Presentación

La Inteligencia Artificial (IA) ha ganado bastante popularidad gracias a herramientas como el ChatGPT. Este tipo de tecnología disruptiva promete cambiar la forma como realizamos nuestras tareas en las organizaciones y tendrá un impacto significativo en el mercado laboral presente y futuro. El machine learning (aprendizaje de máquina) es la base de estos desarrollos tecnológicos más importantes de la historia reciente. El auge sin precedentes del machine learning y su valor transformador para las empresas y la sociedad en su conjunto indican que se convertirá en una «tecnología de propósito general», a la par con otros inventos revolucionarios, como el Internet.

Desde la construcción de chats y asistentes personalizados, la prevención de pandemias, pasando por las recomendaciones de película, hasta relojes inteligentes que monitorean la frecuencia cardíaca del usuario, las soluciones impulsadas por el machine learning inciden en casi todos los aspectos de nuestras vidas. Asimismo, los servicios innovadores creados con esta tecnología están revolucionando los mercados. Las empresas que deseen tener un papel relevante en un contexto de cambios frecuentes, simplemente no pueden permitirse pasar por alto la oportunidad de adoptar el machine learning para mejorar su productividad. La tendencia reciente indica que las empresas, por ejemplo, del sector minero, que no apliquen machine learning en sus procesos no serán tan competitivas en relación a las que si las usen.

En ese contexto, la Universidad Católica San Pablo, a través de su Departamento de Ciencia de la Computación, presenta el Diplomado en Machine Learning, Deep Learning y sus aplicaciones en Industria. Sobre una sólida base teórica y, principalmente, basado en el desarrollo práctico (hans-on) de soluciones, este diplomado está enfocado en la aplicación de técnicas de machine learning e Inteligencia Artificial Generativa (como el ChatGPT) para construir modelos predictivos usados en diversos dominios. En ese sentido, se podrán desarrollar modelos para:

1. Pronosticar futuros volúmenes de ventas en ecommerce.
2. Predecir tiempos de producción.
3. Realizar mantenimiento predictivo de maquinarias y pronosticar en qué momento pueden fallar.
4. Identificar el churn de clientes en instituciones financieras.
5. Personalización de productos.
6. Procesamiento de imágenes que ayuden en el mapeo geotécnico, o análisis de voladuras.
7. Procesamiento de texto para análisis de marcas.
8. Optimizar la eficiencia energética, reducción emisiones y pérdida causadas por ineficiencias del proceso productivo.

El diplomado ha sido diseñado para, inicialmente, dar las bases requeridas en programación y gradualmente introducir machine learning desde una perspectiva tradicional, posteriormente presentar su abordaje probabilístico, y finalmente su enfoque avanzado, a través del uso de redes neuronales, Deep Learning e Inteligencia Artificial Generativa. Nuestra plana docente cuenta con formación en universidades de prestigio de Brasil, además de tener profesores invitados del extranjero (Brasil y Europa) con amplia experiencia en Machine Learning.

Objetivos

• Identificar oportunidades de aplicación de Machine Learning y Deep Learning en su organización e incorporar soluciones transformadoras de esta tecnología para tener una ventaja competitiva.
• Aprender técnicas de machine learning para solucionar desafíos críticos de negocios.
• Desarrollar una metodología para el uso de machine learning en problemas específicos de sus organizaciones, de una forma personalizada.
• Construir modelos predictivos de clasificación, forecasting y clustering que permitan reducir costos y optimizar procesos en las organizaciones.
• Desarrollar modelos de Machine Learning y Deep Learning para mantenimiento predictivo de maquinarias.
• Ser parte de un perfil profesional cada vez más demandado por las organizaciones, industrias y sectores tales como minería, ingeniería, negocios, comercio electrónico, finanzas, entre otras.

Dirigido principalmente a

Dirigido a bachilleres en Ciencia de la Computación, Ingeniería de Sistemas y otras ingenierías, educación, matemática, estadística, minería, finanzas, administración, ventas, manufactura, áreas biomédicas, entre otras) con conocimientos básicos de lenguajes de programación, e interesados en analizar datos de forma computacional y transformarlos en información útil para una mejor toma de decisiones y por ende crear un valor añadido en las organizaciones.

* Personas con grado de bachiller, recibirán título de diplomado de posgrado.

Metodología

Clases Virtuales síncronas donde se desarrollan conceptos teóricos y principalmente casos prácticos.

Creditaje

25 créditos.

Temática

El Diplomado en Inteligencia Artificial, Machine Learning y sus aplicaciones en Industria de la UCSP ha sido diseñado para entrenar a los estudiantes en habilidades técnicas para realizar modelado predictivo basado en probabilidades, redes neuronales y aprendizaje profundo y cómo estas pueden aplicarse en minería, industria y otros sectores. Los graduados estarán posicionados para ser pioneros en el desarrollo de este campo y ser parte de su creciente adopción en la industria 4.0.

Plan de estudios

• Introducción a Python para Inteligencia Artificial y Machine Learning. En este módulo se busca introducir las bibliotecas de Python que permiten la manipulación de datos de forma fácil, y que serán utilizadas en las aplicaciones prácticas de los demás cursos durante el diplomado.
• Machine Learning: Regresión, Clasificación y Agrupamiento. Con este módulo el alumno será capaz de Aprender los fundamentos teóricos necesarios en modelos de regresión, clasificación y agrupamiento. Aplicar dichos conceptos en casos de estudio con datos reales. 
• Forecasting con Inteligencia Artificial. Con este módulo el alumno será capaz de entender modelos probabilísticos para la predicción e inferencia de datos históricos secuenciales, capturando patrones y tendencias a lo largo del tiempo.
• Modelos de Redes Neuronales (Hands on): MLP, CNN, Transformers. En este módulo se busca introducir la arquitectura y el funcionamiento de redes neuronales: de una capa, multicapa, profundas y modelos más actuales basados en mecanismos de atención como Transformer y Large Language Models (LLMs).
• Implementación de Soluciones de Inteligencia Artificial y Machine Learning en Industria. En este módulo se busca proponer soluciones para problemas específicos, tomando en cuenta ejemplos presentados en las charlas de expertos en Inteligencia Artificial y Machine Learning.

Cada curso tiene 40 horas académicas y 120 horas prácticas.

Proceso de evaluación

Asíncrono.

Metodología de evaluación: Participación en aula, desarrollo de casos de estudio, exposiciones, exámenes, trabajo integrador.

Plana docente

Dra. Julissa Villanueva Llerena

Doctora en Ciencia de la Computación por la Universidad de de São Paulo (Brasil-2023), posee una Maestría en Ciencia de la Computación por la Universidad de de São Paulo (Brasil-2017), y recibió el grado Bachiller en Ingeniería de Sistemas por la Universidad Nacional de San Agustín (Perú-2015). Formó parte del Laboratorio de Lógica, Inteligencia Artificial y Métodos Formales (LIAMF) del Instituto de Matemática y Estadística de la Universidad de de Sao Paulo, donde desarrolló proyectos en Inteligencia Artificial, Aprendizaje de Máquina, Modelos probabilísticos, Estimadores de incerteza predictiva, Deep Learning y Procesamiento de Lenguaje Natural. Actualmente, ejerce como profesora de Pregrado y Postgrado en la Universidad Católica San Pablo y desarrolla soluciones innovadoras mediante inteligencia artificial en problemas de las áreas de salud y legal.

Dr. José Eduardo Ochoa Luna

Doctor en Ciencias, Universidade de Sao Paulo (Brasil). Maestría en Ciencia de la Computación, Universidade Federal de Mato Grosso do Sul (Brasil). Actualmente es el coordinador de la Maestría en Ciencia de Datos del Departamento de Ciencia de la Computación de la UCSP. Es especialista en Inteligencia Artificial, con énfasis en Graphical Models, Machine Learning, Procesamiento de lenguaje natural y Deep Learning.

Dr. Daniel Gutiérrez Pachas

Doctor en Ciencia de la Computación y Matemática Computacional por la Universidade de Sao Paulo (Brasil). Maestría en Matemática, Universidade Federal de Juiz de Fora (Brasil). Actualmente es Director del Departamento de Ciencia de la Computación UCSP. Es vice-coordinador de la Sociedad Brasileña de Matemática Computacional y Aplicada en Minas Gerais (Brasil) y miembro del Comité Latinoamericano de Matemática Aplicada Computacional e Industrial – CLAMACI. También es investigador reconocido por Concytec y tiene amplia experiencia en investigación en áreas como: sistemas estocásticos, optimización, análisis numérico y ciencia de datos.

Dr. Yván Túpac Valdivia

Doctor en Ingeniería Eléctrica por la Pontifícia Universidade Católica do Rio de Janeiro. Actualmente se desempeña como profesor a tiempo completo del Departamento de Ciencia de la Computación de la UCSP y es Encargado del Postgrado del Departamento de Ciencia de la Computación. Cuenta con experiencia tanto en investigación como aplicación en análisis de datos temporales, procesos estocásticos, modelos probabilísticos y en Forecasting de datos temporales tanto con modelos tradicionales como con modelos basados en inteligencia artificial. Con actuación principalmente en evaluación económica de proyectos bajo incertidumbre, previsión de despacho y consumo eléctrico.

Mgtr. Kelly Vizconde La Motta

Maestra en Ciencia de la Computación, directora de Kids & Code, una prestigiosa academia que se especializa en la enseñanza de programación y pensamiento lógico computacional a niños a partir de los cinco años. Docente de Pregrado y Postgrado del Departamento de Ciencia de la Computación de la UCSP. Actualmente, está cursando el doctorado en Ciencia de la Computación en la UNSA, con énfasis en inteligencia artificial. Tiene amplia experiencia en la formación de Pensamiento Computacional, para niños, jóvenes y adultos.

Mgtr. Rosa Paccotacya Yanque

Magíster en Ciencia de la Computación en la Universidad Estadual de Campinas (Brasil) en el laboratorio Recod bajo la orientación de la profesora Sandra Ávila. Su investigación se centró en la IA explicable para el análisis del cáncer de piel, con el objetivo de comprender y validar los mecanismos internos de los modelos de caja negra para garantizar predicciones confiables. Ha sido investigadora en diferentes proyectos de investigación aplicada usando Inteligencia Artificial. Actualmente es profesora en la Universidad Nacional de San Agustín y en la Universidad Católica San Pablo. Sus intereses de investigación son: AI for Social good, Responsible AI, fairness, accountability, Explainable AI, y Computer Vision.

Dr. Alex Cuadros Vargas

Doctor [2002-2006], y Magíster [2000-2001], en Ciencias Matemáticas y de Computación en la Universidad de Sao Paulo, Brasil. Realizó un Postdoctorado [2007-2008] investigando sobre generación de mallas a partir de imágenes, en la Universidad de Sao Paulo. Alex es miembro fundador de la Sociedad Peruana de Computación (SPC). Fue director del Centro de Investigación e Innovación en Ciencia de la Computación [2013-2017] y coordinador del Programa de Maestría en Ciencia de la Computación [desde 2014-2017], en la Universidad Católica San Pablo, en Arequipa. Fue director del Departamento de Ciencia de la Computación [2018-2023] de la Universidad Católica San Pablo (UCSP). Actualmente es profesor principal en el Departamento de Ciencia de la Computación, con más de 20 años de experiencia en Pregrado, Posgrado e Investigación Científica. Sus áreas de interés son: Computación Gráfica, Imágenes, Geometría y Paralelismo.

Mgtr. Edward Cayllahua Cahuina

Investigador en el campo de la Ciencia de la Computación, tiene una maestría en Ciencia de la Computación de la Universidade Federal De Ouro Preto (Brasil), obtuvo un doctorado conjunto por la Universidad Federal de Minas Gerais (Brasil) y la Universidad Gustave-Eiffel (Francia). Sus principales áreas de investigación abarcan la visión computacional, el reconocimiento de patrones, el aprendizaje de máquina.

Ing. Christian Delgado Polar

Ingeniero Informático. Dr(c) Universidad de São Paulo – Brasil. Magíster en Ciencia de la Computación por la Universidad Federal de Minas Gerais – Brasil. Más de 10 años de experiencia laboral en desarrollo de software en empresas de mediano y gran tamaño. Especialista en Inteligencia Artificial (machine learning , Planeamiento Probabilistico, Aprendizaje por Refuerzo).

Mgtr. Edward José Pacheco Condori

Ingeniero investigador de la Escuela de Matemática Aplicada de la Fundación Getulio Vargas, FGV EMAp, Rio de Janeiro, Brasil. Docente de la escuela de Ciencias de la Computación de UTEC, Lima-Perú, y de la escuela de postgrado de la UCSP, Arequipa-Perú. Previamente a su puesto actual, fue investigador del centro de investigación global en Dell Technologies durante aproximadamente ocho años. También trabajó como analista de infraestructura en Braspag, Brasil. Obtuvo una maestría en Informática en la PUC-Rio (RJ, Brasil) y bachiller en Ingeniería de Sistemas en la UNSA (Arequipa-Perú). Sus principales intereses de investigación son la computación en la nube, big data y visualización.

Mgtr. Manasses Antoni Mauricio Condori

Maestría en Ciencia de la Computación, Universidad Católica San Pablo. Pregrado en la Universidad Nacional de Ingeniería, con una especialización en Ingeniería Mecatrónica.
Ha desarrollado proyectos en el área de inteligencia artificial y ciencia de datos orientados a la generación/diagnóstico en imágenes médicas y predicción/clasificación. Actualmente, se desempeña como Lead Data Scientist en Interbank, donde desarrolla proyectos en las áreas de aprendizaje automático, representación de conocimiento, procesamiento de imágenes, procesamiento del lenguaje natural.

* La Escuela de Postgrado UCSP podrá realizar cambios en la plana docente designada al dictado de los respectivos cursos al tratarse de casos fortuitos o de fuerza mayor.

Calendario

* La Escuela de Postgrado UCSP se reserva el derecho de cancelar o postergar el programa si no alcanza el mínimo de alumnos matriculados hasta 7 (siete) días hábiles anteriores a la fecha indicada para el inicio del programa.
* La Escuela de Postgrado se reserva el derecho de cambiar la plataforma virtual.
* La Escuela de Postgrado se reserva el derecho de hacer cambios en el calendario académico.

Tiempo de dedicación al programa

Horas lectivas: 200, horas no lectivas: 400

Inversión

• Preventa: S/ 4,500 hasta el 22 de enero del 2025.
• Precio al contado: S/ 5,000
• Precio total de S/ 5,280, fraccionado en cuotas de:
  • Cuota inicial de: S/ 660.
  • 7 cuotas de: S/ 660.
    
• Descuentos:
  • Pregunta por tu descuento a comunidad UCSP y antiguos alumnos.
  • Pregunta por tu descuento corporativo (3 o más personas).

* Para mayor información consulta con nuestra asesora educativa.
* Para ver las orientaciones para devolución de pagos darle clic aquí.
* Aceptamos pagos con todas las tarjetas.
* Los descuentos no son acumulables.
* Los descuentos a la comunidad UCSP, antiguos alumnos y corporativo no aplica en pronto pago.
* El monto de matrícula es de S/ 350, está incluída en todas las modalidades de pago y es única al momento de la admisión.

CERTIFICACIÓN

Diploma de Postgrado en Inteligencia Artificial, Machine Learning y sus aplicaciones.

* Personas con grado de bachiller, recibirán título de diplomado de posgrado.

Requisitos de admisión

INSCRIPCIÓN

• Ficha de inscripción correctamente llenada.
• Documento de identidad:
  • Peruanos: Copia simple de DNI.
  • Extranjeros: Copia simple del carné de extranjería, pasaporte o documento de identidad oficial de su país de origen.
• Documento académico:
  • Peruanos: Reporte SUNEDU, en caso de no contar con el reporte, copia legalizada del diploma de bachiller.
  • Extranjeros: Copia legalizada por la autoridad competente del país de origen del diploma del grado de bachiller (o título profesional), para extranjeros.

MATRÍCULA

• Compromiso de honor firmado.
• Contrato de prestación de servicios educativos firmado.

*La documentación que se presenta es evaluada por el Comité de Admisión del programa de postgrado que determina si el postulante reúne el nivel esperado de los participantes.
*La información que el postulante ingrese en la inscripción es su responsabilidad, la UCSP presume su veracidad.
*Se considera apto para matrícula al postulante que cumpla con todos los requisitos de admisión.
*Si el postulante realiza el pago con anterioridad al proceso de admisión y se comprueba el no cumplimiento de algún requisito de admisión, no se considerará la matrícula.

Condiciones de permanencia y culminación

Se precisan en los siguientes reglamentos que deberán ser referenciados en la publicidad y venta:

• Reglamento de Admisión para la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/reglamento-de-admision-para-la-escuela-de-postgrado/
• Reglamento de Estudiantes de la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/reglamento-de-estudiantes-de-la-escuela-de-postgrado/
• Reglamento General de Grados y Títulos: https://ucsp.edu.pe/archivos/transparencia/R-VICE-08-Reglamento-General-de-Grados-y-Titulos.pdf

• Disposiciones particulares de Grados y Títulos de la Escuela de Postgrado: https://ucsp.edu.pe/transparencia/disposiciones-particulares-de-grados-y-titulos-de-la-escuela-de-postgrado/

Requerimientos tecnológicos

• Contar con PC o Laptop.
• Cámara web (interna o externa) con mínimo de 720p de resolución.
• Micrófono (interno o externo).
• Acceso a internet – la velocidad recomendada es de 4 Mbps para descarga y 1 Mbps para subida o superior.
• Navegador Google Chrome o Firefox actualizado.