IA Aplicada a la Industria: Soluciones Prácticas con Python y Machine Learning

Dirigido a

Profesionales de sectores industriales que buscan incorporar la inteligencia artificial en sus procesos para mejorar la eficiencia, la toma de decisiones y la innovación tecnológica. Este curso está diseñado para ingenieros, analistas de datos y líderes de proyectos industriales interesados en desarrollar habilidades prácticas en el uso de Python y herramientas de IA aplicadas a la industria.

Duración

Modalidad presencial
Duración: 64 horas
Precio por persona: $10,000 pesos
Cupo máximo: 20 personas
Sesiones: De lunes a jueves, de 18 a 20 hrs.

Fecha

1 de septiembre 2025

Objetivos

  • • Dominar Python como una herramienta esencial para el procesamiento de datos, un lenguaje ampliamente utilizado en la inteligencia artificial por su versatilidad y disponibilidad de bibliotecas especializadas.
  • • Aprender técnicas avanzadas de exploración y procesamiento de datos para la identificación de patrones clave que permita el mejoramiento de procesos productivos, asi como optimizar la toma de decisiones mediante algoritmos de Machine Learning.
  • • Comprender los fundamentos y aplicaciones de redes neuronales, una de las tecnologías más potentes y revolucionarias en el campo de la IA.

Temario

Fundamentos de Programación con Python

  • • Estructuras de control de flujo.
  • • Estructuras de datos (listas, diccionarios, tuplas,Sets).
  • • Funciones definidas por el usuario.
  • • Manejo de archivos y operaciones de entrada/salida.
  • • Gestión de errores y excepciones.
  • • Introducción a la Programación Orientada a Objetos.
  • • Programación Funcional: List Comprehension, Lambda Expressions, y funciones map() y filter() para el manejo eficiente de datos.

Introducción a las Librerías de Procesamiento de Datos

  • • Manipulación y optimización de grandes volúmenes de datos con Numpy.
  • • Visualización de datos efectiva con Matplotlib.
  • • Análisis Exploratorio de Datos con Pandas: limpieza, transformación y manipulación.
  • • Implementación de algoritmos de Machine Learning con scikit-learn.

Machine Learning

  • • Introducción a los fundamentos del Machine Learning.
  • • Técnicas de aprendizaje supervisado (regresión, clasificación) para la predicción y toma de decisiones.
  • • Técnicas de aprendizaje no supervisado (clustering, análisis de componentes principales) para el descubrimiento de patrones y segmentación de datos.
  • • Evaluación de modelos y mejora del rendimiento.
  • • Metodología para la implementación de un proyecto de Machine Learning.

Redes Neuronales Artificiales (ANN)

  • • Fundamentos de Redes Neuronales.
  • • Arquitectura de una red neuronal.
  • • Uso de TensorFlow y Keras para construir y entrenar modelos de redes neuronales.
  • • Aplicaciones de las redes neuronales en problemas de clasificación y predicción.
  • • Exploración de Arquitecturas Avanzadas de Redes Neuronales.
Preregistro

Para mayor información puedes comunicarte a:
capacitacion@cimav.edu.mx
614 4391196

Instructores

Rodrigo Domínguez

Dr. Rodrigo Domínguez

Grados académicos

Ingeniero en sistemas computacionales en software.
Maestro en ingeniería en sistema computacionales.
Doctor(c) en Ciencia en Ciencia de Datos.

Desempeño y cargo

Tecnico Titular C, personal académico a cargo del clúster de computación de alto rendimiento y soporte al área de cómputo científico.

Áreas de experiencia e interés

Desarrollo e implementación de modelos de Ciencia de Datos y Aprendizaje Automático, pronóstico de series temporales, análisis de Big Data, cómputo de alto rendimiento, diseño de sistemas distribuidos inteligentes, minería de datos, minería de procesos y teoría de la información.

Semblanza de su experiencia académica y laboral

Ingeniero en Sistemas Computacionales con orientación en desarrollo de software y Maestro en Ingeniería en Sistemas Computacionales por la Universidad Autónoma de Chihuahua, con línea de investigación en sistemas distribuidos inteligentes. Actualmente es candidato a Doctor en Ciencia de Datos en el Centro de Investigación e Innovación en Tecnologías de la Información y Comunicación (INFOTEC), desarrollando su investigación en la implementación de modelos predictivos mediante algoritmos de Machine Learning.

Forma parte del personal académico del Centro de Investigación en Materiales Avanzados (CIMAV), donde está a cargo del clúster de cómputo de alto rendimiento y brinda soporte especializado en cómputo científico.

Sus áreas de investigación incluyen ciencia de datos, aprendizaje automático, modelado predictivo, minería de datos, minería de procesos, Big Data, cómputo de alto rendimiento (HPC), sistemas distribuidos inteligentes y teoría de la información.

Mtro. José Juan Calderón

Grados académicos

-​ Licenciatura en Software — Universidad Autónoma de Chihuahua (UACH), 1994​
-​ Maestría en Ciencias de la Computación — Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM), 2004​
-​ Maestría en Machine Learning — Universidad de Neuchâtel, Suiza, 2010​
-​ Doctorado en Ciencias de Datos — INFOTEC, actualmente en curso​

Cargo Actual:

Desarrollador de software especializado en algoritmos, desarrollo full-stack y ciencia de datos.

Áreas de experiencia e interés:​

Desarrollo de software Full-Stack, machine & deep learning, recuperación semántica de información.

Semblanza profesional:

José Juan Calderón Ochoa es un desarrollador de software con más de tres décadas de experiencia en el diseño, implementación y análisis de sistemas computacionales. Su formación combina fundamentos sólidos en ingeniería de software con especialización avanzada en aprendizaje automático y recuperación semántica de información.

Inició su trayectoria profesional como Full-Stack Developer en ID & Informatique (2004–2008) en Lausanne, Suiza, donde participó en proyectos de ingeniería de software para sectores industriales. Posteriormente se desempeñó como analista de datos en ArgYou (2010–2014), en Berna, Suiza, contribuyendo al desarrollo de modelos para análisis semántico y posicionamiento web basado en motores de búsqueda. Desde 2014 colabora en el Centro de Investigación en Materiales Avanzados (CIMAV) en Chihuahua, México, como desarrollador full-stack de plataformas de gestión administrativa.

Su interés actual se orienta al desarrollo de soluciones explicables de inteligencia artificial, sistemas de
recuperación semántica de información y aplicaciones de aprendizaje profundo en contextos científicos y multidisciplinarios. En este marco, ha comenzado a trabajar en arquitecturas RAG (Retrieval-Augmented Generation), que integran mecanismos de búsqueda semántica con modelos generativos, y en la especialización de herramientas AutoML, con el objetivo de facilitar el uso de modelos de aprendizaje automático entre investigadores y personal técnico en disciplinas STEM.

Accessibility by WAH