Bienvenidos
IPN-Dharma IA Lab
Es una iniciativa del HUB de Innovación 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 para el aprendizaje de Inteligencia Artificial (IA),
Ciencia de Datos (CD) e Internet de las Cosas (IoT) en tres etapas:
Nivel 1: Alfabetización y Fundamentos en IA, CD e IoT
- Comprensión conceptual de los hechos
- Capaz de interactuar con herramientas que habilitan o son impulsadas por IA, CD e IoT
- Comunicar sobre IA, CD e IoT en un nivel básico
Nivel 2: Conocimiento Contextual de IA, CD e IoT
Nivel 3: Construyendo Soluciones de IA, CD e IoT
Nivel 1: Alfabetización y Fundamentos
Conocimiento para todos – Roles Técnicos y No Técnicos
Interesado Comercial
Desarrollador
Analista de Negocios
DevOps
Científico de Datos
Ingeniero de Datos
¿Qué es la
Ciencia de Datos?
¿Qué capacidades
tecnológicas
puedo usar?
¿Qué es la
Inteligencia
Artificial?
¿Qué datos
se requieren?
¿Cuáles son los
objetivos
comerciales?
¿La IA puede
ayudar a mi
negocio?
Nivel 2: Conocimiento Contextual
Aprovechamiento de marcos prediseñados – Roles Técnicos
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
Escalando modelos
de Aprendizaje
Automático
con Spark
Nivel 3: Construyendo Soluciones
Construyendo modelos desde cero – Roles Técnicos
Científico de Datos
Ingeniero de Datos
Matemáticas
Probabilidad,
Estadística,
Álgebra Lineal
Preparación
de los Datos
Programación
Python, R, Scala
Visualización
de los Datos
Conocimiento del
Dominio del Negocio
Construcción
de Modelos
Supervisado,
No-Supervisado,
Profundo, Refuerzo
Metodologías de
Ciencia de Datos
Validación
y Selección
de Modelos