| MODULO | HORAS | CLASES |
| 1: NIVELATORIO | 16 | 4 |
| 2: APRENDIZAJE AUTOMATICO (MACHINE LEARNING) | 16 | 4 |
| 3: APRENDIZAJE PROFUNDO (DEEP LEARNING) | 16 | 4 |
| 4: PROCESAMIENTO DE LENGUAJE NATURAL (NLP) | 12 | 3 |
| 5: MODELOS DE TOMA DE DECISIONES BASADOS EN IA | 16 | 4 |
| 6: IA EN LA TRANSFORMACIÓN DE LAS ORGANIZACIONES | 8 | 2 |
| 7: INTEGRACION DE LA IA CON EL CAPITAL HUMANO | 8 | 2 |
| 8: ETICA, PRIVACIDAD y TRANSPARENCIA EN LA IA | 8 | 2 |
| TOTALES | 100 | 25 |
Profesionales o Técnicos de cualquier especialidad y personas con estudios secundarios y experiencia en el uso de herramientas informáticas.
Se realizará un encuentro virtual sincrónico semanal de 3 horas, más la utilización del campus virtual académico, para actividades asincrónicas de 1 hora por semana. En total son 4 horas semanales.
Durante la cursada habrá algunos encuentros presenciales en la Facultad con expertos en el tema, de diversas empresas y su asistencia es optativa.
La carga horaria es de 100 horas que se dictarán una vez por semana con una dedicación de 4 horas. La duración temporal es de 6 meses.
Según el momento del año que se comience, se podrá optar por ofrecerla más intensiva con 2 veces por semana y 3 meses temporal de duración.
Las clases sincrónicas se dictarán un día hábil de la semana, utilizando
la herramienta de videoconferencias Teams de la Facultad.
Formar a los alumnos de la diplomatura en la aplicación de modelos de inteligencia artificial (IA) en entornos digitales de gestión en las organizaciones, con capacidad de entender y poder aplicar estos modelos en una variedad de contextos organizacionales, incluyendo la automatización de procesos, análisis de datos y toma de decisiones.
Brindar una comprensión sólida de las bases teóricas y prácticas de la inteligencia artificial, a partir de la adquisición de un entendimiento fundamental de los algoritmos y modelos subyacentes en la IA, incluyendo aprendizaje automático, procesamiento del lenguaje natural y redes neuronales.
Capacitar en la evaluación crítica de las ventajas y desventajas de la implementación de la IA en diferentes contextos, incluyendo la comprensión de los beneficios potenciales, así como también los riesgos éticos, legales y sociales que pueden surgir.
Quienes finalicen esta diplomatura, podrán identificar los siguientes aspectos:
Tópicos fundamentales de Inteligencia Artificial (IA)
Tópicos de Aprendizaje Automático y Aprendizaje Profundo
Procesamiento de Lenguaje Natural (NPL) y Modelos de tomas de decisiones aplicados a la IA
Transformación de las organizaciones e integración del capital humano a partir de la implementación de modelos de IA.
En la última década, la inteligencia artificial (IA) ha experimentado avances significativos y ha comenzado a tener un impacto transformador en diversas industrias y disciplinas. Las organizaciones de todos los sectores están explorando cómo pueden utilizar la IA para mejorar la eficiencia y aumentar la productividad.
A pesar de este creciente interés y necesidad de integrar la IA en las operaciones organizacionales, hay una escasez de capital humano que posea tanto un entendimiento sólido de los conceptos y técnicas de la IA como una comprensión de cómo aplicar estos conocimientos en contextos organizacionales reales.
Esta brecha representa un desafío para las organizaciones que buscan aprovechar los beneficios de la IA, pero también una oportunidad para los profesionales que pueden adquirir estas habilidades.
La Diplomatura en Inteligencia Artificial aplicada a Entornos Digitales de Gestión está diseñada para responder a estas necesidades. Proporcionará a los estudiantes una formación integral en los fundamentos de la IA, junto con la oportunidad de aplicar este conocimiento a problemas prácticos en un contexto organizacional.
A través de esta diplomatura, los estudiantes estarán equipados con las habilidades que necesitan para liderar y contribuir en la transformación digital y la adaptación a la era de la IA.
Es importante destacar que esta diplomatura también abordará cuestiones críticas de ética y responsabilidad social en IA, preparando a los estudiantes para aplicar la IA de manera que sea beneficiosa para todas las partes interesadas.
Cada módulo tendrá una evaluación final que propondrá el responsable del módulo tanto en los aspectos teóricos vistos, como así también en el cumplimiento de los trabajos prácticos.
Al finalizar la Diplomatura, para aquellos alumnos que tengan todos los módulos aprobados, habrá un examen final integrador.
Se dará aprobada la Diplomatura, aquellos alumnos que tengan todos los módulos aprobados, el examen integrador aprobado y hayan cumplido con una asistencia mínima del 75%.
Entrevistas con empresas del mercado: para los alumnos que aprueben la diplomatura, la Facultad generará eventos de presentación con empresas que estén reclutando estos perfiles
El mismo será en formato digital con logo de la Universidad y Facultad de Ciencias Económicas. Emitido por la SECRETARÍA DE EXTENSIÓN UNIVERSITARIA, BIENESTAR ESTUDIANTIL Y DESARROLLO SUSTENTABLE, de la Facultad. Firmado por el Secretario y el coordinador de la Diplomatura. Expondrá que el alumno ha aprobado la diplomatura de referencia.
Introducción a los modelos de inteligencia artificial. Fundamentos de programación en Python. Librerías especificas en Python para IA. APIs de IA en Python. Práctica integradora.
Definición de Machine Learning. Tipos de aprendizaje: Supervisado, No Supervisado y Por Refuerzo. Algoritmos y técnicas fundamentales en Machine Learning. Aplicaciones del Machine Learning en la gestión organizacional. Práctica Integradora.
Introducción al Deep Learning. Arquitecturas de Redes Neuronales. Redes Neuronales Convolucionales (CNN). Redes Neuronales Recurrentes (RNN). Aplicaciones del Deep Learning en la gestión organizacional. Práctica Integradora.
Introducción al procesamiento del lenguaje natural. Técnicas y herramientas en NLP. Análisis de sentimientos y extracción de información. Aplicaciones en la gestión organizacional. Práctica Integradora.
Introducción a la Toma de Decisiones Basada en IA.Árboles de Decisión y Random Forest. Sistemas Basados en Reglas. Aprendizaje por Refuerzo. Algoritmos Genéticos y Optimización. Procesos de Markov de Decisión (MDP). Práctica Integradora.
El Papel de la IA en la Transformación Digital. Implementación de la IA en las Organizaciones. IA y Gestión de Datos en las Organizaciones. IA en la Cadena de Suministro y Logística. Práctica Integradora.
La Coexistencia de la IA y el Capital Humano. Formación y Desarrollo de Habilidades en la Era de la IA. IA y Cambio Organizacional. Desafíos Culturales y Psicológicos de la Integración de la IA. Práctica Integradora.
Dilemas éticos en el uso de IA. Privacidad y protección de datos. Transparencia y explicabilidad de los modelos de IA. Sesgo algorítmico y sus implicaciones en la toma de decisiones. Práctica Integradora.
Licenciado en Administración y Contador Público de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE).
Doctorando en el Doctorado en Ciencias Económicas de la Universidad de Buenos Aires, Subárea Finanzas, Facultad de Ciencias Económicas Posee más de 10 años de experiencia profesional en el ámbito de las tecnologías de información aplicadas a las organizaciones públicas y privadas, como asesor externo.
Actualmente se desempeña como Secretario de Gestión de la Información y Transformación Digital del Ciclo Básico Común de la Universidad de Buenos Aires, teniendo a su cargo la planificación y el diseño de los sistemas informáticos de gestión y académicos aplicados a partir del 2020.
En la docencia, desde 2013 se desempeña como Profesor Adjunto Int. del Departamento de Matemáticas, en materias como Cálculo Financiero, Estadística y Estadística para Administradores. Fue tutor de trabajos finales de la carrera de Licenciatura en Administración y Licenciatura en Economía en la FCE. Director de varios proyectos SPU y UBANEX.
Es Director del Centro de Estudios en Modelos de Inteligencia Artificial aplicados a las Ciencias Económicas (CeMIACE) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.
Licenciado en Economía de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE). MBA en la Universidad Kuepa (UK) de México. Posee más de 20 años de experiencia profesional en el ámbito de la implementación de herramientas tecnológicas aplicadas a la educación. Actualmente se desempeña como Director de Estudios en el Instituto Privado de la Cámara Argentina de Comercio (IPCAC). En la docencia se desempeña como Profesor Adjunto Int. del departamento de matemáticas, en la materia Estadística para Administradores. Es profesor y contenidista de la Universidad Kuepa (UK) de México.
Contador Público de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE). Fue asesor legistativo en temas de tecnología en la Legislatura de la Ciudad de Buenos Aires. Actualmente se encuentra trabajando en proyectos tecnológicos que combinan la aplicación de BlockChain con modelos de Inteligencia Artificial. En docencia se desempeña como Docente de la materia Economía del CBC-UBA y como docente de la materia Evaluación y Administración de Proyectos en la Universidad Nacional de Admirante Brown.
Es Subdirector del Centro de Estudios en Modelos de Inteligencia Artificial aplicados a las Ciencias Económicas (CeMIACE) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.
Licenciado en Administración de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE). Posee amplia experiencia en el ámbito privado en implementaciones de IA aplicado a las organizaciones. En docencia se desempeña como docente del CBC-UBA en Matemática, Álgebra y Análisis Matemático.
Es Secretario Técnico del Centro de Estudios en Modelos de Inteligencia Artificial aplicados a las Ciencias Económicas (CeMIACE) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.
Actuaria en Administración de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE). Maestranda en la Maestría en Gestión y Análisis de Datos Financieros ENAP UBA. Posee amplia experiencia en Implementación de modelos de IA aplicados a los mercados de capitales, así como también proyectos de Inteligencia Empresarial. Se desempeña como Perito actuarial del Poder Judicial de la Nación. En docencia se desempeña como docente del CBC-UBA en Matemática y ha sido Tutora de trabajos finales en la carrera de Actuario.
Es Secretaria Técnica del Centro de Estudios en Modelos de Inteligencia Artificial aplicados a las Ciencias Económicas (CeMIACE) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.
Actuario en Economía de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE). Tesista en la maestría en Gestión de la Ciencia la Tecnología y la Innovación de la Universidad General Sarmiento (UNGS). Posee amplia experiencia en la implementación de técnicas de Estadística y Ciencia de Datos en organizaciones públicas y privadas. Se desempeña como Perito Actuarial del Poder Judicial de la Nación. En docencia se desempeña como docente del CBC-UBA en Matemática.
Es Investigador del Centro de Estudios en Modelos de Inteligencia Artificial aplicados a las Ciencias Económicas (CeMIACE) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.