Cursos de la Maestria en
Inteligencia Artificial

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: 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.

Docentes 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.

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.

Docentes 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). 

Docentes 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.

Docentes a cargo: 

Temario:

Docentes a cargo: Dr. 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.

Docentes 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.

Docentes a cargo: 

Temario:

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

- Ver cursos optativos

Docentes a cargo: Mg. Ing. Christian Yanez Flores, Mg. Ing. Matias Alvarez, Ing. Celeste Corominas, Ed. María Soledad Gomez, Dra. Ing. Mariela Videla, Esp. Ing. Pedro Rosito, Esp. Ing. Gabriel Gavinowich, Esp. Ing. Lionel Gutiérrez.

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

- Ver la página web del curso