Presentación

La inteligencia artificial (IA) y el machine learning (aprendizaje de máquina) se encuentran entre los 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 prevención de pandemias, pasando por las recomendaciones de películas personalizadas en Netflix, 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 este 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, en el desarrollo práctico (hans-on) de soluciones, este diplomado está enfocado en la aplicación de técnicas de machine learning 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 y Deep Learning. 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 profesionales (ingeniería, ciencia computación, minería, finanzas, ventas, manufactura, e-commerce y bachilleres) con conocimientos de lenguajes de programación.

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

Metodología

• Clases Virtuales síncronas donde se desarrollan conceptos teóricos y principalmente casos prácticos.
• El diplomado cuenta con 200 horas lectivas teóricas y 400 horas no lectivas.

Creditaje

25 créditos.

Temática

El Diplomado en Machine Learning, Deep 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 Machine Learning.
• Modelos de Regresión, Clasificación, y Agrupamiento.
• Modelos Probabilísticos en Machine Learning.
• Redes neuronales y Deep Learning (Hands-on).
• Aplicaciones de ML/DL en Industria.

Cada curso tiene 40 horas académicas y 120 horas prácticas.

Proceso de evaluación

Asíncrono.

Metodología de evaluación: participación en aula, exposiciones, trabajos.

Plana docente

Dr. Javier Montoya

Doctor en Ciencia de la Computación, ETH-Zurich (Suiza). Maestría en Visión y Machine Learning, INRIA/ENSIMAG (Francia). Actualmente es investigador senior en el ETH-Zurich (Suiza). Se ha desempeñado como Data Scientist en las empresas Caru GmbH con el proyecto: analysis of temporal data from sensors for predicting presence of humans in rooms. Asimismo, en la empresa Tracktics GmbH, con el proyecto: analysis of sensor data for sport summarisation. Especialista en Machine Learning aplicado en Data Science.

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 se desempeña como profesor encargado de Postgrado 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.

Ing. Pablo Calcina Ccori

Se graduó en Ingeniería de Sistemas en la Universidad Nacional de San Agustín (Arequipa) y obtuvo los grados de Maestro y Doctor en Ciencia de la Computación en la Universidad de São Paulo (Brasil). Sus principales áreas de investigación son Inteligencia Artificial e Internet de las Cosas.

Tiene varios años de experiencia en proyectos de desarrollo de software y en proyectos de investigación científica. Actualmente participa de un emprendimiento en el área de Internet de las Cosas.

Dr. Daniel Gutiérrez Pachas

Doctor en Ciencia de la Computación y Matemática Computacional, Universidade de Sao Paulo (Brasil). Maestría en Matemática, Universidade Federal de Juiz de Fora (Brasil). Actualmente es investigador 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. Sus áreas de interés son: filtración y control de sistemas estocásticos, optimización, ecuaciones diferenciales parciales y análisis numérico.

Mg. 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 Scienctist en Interbank, donde desarrolla proyectos en las áreas de aprendizaje automático, representación de conocimiento, procesamiento de imágenes, procesamiento del lenguaje natural.

Mg. José Chávez Alvarez

Maestría en Ciencia de la Computación, Universidad Católica San Pablo. Pregrado en la Universidad Nacional de Ingeniería, con una especialización en Ingeniería Electrónica.

Ha desarrollado proyectos en el área de inteligencia artificial y Computer Vision. Actualmente, se desempeña como profesor en la Universidad Católica San Pablo.

*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.

Tiempo de dedicación al programa

Horas lectivas: 200, horas no lectiva: 400

Inversión

• Precio: S/ 5,000
• Precio con descuento por pronto pago: S/ 4,600 hasta el 10 marzo de 2023.
• Precio fraccionado en cuotas de:
  • Cuota inicial de: S/ 500 (matrícula).
  • 8 cuotas de: S/ 562.50
    
• Descuentos:
  • Consulta por nuestro descuento para Comunidad UCSP y Antiguos alumnos.
  • Consulta por nuestro descuento corporativo (3 personas).

* 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.

CERTIFICACIÓN

Diploma de Postgrado en Machine Learning, Deep Learning y sus aplicaciones en Industria.

* Personas con grado de bachiller, recibirán título de diplomado de posgrado.
* Personas sin grado de bachiller, recibirán diploma de certificación.
* Diploma de postgrado con firmas emitidas en medios digitales.

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 del diploma de bachiller por la autoridad competente en el país de origen.

MATRÍCULA

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

*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

• 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

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.