Asignaturas de la Diplomatura en
Procesamiento de Lenguaje Natural

Docentes a cargo: Dr. Ing. Facundo Lucianna.

Temario:

1. Introducción a la Inteligencia Artificial.

2. Agentes racionales y resolución de problemas mediante búsqueda.

3. Problemas de optimización y búsqueda local (gradiente descendente, simulated annealing, local beam search, algoritmos genéticos).

4. Aprendizaje automático: formas de aprendizaje, aprendizaje supervisado, sesgo y varianza.

5. Regresión lineal simple y múltiple. Regresión Ridge y Lasso.

6. Clasificación: regresión logística, curva ROC y clasificador bayesiano ingenuo (Naive Bayes).

7. Aprendizaje por refuerzo: procesos de decisión de Markov, ecuación de Bellman y Q-learning.

- Ver la página web del curso

Docentes a cargo: Dr. Marcos Maillot, Esp. Ing. Gerardo Vilcamiza

Temario:

1. Introducción al Deep Learning, redes neuronales y forward pass.

2. Backpropagation, funciones de activación, funciones de costo y algoritmos de optimización.

3. Introducción al framework PyTorch.

4. Regularización, hyperparameter tuning y embeddings.

5. Convolutional Neural Networks (CNNs).

6. Recurrent Neural Networks (RNNs). Encoder-Decoder. Attention Layers.

7. Representation learning. Autoencoder. Embeddings.

8. Transfer learning. Generative Adversarial Networks (GANs).

- Ver la página web del curso

Docentes a cargo: Ing. Rodrigo Cárdenas, Ing. Nicolás Vattuone, Ing. Mauro Bringas 

Temario:
1. Bolsa de palabras.
2. N-grama.
3. TF-IDF.
4. Word2Vec.
5. Vectores de palabras (Glove, FastText).
6. Representación de oraciones.
7. Similaridad entre textos.
8. Seq2Seq.
9. BERT y ElMo.

- Ver la página web del curso

Docentes a cargo: Esp. Abraham Rodriguez, Esp. Ezequiel Guinzburg

Temario:
1. Arquitectura Transformers y tokenizadores.
2. Arquitecturas de LLMs, Transformer Decoder.
3. Ecosistema actual (APIs y costos), efectos adversos y evaluación de LLMs.
4. MoEs y técnicas de prompts.
5. Modelos locales y uso de APIs.
6. RAG, vector DBs, chatbots y práctica.
7. Agentes, fine-tuning y práctica.
8. Generación multimodal y práctica.

Docentes a cargo: Esp. Ing. Oksana Bokhonok, Mg. Abraham Adolfo Rodriguez Zepeda

Temario:
1. Modelos multimodales y personalización.
2. Sistemas cognitivos y agentes autónomos.
3. Optimización de modelos generativos.
4. Ética y alineación.
5. LLMs, IoT y AR/VR.
6. Escalabilidad y eficiencia.
7. Innovación y preservación cultural.
8. Arquitecturas alternativas a Transformers.