Saludos

Bienvenidos
IPN-Dharma IA Lab

IPN-Dharma Laboratorio de IA, es una iniciativa del Centro de Investigación en Computación con la colaboracion de DHARMA, para motivar a investigadores, profesores y estudiantes del IPN a aprovechar los cursos, recursos y herramientas libres de las areas de Inteligencia Artificial, Ciencia de Datos, e Internet de las Cosas en el aula de clase. Nuestra misión es generar experiencia práctica atraves un modelo de aprendizaje entre pares y por objetivos.

Ruta recomendada de aprendizaje de (IA | CD | IoT) en tres etapas:

Image
(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

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
Image
Desarrollador
Image
Analista de Negocios
Image
DevOps
Image
Científico de Datos
Image
Ingeniero de Datos
Image



¿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
Image
Desarrollador
Image
Ingeniero de Datos
Image
DevOps
Image


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
Image
Científico de Datos
Image


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