Informació pràctica
Continguts teòrics i les sessions virtuals seràn en Castellà.
Introducció
Aquest curs ofereix una introducció a l’aprenentatge automàtic, des dels fonaments fins a l’aplicació amb Python. L’alumnat aprendrà conceptes clau, explorarà els seus usos i desafiaments ètics, i treballarà amb dades reals per entrenar models. A través de sessions pràctiques presencials, desenvoluparà habilitats essencials per implementar solucions basades en dades
Objectius específics del curs
L’objectiu principal d’aquest curs d’Intel·ligència Artificial és introduir els participants a l’aprenentatge automàtic amb Python. Python és un llenguatge de programació àmpliament utilitzat en aplicacions web i en el desenvolupament de machine learning (ML), tots dos considerats pilars fonamentals de la Intel·ligència Artificial en el context actual. Al llarg del curs, els alumnes adquiriran una comprensió sòlida dels conceptes clau de l’aprenentatge automàtic i la seva implementació pràctica amb Python.
Adreçat a
Persones que estan treballant actualment i persones en recerca activa de feina que estiguin interessades en l’àmbit de la Intel·ligència Artificial i les seves aplicacions pràctiques amb Python.
Programa del curs
Mòdul 1: Introducció a la Intel·ligència Artificial (IA)
En aquest mòdul es presentaran els conceptes fonamentals de la IA. L’alumnat s’endinsarà en les seves bases teòriques, els diferents rols relacionats i les seves possibles aplicacions empresarials.
- Fonaments de la IA
- Àrees d’Aplicació de la IAPrimers Passos en la IA
- IA en el món real: rols i aplicacions empresarials
Mòdul 2: Ètica de la Intel·ligència Artificial
En aquest mòdul, l’alumnat coneixerà els aspectes ètics de la intel·ligència artificial. A més, s’identificaran els principals reptes i el seu impacte en el món actual.
- Principis Ètics en la IA
- Reptes Ètics i Problemàtiques Actuals
- Impacte de la IA
Mòdul 3: Fonaments Bàsics
En aquest mòdul, l’alumnat descobrirà els principis bàsics de l’aprenentatge automàtic i l’aprenentatge profund. També es treballarà amb el cicle de vida d’un projecte de Machine Learning, des de la preparació de dades fins a l’avaluació de models.
- Conceptes clau de l’aprenentatge automàtic
- Conceptes bàsics del deep learning
- Cicle de vida de la dada
Mòdul 4: Pràctica 1
En aquest mòdul es realitzarà la primera sessió pràctica presencial. L’alumnat configurarà el seu entorn de treball i realitzarà una anàlisi exploratòria de dades. S’entrenarà un model supervisat i es debatran els resultats obtinguts.
- Configuració de l’entorn de treball
- Anàlisi exploratòria de dades
- Entrenament d’un model supervisat
- Discussió de resultats
Mòdul 5: Pràctica 2
En aquesta sessió pràctica, l’alumnat aprendrà a preparar les dades per a l’anàlisi. A més, s’entrenarà un model no supervisat.
- Preprocessament i exploració de dades
- Entrenament d’un model no supervisat
Mòdul 6: Pràctica 3
En aquesta sessió presencial es farà un resum de tots els conceptes apresos i es resoldran els dubtes que puguin sorgir. També s’exploraran exemples de negoci.
- Integració dels diferents conceptes treballats al curs
- Aplicacions de Negoci de les Tecnologies de les Dades i la IA
Informació addicional
Aquesta actuació está desenvolupada per Eurecat i impulsada i subvencionada per el projecte Digital Innovation Hub de Catalunya (DIH4CAT), un ecosistema regional d’innovació sense ànim de lucre, format pels principals agents de suport a la digitalització de Catalunya, que té com a objectiu impulsar la transformació tecnològica de la Petita i Mitjana Empresa (amb especial focus en sectors industrials i proveïdors de tecnologia), les start-ups tecnològiques i les entitats públiques.
Entitats impulsores: BSC, CVC, Eurecat, Foment de Treball Nacional, Acció, i2CAT, ICFO, IESE, Leitat, PIMEC, UOC.
