Cursos de certificaciones internacionales

Cursos de certificaciones internacionales

Artificial Intelligence Certified Professional

Esta certificación valida la experiencia y el conocimiento en los algoritmos, métodos y modelos de las prácticas de Inteligencia Artificial contemporáneas, para explorar como se puede resolver una variedad de problemas comerciales diferente mediante la utilización y combinación de técnicas probadas.

Acerca del ente certificador ITCertificate

Es un proveedor global líder en programas de certificacióny evaluación.

Los profesionales alcanzan su máximo potencial con programas de acreditación.

Nuestros capacitadores, dedican tiempo a la consultoría y aportan experiencia a su enseñanza.

ITCertificate Education controla el desarrollo de múltiples programas educativos y certificaciones internacionales

Los expertos académicos son un grupo selecto de IT que pasan por un extenso conjunto de revisiones, pruebas, capacitaciones y entrevistas por pares antes de ser aceptados.

A quien esta dirigido

Metodología

  • Las clases se dictan llevando un Caso de Estudio Empresarial lo cual nos permite desarrollar el modelo metodológico con ejercicios prácticos reales que se utilizan en un ambiente empresarial en donde los estudiantes aplican los conocimientos específicos.  Al finalizar el curso cada estudiante debe hacer entrega de los laboratorios realizados con su respectiva documentación.

Perfil del Profesor

Los profesores son Ingenieros de Sistemas o afines con certificaciones internacionales vigentes.  Son profesionales con experiencia Docente y Corporativa lo cual garantiza el conocimiento y el manejo de los temas dictados.

Requisitos previos

Es necesario alcazar la siguiente certificación antes de presentar el examen:

Acerca del examen

Contenido temático

  1. ¿Inteligencia Artificial aplicada a  Negocios?
  1. Reinforcement learning

1.1. Ejemplos.

  1. Procesos de decisión de Markov (MDP)

2.1. Propiedad de Markov (MDP).

2.2. Política óptima.

2.3. Value Function – Función de valor.

2.4. Q-value function.

  1. La ecuación de Bellman

3.1. La ecuación Bellman – Value Iteration.

  1. Deep Q-learning

4.1.  Atari Breakout – ejemplo.

4.2. Atari Breakout: Arquitectura  Q-Network.

4.3. Deep Q-Learning para juegos: Algoritmo – ejemplo



  1. Recompensas – Entorno

1.1.  Definir recompensas.

  1. Solución (Teoría)

2.1. Solución I.A.

  1. Plan de acción

3.1. ¿Qué veremos en el plan de  acción?

  1. ¿Qué es el reinforcement learning?
  2. La ecuación de Bellman
  3. El plan

6.1. El plan (este es el “plan”)

  1. Añadir una “living penalty”

9.1. “Living penalty” R(S)=0

9.2. “Living penalty” R(S)=0.04

9.3. “Living penalty” R(S)=0.5

9.4. “Living penalty” R(S)=-2.0

  1. Q-Learning
  2. Diferencia temporal