Desarrollar competencias para explorar y preparar datos, construir modelos de Machine Learning, evaluar sus resultados e implementar soluciones que integren ciencia de datos e Inteligencia Artificial generativa.

Personas mayores de 18 años residentes en las localidades alcanzadas por la convocatoria.

• Contar con computadora y acceso a internet.
• Tener conocimientos básicos de análisis de datos, bases de datos y SQL.
• Contar con nociones básicas de estadística.
• Poseer manejo intermedio de herramientas digitales.

Módulo I. Introducción a Data Science

• Fundamentos, roles y ciclo de vida de un proyecto de Data Science.
• Entornos de trabajo y uso responsable de asistentes de programación.

Módulo II. Python para Data Science

• Python, Git y GitHub aplicados al análisis de datos.
• NumPy, Pandas y Polars para el procesamiento de información.

Módulo III. Análisis Exploratorio de Datos

• Exploración, visualización, limpieza y transformación de datos.
• Valores faltantes, outliers, DuckDB y feature engineering.

Módulo IV. Fundamentos de Machine Learning

• Componentes y tipos de aprendizaje automático.
• Diferencias entre Machine Learning, Deep Learning e IA generativa.

Módulo V. Aprendizaje Automático Supervisado

• Modelos de regresión y clasificación.
• Evaluación, validación, optimización y explicabilidad de modelos.

Módulo VI. Aprendizaje Automático No Supervisado

• Clustering, reducción de dimensionalidad y métricas.
• Embeddings, similitud vectorial y agrupamiento de textos.

Módulo VII. Redes Neuronales e IA Generativa

• Fundamentos de redes neuronales, Deep Learning y Transformers.
• LLMs, consumo de APIs y construcción de una aplicación RAG.

Módulo VIII. Implementación y Proyecto Final

• FastAPI, MLflow, monitoreo, Docker y despliegue de modelos.
• Portfolio profesional y proyecto integrador aplicado.

La formación se desarrolla en modalidad virtual, combinando clases sincrónicas, contenidos en el Campus Virtual y actividades prácticas. A través de ejercicios, casos y trabajo colaborativo, las personas participantes desarrollan competencias técnicas y transversales. 

Todas las rutas incluyen un tramo común de Inteligencia Artificial Aplicada y Prompting, orientado al uso productivo y responsable de estas herramientas.

La evaluación será continua y formativa, contemplando las actividades prácticas, la experimentación con código y los avances del proyecto. Como cierre, se presentará una solución que integre análisis, modelado, evaluación, documentación y despliegue.

Al finalizar el programa, los estudiantes recibirán un certificado en el que se acrediten la cantidad de horas de formación dependiendo el curso del que participaron. Para acceder al mismo deberán cumplir con el 80% de asistencias a las clases sincrónicas (sólo pueden tener tres faltas), completar las actividades propuestas durante la cursada y entregar el trabajo final.