Asignaturas de la Maestría en
Inteligencia Artificial

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

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.

- Ver la página web de la asignatura

Docente a cargo: Dr. Ing. Camilo Argoty.

Temario:
1. Introducción a procesos estocásticos y series de tiempo. Manejo de datos de series de tiempo en Python.
2. Ruido blanco y caminata aleatoria. Funciones de autocorrelación y autocorrelación parcial. Procesos y series estacionarias y estacionales. Prueba de Dicky-Fuller.
3. Diferenciación de series de tiempo. Descomposición ETS, modelo aditivo y multiplicativo. Suavizado.
4. Bondad de modelos LLH, AIC y BIC. Modelos autorregresivos y de media móvil AR, MA, ARMA.
5. Modelos integrados, estacionales y con variables exógenas: ARIMA, ARIMAX, SARIMAX.
6. Modelos de heteroscedasticidad condicional: ARCH, GARCH.
7. Pronósticos. Librería autoarima. Librería Prophet.
8. Redes RNN del tipo LSTM para series de tiempo.

- Ver la página web de la asignatura

Docente a cargo: Dr. Ing. Camilo Argoty.

Temario:

1. Análisis espectral.

2. Modelos de Monte Carlo.

3. Empirical Mode Decomposition (EMD & EEMD).

4. Procesos de Márkov.

5. Integración y Derivación estocástica.

6. Fórmula de Black & Scholes.

- Ver la página web de la asignatura

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

Temario:
1. Arquitectura de Transformers e imágenes como secuencias.
2. Arquitecturas de ViT y el mecanismo de Attention.
3. Ecosistema actual, Huggingface y modelos pre entrenados.
4. Diffusion, GPT y modelos generativos.
5. Modelos multimodales: combinación de visión y lenguaje.
6. Segmentación con SAM y herramientas de auto etiquetado multimodales.
7. OCR y detección con modelos multimodales.

- Ver la página web de la asignatura

Docente a cargo: Esp. Ing. Miguel Augusto Azar.

Temario:
1. Procesos de decisión de Markov.

2. Q-Learning.

3. SARSA.

4. Deep Q-Network.

5. Actor-Critic (AC).

6. Asynchronous Advantage Actor-Critic (A3C). 

- Ver la página web de la asignatura

Docente a cargo: Esp. Ing. Miguel Augusto Azar.

Temario:
1. Optimización de políticas proximas (PPO).
2. Gradiente de política determinista profunda con doble retardo (TD3).
3. Soft Actor-Critic (SAC).
4. Aprendizaje por refuerzo multiagente (MARL).
5. Aprendizaje por refuerzo inverso (IRL).
6. Exploración con Modelos Generativos.

- Ver la página web de la asignatura

Docentes a cargo: Esp. Ing. Oksana Bokhonok, Esp. Ing. 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.

- Ver la página web de la asignatura

Docentes a cargo: Dra. Antonela Isoglio, Dr. Andrés Echeverry.

Temario:
1. Innovación: concepto, alcance y atributos.
2. Gestión de la innovación: principios y normas.
3. Sistema de gestión de la innovación y priorización de iniciativas de innovación.
4. Sistema de vigilancia e inteligencia estratégica.
5. Alianzas en innovación.
6. Gestión de la propiedad intelectual.
7. Situar la innovación en Argentina y América Latina: análisis de los casos empíricos estudiados de innovaciones basadas en ciencia y tecnología.

- Ver la página web de la asignatura

Docente a cargo: Esp. Ing. Miguel Augusto Azar.

Temario:

1. Computación evolutiva.

2. Algoritmos genéticos.

3. Análisis y comparativa de AE.

4. Optimización por enjambre de partículas (PSO).

5. Mejoras del algoritmo PSO.

6. PSO con restricciones.

7. PSO multiobjetivo.

8. Optimización basada en enseñanza-aprendizaje (TLBO).

9. Optimización basada en colonia de hormigas (ACO).

10. Búsqueda tabú.

11. Hiperheurísticas.

- Ver la página web de la asignatura

Docente a cargo:  Jaime Andrés Riascos Salas.

Temario:
1. Modo de flujo de datos a traves de base de datos, API REST o transporte en tiempo real.
2. GraphQL, gRPC.
3. Aprendizaje Federado.
4. Streaming.
5. Procesamiento en la nube.
6. Seguridad en IA.

- Ver la página web de la asignatura

Las propuestas varían en cada oportunidad.
En el siguiente link se pueden consultar las asignaturas optativas.

- Ver asignaturas optativas

Docentes a cargo: Mg. Ing. Christian Yanez Flores, Esp. Ing. Celeste Corominas, Esp. Lic. María Carina Roldán, Esp. Ing. Ariadna Garmendia, Esp. Ing. Natanael Emir Ferrán, Esp. Ing. Luis Mariano Campos, Esp. Ing. Lionel Gutiérrez, Lic. Sebastián Roldán y Ed. María Soledad Gomez.

Temario:
Durante este curso de carácter obligatorio se elabora la memoria del trabajo final de la carrera y su presentación pública.

- Ver la página web de la asignatura