Bienvenida

En las últimas décadas, la Inteligencia Artificial (IA) ha estado cambiando nuestras vidas y nunca se ha sentido tan transversal como ahora en todos los ámbitos productivos, a pesar de su nacimiento más de 50 años atrás. Esto ha sido facilitado no sólo por los avances tecnológicos que han hecho posible que esté a nuestro alcance, sino también por el impacto que está teniendo en la economía mundial. No en vano, muchos organismos tales como el Foro Económico Mundial, ya se han enfocado en estudiar y difundir no sólo las formas en que las naciones y la sociedad se benefician de las tecnologías de IA, sino también, la forma en que ello impactará nuestra vida cotidiana, incluso en la fuerza laboral. Varios de dichos avances de la IA en el mundo, han logrado resolver problemas que hasta ahora habían sido muy complejos para el ser humano, y que se encuentran disponibles comercialmente en aplicaciones de negocio, industriales, financieras, hogar, transporte, científicas, entre otros.

Por otro lado, todo el auge de la IA se ha visto favorecido por avances diarios en nuevos sistemas y tecnologías sin precedentes que han logrado sobrepasar a los humanos en diversas tareas. En esto, muchas empresas tecnológicas mundiales, laboratorios de investigación, y universidades en todo el mundo, han llevado la delantera. Más aún, varios países desarrollados como USA, Canadá, Francia y Alemania, entre otros, ya han desarrollado sus propios mapas de ruta que permita ejecutar programas estratégicos nacionales de IA para convertirse en líderes en su desarrollo y comercialización.

Muchas tecnologías que hasta hace varios años eran asociadas a la ciencia ficción, ahora son parte de nuestro diario vivir: reconocimiento facial en fotografías, conducción autónoma de vehículos, reconocimiento de voz, sistemas de atención automática para clientes, análisis de emociones en redes sociales, detección de patrones en grandes cantidades de datos, planificación automática de actividades logísticas, traducción automática, predicción de fraudes, entre otros. En un futuro cercano, se puede esperar que más sistemas que utilizan IA impacten de manera más profunda los negocios, la fuerza laboral, y nuestras vidas diarias.

Para entender el impacto de las tecnologías de IA, y la forma en que éstas pueden ayudar en los negocios y la industria, se requiere comprender los diferentes paradigmas, técnicas, métodos y modelos que están detrás del diseño y desarrollo de sistemas de IA.  En este contexto, el Diplomado en Inteligencia Artificial tiene como objetivo fundamental ayudar en la alfabetización y formación de profesionales en el uso y desarrollo de tecnologías de IA en diversas áreas productivas, y así prepararlos para esta gran revolución tecnológica.

John Atkinson

Director del Programa

Dirigido a

Profesionales con experiencia laboral, que se desempeñan en cualquier tipo de empresas y rubros.

Específicamente a:

• Jefes de tecnología, direcciones de I+D, y jefes de proyectos, tanto del sector privado como público.
• Profesionales de áreas tales como Ingeniería Industrial, Informática, Electrónica, o afines.

 

Requisitos

  • 2 años de experiencia laboral profesional (mínimo).
  • Dominio del inglés a nivel de lectura.

Objetivos

  • Entender los conceptos básicos de las diferentes técnicas, modelos y paradigmas de IA.
  • Describir y aplicar métodos y tecnologías de IA para la solución problemas reales de la industria y negocios.
  • Desarrollar y actualizar a profesionales en diferentes tecnologías y herramientas de IA y su impacto en la toma de decisiones.

Profesores

John Atkinson

PhD in Artificial Intelligence, University of Edinburgh, UK.

Enrique Canessa

PhD in Business Administration, University of Michigan, USA.

Miguel Carrasco

Docteur en Informatique, Université Pierre et Marie Curie, Francia.

Sergio Chaigneau

PhD en Psicología Cognitiva, Emory University, USA

Carlos Hernández

PhD en Inteligencia Artificial, Universidad Autónoma de Barcelona, España.

Sebastián Moreno

PhD in Computer Sciences, Purdue University, USA.

Jorge Pereira

PhD in Industrial Engineering, Universidad Politécnica de Cataluña, España.

Gonzalo Ruz (FIC-UAI)

PhD in Machine Learning, Cardiff University, UK.

Peter Roberts (FIC-UAI)

MSc in Robotic Systems, Carnegie Mellon University, USA.

Harold Paredes

PhD in Computer Sciences, University of Essen, Germany.

Malla Curricular

Introducción a la Inteligencia Artificial y Ciencias Cognitivas 

Este curso entrega  una introducción en cuanto, sistemas de diálogo humano-computador,  comprensión automática de textos electrónicos, y otros.

El principal objetivo de la asignatura es entender los conceptos básicos de las diferentes técnicas y modelos de Inteligencia Artificial, los problemas y desafíos, la evolución histórica y proyecciones futuras, y la natura de los problemas que ameritan la utilización de tecnología de inteligencia artificial. Presentación de las diferentes áreas de la Inteligencia Artificial y ciencias cognitivas.

Técnicas de Búsqueda y Heurísticas:

Para que un sistema ó agente autónomo se comporte de forma inteligente, este debe ser capaz de resolver problemas. Esto significa que el sistema debería ser capaz de tomar decisiones que transformen una situación dada en una situación objetivo. El agente debería ser capaz de imaginar la consecuencia de sus decisiones de modo de identificar aquellas que sean las mejores. En este curso se estudiará una variedad de métodos de búsqueda  que los agentes pueden utilizar para resolver problemas complejos.

Al acabar este módulo el alumno debería:

  • Identificar las necesidades de un algoritmo de búsqueda
  • Establecer las limitaciones de un problema y seleccionar un procedimiento de búsqueda adecuado.
  • Identificar las ventajas e inconvenientes de los procedimientos de búsqueda local y global.
  • Entender los principios de los algoritmos evolutivos (algoritmos genéticos) y de la inteligencia de masa (swarm intelligence)

Planificación Automática:

 En este curso se introduce conceptos básicos de planificación automática y el uso de herramientas actuales para modelar y resolver problemas de planificación. Además, se estudian algunos casos de aplicación en logística, juegos, transporte y en bodegas robotizadas como la de implementada por Amazon Robotics.

Con este tipo de técnicas se puede aprender a:

  • Conocer de las tecnologías modernas.
  • Aplicarlas tecnologías en un caso concreto y guiado con el objeto de revisar las principales capacidades que tienen.

Representación de conocimientos:

El curso cubre conceptos básicos en representación de conocimientos como función central de cualquier sistema de Inteligencia Artificial (IA). Inicialmente basada en paradigmas no basados en lógica, esta área de la IA se consolida como el área central de investigación de IA desde sus inicios. En la década de los 80, con la adopción de la lógica de predicado de primer orden y subconjuntos de ésta como paradigma para representar conocimientos, surgen los sistemas basados en el conocimiento como el área de IA con mayor interés comercial. El curso le permitirá a los estudiantes: entender el diseño de sistemas basados en el conocimiento, entender por qué las limitaciones de dichos sistemas se basan en la complejidad de los métodos para representar conocimiento y para adquirir y mantener grandes bases de conocimientos, y entender cómo el dominio de aplicación determina los métodos de representación de conocimiento a usar.

Al final del curso los alumnos deberán ser capaces de:

  • Conocer diversos métodos de representación de conocimientos y cómo la selección del método depende del dominio de aplicación
  • Entender cómo funcionan los sistemas basados en conocimiento
  • Entender las limitaciones de los métodos de razonamiento en sistemas basados en conocimiento y cuáles siguen siendo hoy los obstáculos principales para hacer realidad el sueño de la IA.

Procesamiento de Lenguaje Natural: 

Este curso entrega  una introducción en cuanto a los fundamentos teóricos, procedimientos, metodologías y aplicaciones en  el área del Procesamiento Automático del Lenguaje Natural. Se revisarán los niveles de tratamiento lingüístico y computacional involucrados en el desarrollo de sistemas automáticos para el procesamiento del lenguaje en contextos tales como la extracción de información en la web, sistemas de diálogo humano-computador,  comprensión automática de textos electrónicos, y otros.

Los principales objetivos a lograr son:

  • Entender los conceptos del procesamiento del lenguaje natural (PLN) desde una perspectiva computacional y lingüística.
  • Comprender las técnicas y herramientas modernas utilizadas para el desarrollo de sistemas robustos y prácticos de comunicación humano-computador.
  • Decidir entre los mejores métodos para solucionar un problema de PLN.
  • Analizar aplicaciones y/o casos de estudios en el área de PLN.

Aprendizaje Automático: 

El objetivo del aprendizaje automático (machine learning) es entender la estructura de los datos y ajustar dichos datos en modelos que puedan ser entendidos y utilizados por las personas.

En los métodos computacionales tradicionales, los algoritmos con conjuntos de instrucciones explícitamente programadas, usadas por los computadores para calcular o resolver problemas. En cambio, los métodos de aprendizaje automático, permiten que los computadores sean entrenados sobre entradas de datos y utilizar análisis matemáticos para producir valores que caen dentro un rango específico. Debido a esto, el aprendizaje automático facilita que los computadores construyan modelos desde los datos con el fin de automatizar procesos de toma de decisión. Muchas tecnología actuales se benefician de técnicas de aprendizaje automático: reconocimiento facial, big data, predicción de fraudes, autos no tripulados, etc.

El objetivo del curso es que los estudiantes adquieran y desarrollen las habilidades técnicas, para entender y utilizar métodos computacionales basados en aprendizaje automático que permitan resolver problemas complejos y adaptativos, y de identificación de patrones en los datos para la toma de decisiones.

Específicamente, se pretende que el estudiante pueda:

  • Entender los principios y fundamentos de aprendizaje automático
  • Analizar y explorar datos de diferente naturaleza
  • Entender conceptos de aprendizaje supervisado y no supervisado
  • Conocer aplicaciones de negocios que utilizan aprendizaje automático para toma de decisiones.
  • Utilizar alguna herramienta para la construcción y aplicación de algoritmos de aprendizaje automático en aplicaciones reales.

Agente Inteligentes:

 Actualmente el paradigma para programar aplicaciones ha ido transitando desde un enfoque en que se debe explícitamente decir a un computador cómo hacer algo detallando todos los pasos necesarios que se deben ejecutar, hacia una orientación donde se le dice al computador qué hacer y él debe determinar cómo hacerlo. Lo anterior se basa en implementar agentes computacionales que, además de lo anterior, puedan interactuar entre sí para cooperar y alcanzar mejor los objetivos de diseño.

Los objetivos del curso son los siguientes:

  • Conocer los conceptos fundamentales del ámbito de agentes inteligentes, autónomos y sistemas multi-agentes.
  • Seleccionar el modelo, arquitectura y protocolo de interacción más adecuado para la resolución de un problema
  • Aplicar sistemas multi-agentes para especificar soluciones a variados problemas en los cuales dicho paradigma sea el más adecuado.

Visión Robótica:

 La robótica es una disciplina en la que convergen no solo las ciencias de la ingeniería sino también disciplinas como el diseño, psicología o las artes, lo que permite su aplicación en variadas áreas del desempeño humano. Para lograr una adecuada integración y aplicación de esta es que se hace imprescindible para el profesional de hoy entender los principios básicos que rigen su funcionamiento y comprender los alcances de esta disciplina. En los últimos años, gracias al enorme avance en algoritmos de visión por computador, ha sido posible unificar y mejorar el rendimiento de robots que antes contaban con sensores limitados para la comprensión de su entorno, en especial aquellos que interactúan con personas. Este curso introduce los principales conceptos y técnicas empleadas en la robótica y la visión por computador actual y su interrelación.

Analizar y comprender los principios básicos de la robótica que le permitan al alumno evaluar la implementación de un sistema robotizado en la solución de problemáticas reales y estudiar y comprender las implicancias técnicas y éticas que posee la visión por computador y sus herramientas en el desarrollo de la robótica.

 PROYECTO CAPSTONE

Ver malla curricular.

Información General

Precio

UF 150

Fechas y horarios

  • Inicio: 6 de mayo de 2019.
  • Término: 27 de enero de 2020.
  • Clases: Lunes, de 17:00 a 21:00 hrs. 

Ver calendario de clases.

Información y postulaciones

Aspectos técnicos y académicos del programa

John Atkinson 562-23311877 / john.atkinson@uai.cl

Formas de pago y beneficios

  • Contado y cuotas

         Descuentos

  • 20% Ex alumnos pregrado y postgrado UAI.
  • 20% Sector público y FFAA
  • 15% por matrícula anticipada hasta el 31 de diciembre de 2018.
  • 3% Pago al contado antes inicio del programa (acumulable).

*Consulta por beneficios exclusivos para empresas en convenio, residencia en regiones y grupo de alumnos.

Sede Errázuriz. Presidente Errázuriz 3485, Las Condes, Santiago.

Preguntas Frecuentes

¿Cuál es el nivel de profundidad del Diploma en Inteligencia Artificial?

El nivel es básico-intermedio. Además de otras actividades anexas, el programa considera 8 tópicos (cursos) que son parte de la Inteligencia Artificial (IA). Cada uno de estos se desarrolla en 12 horas (3 sesiones de 4 hrs).  Estos cursos incluyen aspectos técnicos y aplicados de los conceptos y métodos estudiados, a un nivel de comprensión básica-intermedia factible dentro de dicha restricción de horas. Es posible lograr una mayor profundización a través del proyecto integrador (capstone) individual que realice cada participante, el que se adecua sus necesidades específicas. Si un participante desea mayor nivel de profundidad durante o después del programa, los profesores de éste podrán orientarlo. Sin embargo, el objetivo es que todos los participantes adquieran un conocimiento básico heterogéneo en forma transversal en los tópicos. Es por esto que el programa está pensado como formación integral, y por tanto, se privilegia mayor cobertura de temas y un poco menos de profundidad en un tópico específico.

¿Cuál es la diferencia entre este programa y otros relacionados a temas como Big Data?

La IA es un área científico-tecnológica que lleva al menos 60 años de desarrollo en el mundo, mientras que Big Data es un área de aplicación que entró en escena hace algunos años solamente, justamente gracias a los avances en IA. Específicamente el desarrollo de tecnologías de IA se basa en varias áreas de trabajo, una de las cuales se denomina Aprendizaje Automático (o Machine Learning), que tiene entre sus muchas aplicaciones el análisis de grandes cantidades de datos (Big Data). Por ende, tecnologías como Big Data, Data Mining, entre otras, corresponden a un tipo de aplicación específica de la IA, de ahí que se puede considerar que la IA es el gran “paraguas” que cubre muchos temas que en la actualidad están presentes en los negocios.

¿El conocimiento adquirido en el Diploma es sólo teórico?

No. Cada curso del programa es una combinación entre aspectos técnicos y prácticos, que proveen algunos fundamentos de lo estudiado como también aplicaciones concretas, respectivamente (ejemplos, ejercicios prácticos, casos de estudio, entre otros). Además, a partir de la mitad del transcurso del programa, cada participante comenzará a trabajar en un proyecto (capstone) en el que se aplicará el conocimiento aprendido para resolver un problema práctico que trae desde su propia empresa u organización. En este proceso, contará con la mentoría de profesores del programa.

¿Se utilizará alguna herramienta comercial específica?

No. El Diplomado no utiliza ninguna herramienta o producto comercial, con el fin de que los participantes no estén limitados o sesgados en la comprensión de los problemas. El objetivo es que el estudiante adquiera conocimientos técnicos y prácticos en forma relativamente independiente de herramientas específicas. Sin desmedro de esto, en cada tópico del programa se realizan algunas experiencias prácticas  utilizando herramientas computacionales de uso público, open source u otras que otorgan las facilidades básicas para trabajar con el tiempo que se dispone en cada tópico.

Articulación Magíster en Data Science

Todos los alumnos que hayan cursado el Diplomado en Inteligencia Artificial y estén en posesión del grado académico de Licenciado o título profesional equivalente, podrán convalidar un porcentaje de los ramos cursados para realizar el Magíster en Data Science

Arancel preferencial de UF 280. 

Ver el programa de Magíster