APLICACION DE LA INTELIGENCIA ARTIFICIAL EN LA INTEGRACION DE DATOS

Cumplir con el trámite de registro y matrícula establecido por la institución., contar con las herramientas de cómputo e internet necesarias para el desarrollo del proceso formativo., contar con habilidades lectoescritoras y de manejo de herramientas informáticas y de comunicación acordes con el programa de formación.

Integrar datos según procedimiento técnico y especificaciones de proceso de negocio

Recolección, tratamiento y visualización de datos para inteligencia artificial recolección y caracterización de datos tipos de datos técnicas de definición de datos fuentes de información principios éticos en el tratamiento de datos procesamiento y preparación de datos técnicas de limpieza de datos preparación de datos para inteligencia artificial estadística descriptiva inteligencia artificial (ia) aplicada al tratamiento de datos concepto, origen y evolución de la inteligencia artificial funciones y aplicaciones de la ia en el procesamiento de datos tipologías de ia: descriptiva, predictiva y generativa ia generativa: características, usos y retos interacción con modelos generativos: el papel del prompt análisis y visualización de datos herramientas de visualización de datos herramientas de analítica de datos introducción al aprendizaje automático (machine learning) estrategias de integración y análisis de datos mediante inteligencia artificial inteligencia artificial aplicada a los datos principios fundamentales de la inteligencia artificial aplicaciones en la vida cotidiana y la industria papel de la ia en el procesamiento de datos herramientas de inteligencia artificial generativas concepto y características diferencias con la ia descriptiva casos de uso en entornos reales interacción con modelos generativos concepto de prompt y principios de prompting técnicas de mejora de la interacción ejemplos de prompts efectivos y no efectivos casos de uso prácticos consideraciones éticas y sesgos en el modelamiento de datos preparación e integración de datos concepto de preparación de datos técnicas de limpieza de datos modelamiento de datos para las reglas de negocio metodologías de diseño e integración de datos principios de integralidad aplicación estratégica de la estadística descriptiva en ia interpretación de niveles de medición en contextos reales análisis de variables categóricas y numéricas en la toma de decisiones visualización estratégica mediante histogramas y tablas cruzadas uso de medidas estadísticas para el control de calidad de los datos aprendizaje automático (machine learning) concepto, características y tipos principales algoritmos herramientas de analítica de datos: características y funcionalidades algoritmos de agrupamiento y técnicas de gestión de datos evaluación de modelos de machine learning: métricas y validación