Seminario de Excelencia ¿Cómo diferenciarse innovando con Inteligencia Artificial?
Nuevas tendencias y tecnologías disruptivas están transformando los mercados, cambiando las reglas de juego, borrando las fronteras habituales entre sectores, amenazando con la obsolescencia de los modelos de negocio, los productos o servicios, creando un ambiente de gran incertidumbre. El Machine-Deep Learning es una de ellas. ¿Cómo incorporar esas tecnologías de manera sistemática y de forma que realmente se pongan al servicio de la estrategia de la organización?Este Seminario de Excelencia presenta el modelo ARIANA, un proceso que parte de explicar la forma como se puede innovar con Machine-Deep Learning y termina con la creación de una fábrica de modelos e inferencias que se engrane con la operación cotidiana de la empresa.
Los participantes a este Seminario de Excelencia, dictado en modalidad virtual, además de las 16 horas teórico prácticas tendrán una sesión de consultoría de 3 horas (por empresa) con los profesores.
Dirigido a
Directivos de empresas que cuenten con un volumen suficiente de datos, interesados en sacarles mayor provecho usando el Machine-Deep Learning para desarrollar ofertas innovadoras. Es altamente recomendable la participación de otra persona conocedora de las bases de datos de la empresa.
Objetivos
Al finalizar el curso el estudiante estará en capacidad de:• Formular ideas innovadoras que tengan potencial para ser desarrolladas a través de machine o deep learning.
• Aplicar un modelo que facilita la incorporación de estas herramientas de forma sistemática en sus empresas.
Metodología
Este Seminario de Excelencia, dictado en modalidad virtual, contará con presentación de casos, exposición teórica y micro-talleres. Los participantes, además de las 16 horas teórico prácticas, tendrán una sesión de consultoría de 3 horas (por empresa) con los profesores del curso.Contenido
- El Machine Learning (ML) dentro de la inteligencia artificial
- Presentación del modelo ARIANA.
- Los datos son el combustible:
- El análisis de los datos antes del ML.
- El análisis de datos después del ML.
- El radar de innovación con ML:
- Portafolio de proyectos de innovación.
- Estado de los datos disponibles.
- Planteamiento de ideas innovadoras que puedan ser desarrolladas con ML.
- Formular los desafíos desde la óptica del ML:
- Plantear el problema.
- El marco experimental.
- Medidas para el desempeño de algoritmos.
- ¿Qué es experimentar con ML?:
- Tratamiento de datos.
- Probar hipótesis basadas en conocimiento del dominio.
- Librerías, paquetes y servicios.
- Poder computacional.
- Exploración de modelos y sus hiper-parámetros.
- Nuevos Indicadores:
- ¿Por qué se requieren nuevos indicadores?
- Ejemplos de nuevos indicadores.
- La fábrica de modelos e inferencias de ML:
- Servicios cloud para automatización.
- Sincronizar modelos con la operación de la empresa.
- Re-entrenar modelos periódicamente.
- Estructura organizacional mínima para implementar y operar las innovaciones soportadas en ML:
- Diferentes modelos organizacionales.
- La riqueza de la diversidad.
- Sesión de consultoría por empresa (3 horas).
Profesores
Condiciones
Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.
La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.
