A quién va dirigido
Empresas que quieran potenciar la innovación a través de las últimas tecnologías relacionadas con inteligencia artificial y que manejan una cantidad elevada de datos o procesos complejos.
Objetivos
- Adquirir conocimientos sobre el mundo de los supercomputadores.
- Lograr competencias básicas para la utilización eficiente y sencilla de grandes supercomputadores.
- Obtener información sobre los recursos de supercomputación accesibles para las empresas, tanto a nivel nacional como internacional.
- Comprender los conceptos fundamentales de la Inteligencia Artificial y el Aprendizaje Profundo, con un enfoque en aplicaciones prácticas para las PYMES.
- Adquirir conocimientos sobre el Procesamiento de Lenguaje Natural (NLP) y su aplicación en la mejora de procesos empresariales.
- Desarrollar habilidades básicas para implementar modelos de NLP utilizando recursos de supercomputación.
Contenido
BLOQUE 1: Supercomputación - 7 horas
- Videos
- Introducción a la Supercomputación
- Sistemas de supercomputación
- Acceso a supercomputadores
- Oportunidades de Test Before Invest para PYMES
- Ejercicio práctico – Utilización de un cluster de Supercomputación
BLOQUE 2: Inteligencia Artificial aplicada a PYMES – 6 horas
- Regresión y clasificación. Modelos, métricas y estudio de los datos.
- Introducción al Deep Learning. Arquitecturas básicas y entrenamiento de redes neuronales.
- Hands-on session: Aplicación de técnicas de Machine Learning.
- Introducción al Procesamiento de Lenguaje Natural (NLP)
- Modelos de Lenguaje Avanzados y Aplicaciones.
- Hands-on session: Aplicación de NLP: Análisis de sentimiento, clasificación de documentos, etc.
Requisitos
- Los participantes deben tener acceso a un ordenador, preferentemente con sistema operativo Linux o Mac (puede ser una máquina virtual o Windows Subsystem for Linux, WSL).
- Se requieren conocimientos básicos del trabajo con la shell de Linux.
- Conocimientos básicos de Python y experiencia en la gestión de librerías: Los participantes deben tener experiencia previa en Python, incluyendo conocimientos básicos de programación (estructuras de control, funciones y manejo de librerías).
- Conceptos de descarga e instalación de librerías usando herramientas como pip.
- Acceso a un entorno de desarrollo como Jupyter Notebook o un entorno Python para practicar implementaciones de NLP. Esto puede ser localmente o mediante plataformas como Google Colab.
Todas las actividades cuentan con el soporte de un profesor/tutor para su desarrollo
