Objetivos:

El objetivo principal del curso es proporcionar una comprensión sólida de Python para pasar a sus aplicaciones en el análisis de datos y la inteligencia artificial. Las y los participantes verán:

·         Python desde cero hasta aplicaciones avanzadas.

·         Herramientas esenciales como Pandas, Matplotlib y Scikit-Learn.

·         Fundamentos de Machine learning, computer vision y procesamiento del lenguaje natural.

·         Proyectos prácticos utilizando datos del sector AGRO.

·         Implementación de soluciones en la nube (AWS) orientadas a la agroindustria.

El curso ofrece una visión estratégica y generalista, pero todos los casos prácticos, análisis de datos e implementaciones en la nube se realizarán utilizando datos y escenarios reales del sector AGRO. Esto permitirá a los y las participantes aplicar inmediatamente lo aprendido en un campo profesional especifico.

Al finalizar el curso, las y los participantes serán capaces de:

·         Analizar grandes volúmenes de datos agrícolas

·         Implementar modelos de análisis de datos e IA para optimizar procesos en el sector AGRO

·         Tomar decisiones basadas en datos para mejorar la productividad agrícola

·         Utilizar herramientas de IA avanzadas en contextos agroindustriales

Destinatarios:

Este curso está diseñado para un público amplio que desee adquirir conocimientos prácticos en Python, análisis de datos e inteligencia artificial. 

Está dirigido especialmente a:

-      Técnicas/cos y tecnólogas/gos que deseen actualizar sus habilidades en programación y análisis de datos.

-      Empresarias/os interesados en aprovechar el poder del análisis de datos y la IA para mejorar la toma de decisiones en sus negocios.

-      Gestoras/res y directivos que buscan entender cómo las tecnologías de datos e IA pueden transformar sus organizaciones.

-      Profesionales de industrias que necesiten aplicar estas habilidades en contextos globales.

-      Creativas/vos que quieran explorar nuevas formas de utilizar la tecnología en sus proyectos artísticos y de diseño.

-      Ingenieras/ros y desarrolladoras/res que deseen expandir sus competencias en programación y machine learning.

-      Educadoras/res que busquen incorporar el análisis de datos y la IA en sus currículos y métodos de enseñanza.

-      Estudiantes y entusiastas de la tecnología que desean iniciarse en el mundo del análisis de datos y la inteligencia artificial.

Contenidos:

Encuentro 1: Fundamentos de Python

Objetivos: Familiarizarse con los conceptos básicos de Python.

Contenido:

• Instalación y configuración del entorno de desarrollo (Anaconda, Jupyter Notebooks).
• Sintaxis básica de Python.
• Tipos de datos y variables.
• Operadores y expresiones.
• Control de flujo (condicionales y bucles).
• Ejercicios prácticos.

Encuentro 2: Estructuras de Datos en Python y Programación Modular

Objetivos: Conocer y manejar las estructuras de datos fundamentales en Python y aprender a definir y utilizar funciones, y comprender la importancia de la modularidad.

Contenido:

• Listas y tuplas.
• Diccionarios y conjuntos.
• Manipulación y métodos de las estructuras de datos.
• Definición y llamada de funciones.
• Parámetros y argumentos.
• Alcance de variables.
• Modularidad y reutilización de código.
• Ejercicios prácticos.

Encuentro 3: Introducción a la Biblioteca Pandas y Limpieza de Datos

Objetivos: Introducirse en la manipulación y análisis de datos con Pandas y aprender técnicas de limpieza y preparación de datos para análisis.

Contenido:

• Instalación y configuración de Pandas.
• Estructuras de datos en Pandas: Series y DataFrames.
• Importación y exportación de datos.
• Operaciones básicas con DataFrames.
• Manejo de datos faltantes.
• Filtrado y selección de datos.
• Transformación y agregación de datos.
• Ejercicios prácticos.

Encuentro 4: Visualización de Datos con Matplotlib y Seaborn

Objetivos: Comprender cómo crear visualizaciones efectivas de datos.

Contenido:

• Instalación y configuración de Matplotlib y Seaborn.
• Creación de gráficos básicos: líneas, barras, histogramas.
• Personalización de gráficos.
• Introducción a Seaborn para visualizaciones estadísticas.
• Ejercicios prácticos.

Encuentro 5: Introducción al Machine Learning

Objetivos: Comprender los conceptos básicos de Machine Learning y sus aplicaciones.

Contenido:

• Conceptos clave: modelos, algoritmos y conjuntos de datos.
• Tipos de aprendizaje: supervisado y no supervisado.
• Ciclo de vida de un proyecto de Machine Learning.
• Ejemplos prácticos con Scikit-Learn.
• Introducción a Teachable Machine y Tiny Sorter para robótica.

Encuentro 6: Computer Vision

Objetivos: Aplicar los conocimientos adquiridos en el campo de Computer Vision.

Contenido:

• Introducción a Computer Vision.
• Ejemplos prácticos de Computer Vision.
• Uso de herramientas y librerías específicas.
• Ejercicios prácticos.

Encuentro 7: Large Language Models (LLM) y Natural Language Processing (NLP)

Objetivos: Aplicar los conocimientos adquiridos en el campo de LLM y NLP.

Contenido:

• Introducción a Large Language Models (LLM).
• Aplicaciones y uso de LLM.
• Introducción a Natural Language Processing (NLP).
• Uso de HuggingFace para modelos de NLP.
• Ejercicios prácticos.

Encuentro 8: Proyecto Final y Herramientas Avanzadas

Objetivos: Integrar el uso de herramientas avanzadas y desarrollar un proyecto práctico.

Contenido:

Suite de aplicaciones y herramientas para IA.

Desarrollo de un proyecto práctico en Machine Learning.

Integración con Teachable Machine y Tiny Sorter.

Presentación y discusión de proyectos finales.

Encuentro 9: Nuevos paradigmas computacionales 1

Objetivos: Introducir, pensar y proyectar para nuevas arquitecturas más allá de las arquitecturas clásicas de Von Neumann.

Encuentro 10: Nuevos paradigmas computacionales 2

Objetivos: Introducir, pensar y proyectar para nuevas arquitecturas más allá de las arquitecturas clásicas de Von Neumann.

Info adicional:

• Material Complementario: Se proporcionarán notebooks interactivos y datasets para la práctica continua fuera de los encuentros.

• Evaluación: Al finalizar cada encuentro, se realizarán pequeños quizzes y desafíos prácticos para evaluar la comprensión y aplicación de los conceptos.

Este programa está diseñado para proporcionar una base sólida en Python, análisis de datos y diversas aplicaciones de Inteligencia Artificial, preparando a las y los participantes para profundizar en estos campos y aplicar los conocimientos en proyectos prácticos.