heroMaestrias

Microdegree en Fundamentos para IA: Curso Especializado

FUNDAMENTOS DE MATEMÁTICA PARA INTELIGENCIA ARTIFICIAL

Fortalece tu base matemática que sustenta la Inteligencia Artificial moderna.

Inicio: 19 de enero

Duración: 49 horas

Modalidad: Online en vivo

Costo: S/.3,900

Certificaciones:

Obtén un certificado digital al aprobar satisfactoriamente el Curso Especializado en Fundamentos de Matemática
para Inteligencia Artificial

Objetivos del curso

→ Consolidar los conocimientos matemáticos fundamentales necesarios para analizar y desarrollar modelos de inteligencia artificial, abarcando temas clave como álgebra lineal, cálculo, probabilidad y estadística.

→ Comprender y aplicar conceptos esenciales como vectores, matrices, derivadas, integrales, espacios vectoriales, distribuciones de probabilidad y principios estadísticos, con énfasis en su utilidad para la IA.

→ Desarrollar habilidades analíticas y de pensamiento crítico para formular, abstraer y resolver problemas matemáticos en contextos propios de la inteligencia artificial. 

  • → Establecer una base matemática sólida que te prepare para abordar con éxito cursos avanzados de la maestría y participar activamente en proyectos de investigación en IA.

DESCRIPCIÓN DEL
CURSO

Dirigido a:

→ Tener formación previa en ciencias, ingeniería, tecnología o áreas afines, con interés en investigación aplicada en inteligencia artificial.

→ Contar con conocimientos básicos de matemáticas a nivel universitario (álgebra, cálculo y estadística).

 

→ Demostrar motivación por fortalecer su formación teórica para el análisis riguroso de algoritmos y modelos de IA.

 

→ Poseer habilidades de razonamiento lógico, pensamiento abstracto y disposición para el autoaprendizaje.

 

→ Fundamentos de Matemática para IA: necesita cálculo, álgebra lineal y probabilidad a nivel básico–intermedio.

  • I. Fundamentos de Matemática para IA
    Prerrequisitos previos:
    A. Álgebra básica e intermedia
    • Operaciones con matrices y vectores (suma, multiplicación, transposición).
    • Sistemas de ecuaciones lineales.
    • Concepto de determinante y rango.
    Espacios vectoriales de forma introductoria.
    B. Cálculo diferencial e integral
    • Derivadas de funciones de una variable.
    • Regla de la cadena.
    • Concepto de integral definida/indefinida.
    C. Probabilidad y estadística básica (nivel introductorio)
    • Probabilidades simples y condicionales.
    • Teorema de Bayes.
    • Media, varianza y desviación estándar.
    • Distribuciones más comunes (uniforme, normal, binomial).
    D, Aritmética y álgebra
    • Manipulación de expresiones algebraicas.
    • - Ecuaciones cuadráticas.
    • - Funciones polinómicas, exponenciales y logarítmicas.

 

En este curso :

→ Comprenderás y aplicarás los fundamentos matemáticos que sustentan los principales métodos de inteligencia artificial.

→ Formularás y resolverás problemas matemáticos en contextos relacionados con IA, desarrollando habilidades analíticas rigurosas.

→ Contarás con una base sólida para continuar con éxito en cursos avanzados de la maestría, como optimización, aprendizaje profundo o modelos probabilísticos.
 

TEMARIO DEL
CURSO

Onboarding
  • Onboarding.
Módulo 1: Introducción y Fundamentos Matemáticos
  • Repaso rápido de notación matemática y operaciones básicas.
  • Introducción a conjuntos y funciones.
  • Conceptos básicos de vectores y matrices.
Módulo 1 y 2: Introducción y Complejidad Algorítmica / Álgebra Lineal
  • Introducción a conjuntos y funciones.
  • Producto escalar y producto cruzado.
Módulo 2: Álgebra Lineal
  • Producto escalar y producto cruzado.
  • Transformaciones lineales y sus aplicaciones en IA.
Módulo 2 y 3: Álgebra Lineal / Analítica Geométrica
  • Transformaciones lineales y sus aplicaciones en IA.
  • Distancias y normativas.
Módulo 3: Analítica Geométrica
  • Visualización y manipulación en espacios de alta dimensionalidad.
Módulo 4: Probabilidad y Estadística
  • Conceptos básicos de probabilidad: Variables aleatorias, distribuciones discretas y continuas.
  • Introducción a teoría de la información: Entropía y divergencia de Kullback-Leibler.
  • Teorema de Bayes y aplicaciones en IA.
Módulo 4 y 5: Probabilidad y Estadística / Cálculo Vectorial
  • Introducción a teoría de la información: Entropía y divergencia de Kullback-Leibler.
  • Gradientes, derivadas parciales y Jacobianos.
Módulo 5: Cálculo Vectorial
  • Gradientes, derivadas parciales y Jacobianos.
  • Aplicación en modelos de aprendizaje automático.
Módulo 6: Optimización continua
  • Introducción a gradiente descendente y variantes (Momentum, Adam)
  • Ejemplos prácticos de entrenamiento de modelos.
Evaluación final.
  • Evaluación final.

Horario de clases

Martes y jueves de 7:00 P.M. a 10:00 P.M.

Sábados de 9 A.M. a 1 P.M.

Evaluación y trabajo final

Evaluación  
   
Para la evaluación del curso se considera el estado: aprobado o desaprobado.


El curso es dinámico y aplicativo, con sesiones en vivo que requieren tu compromiso activo en las diversas actividades preparadas a lo largo del programa.

Evaluación continua.  

Evaluación final. 

 

CERTIFICACIONES

certification

UTEC Posgrado te otorgará un certificado digital al aprobar el Curso Especializado en Fundamentos de Matemática para Inteligencia Artificial.

ESTUDIA
CON NOSOTROS _

Networking

Amplía tu red de contactos, encuentra oportunidades laborales. Además, aprende de otros profesionales y construye una reputación sólida en tu campo.

Asistente Virtual

Recibe acompañamiento durante todo el programa. Contarás con el apoyo de un asistente que responde tus consultas y realiza seguimiento a tu aprendizaje para asegurarnos que se cubren los objetivos trazados.

Método UTEC Posgrado

Nuestra metodología se basa en la participación activa, discusiones, estudio de casos, generación de sinergia a través de los proyectos grupales, simulaciones y otras actividades prácticas que te permite aplicar lo que estás aprendiendo.

Practitioners

CONOCE A NUESTROS EXPERTOS

Nuestra comunidad de docentes y practitioners está formada por expertos con una amplia experiencia en el campo académico.

Angel Napa Bernuy

Miembro de la Comisión de Olimpiadas de la Sociedad Matemáti

Jorge Tipe

Magíster en Matemáticas

Excepcionalmente, podrían existir modificaciones en la plantilla de practitioners por imprevistos o razones de fuerza mayor.

Solicita más información

Deja tus datos en el formulario y nos pondremos en contacto para resolver todas tus dudas

Datos personales