Completá el formulario para recibir información
Hs
26/05/2025
Destinatarios
Contenido
Aplicaciones de Machine Learning. Inteligencia Artificial como elemento contenedor. Machine Learning y los tipos de algoritmos.
Adopte el cambio de paradigma de los modelos que aprenden de los datos. Elija su métrica de evaluación con cuidado. Recuerda dividir tus datos. Centrarse en bases de datos y herramientas sólidas
Redes neuronales y machine learning. Aplicaciones de redes neuronales. VIsión
Artificial, Procesamiento de Lenguaje Natural. La ciencia de datos en el contexto de Machine Learing.
Requerimientos de datos para proyecto de Deep Learning. Formas de evaluar los resultados de una red neuronal
Información Complementaria
Dr PEDRO ARAUJO
pbaraujo@ucasal.edu.ar
Profesor Adjunto de Inteligencia Artificial Distribuida y de Inteligencia Empresarial y Data Mining de la Universidad Tecnológica Nacional – Facultad Regional Tucumán. Coordinador Académico de las carreras de
Especialización y Maestría en Ingeniería en Sistemas de Información de la Universidad Tecnológica Nacional
– Facultad Regional Tucumán. Docente – Investigador en el Grupo de Investigación en Tecnologías Informáticas Avanzadas (GITIA). 2012 – 2017 Doctor en Ingeniería mención Sistemas de Información, Universidad Tecnológica Nacional.
Dr. PEDRO BERNABE ARAUJO
Profesor Adjunto de Inteligencia Artificial Distribuida y de Inteligencia Empresarial y Data Mining de la Universidad Tecnológica Nacional – Facultad Regional Tucumán. Coordinador Académico de las carreras de
Especialización y Maestría en Ingeniería en Sistemas de Información de la Universidad Tecnológica Nacional
– Facultad Regional Tucumán. Docente – Investigador en el Grupo de Investigación en Tecnologías Informáticas Avanzadas (GITIA). 2012 – 2017 Doctor en Ingeniería mención Sistemas de Información, Universidad Tecnológica Nacional.