte a clases en un horario determinado.
¿Cómo accedo al curso después de comprarlo?
Una vez aprobado el pago y procesada la matrícula, recibirás por correo electrónico las instrucciones para acceder al aula Moodle.
¿Cómo obtengo el certificado?
Para obtener el certificado digital debes completar los contenidos y aprobar las evaluaciones establecidas en el curso.
¿Necesito conocimientos previos?
No se precisan requisitos previos, aprenderá todos los conceptos desde cero.
¿Cuánto dura el curso?
El curso tiene una duración total de 20 horas.
¿Prefieres formación en vivo o más profunda?
Conoce nuestros cursos presenciales y diplomados con relator en directo.
¿Prefieres que te asesore un ejecutivo?
Déjanos tus datos y te contactaremos para resolver tus dudas.