Bienvenidos
IPN-Dharma IA Lab
Es una iniciativa de Laboratorio de Inteligencia Artificial del CIC del IPN con la colaboración de DHARMA para motivar a investigadores, profesores y estudiantes a aprovechar los cursos, recursos y herramientas de las principales plataformas tecnológicas de la industria en las áreas de Aprendizaje Automático, Ciencia de Datos, Computación en la Nube, Inteligencia Artificial e Internet de las Cosas con el propósito de generar una experiencia práctica a través de un modelo de aprendizaje entre pares y por objetivos.
Ruta recomendada de aprendizaje de (IA | CD | IoT) en tres etapas:
(1) Alfabetización y Fundamentos en IA, CD e IoT
- Comprensión conceptual de los hechos
- Capaz de interactuar con herramientas que habilitan la IA o son impulsadas por la IA
- Comunicar sobre IA en un nivel básico
(2) Conocimiento Contextual de IA, CD e IoT
(3) Construyendo Soluciones de IA, CD e IoT
Nivel 1: Alfabetización y Fundamentos
Roles para el desarrollo de proyectos de IA, CD e IoT
Conocimiento para todos, roles técnicos y no técnicos (IA|CD|IoT)
Interesado Comercial
Desarrollador
Analista de Negocios
DevOps
Científico de Datos
Ingeniero de Datos
¿Que es la Ciencia de Datos?
¿Que capacidades tecnológicas puedo usar?
¿Que es la Inteligencia Artificial?
¿Que datos se requieren?
¿Que objetivos comerciales tienen?
¿La IA puede ayudar a mi negocio?
Nivel 2: Conocimiento Contextual
Científico de Datos
Desarrollador
Ingeniero de Datos
DevOps
Ciencia de Datos
Trabajando con tipos de datos complejos
Análisis de voz
(Tono y Empatía)
Interacción
Humana-IA
Trabajando con
Documentos complejos
Visión Artificial
Trabajando con imágenes y videos
Aprendizaje profundo
(Keras, Pytorch, Tensorflow)
Procesamiento de Lenguaje Natural
Análisis de Textos
Escalando modelos AA
(con Spak)
Nivel 3: Construyendo Soluciones
Ingeniero de Datos
Científico de Datos
Matemáticas para CD
Probabilidad, Estadística, Álgebra lineal
Preparación
de los Datos
Herramientas de Programación
(Python, R, Scala)
Visualización
de los Datos
Conocimiento
del Dominio del Negocio
Construcción de Modelos
Supervisado,
No-Supervisado,
Profundo, Refuerzo
Ciencia de Datos
Metodologías
Modelos
Valildación y Selección