Fundamentos de la Ingeniería de IA

Resumen

This course features Coursera Coach! A smarter way to learn with interactive, real-time conversations that help you test your knowledge, challenge assumptions, and deepen your understanding as you progress through the course.

In this course, you will gain a comprehensive foundation in AI engineering, starting with the fundamentals of Python programming and advancing through key data science and machine learning concepts. The course emphasizes hands-on projects that will solidify your understanding of these essential skills, providing a deep dive into Python, data science tools, and mathematics necessary for machine learning.

By mastering these core concepts, you'll be equipped to approach AI engineering challenges confidently. The course is structured to guide you through each key area, beginning with Python programming basics.

You will learn how to work with Python syntax, data structures, functions, and file handling, all necessary for real-world applications. As you progress, you'll explore data science essentials using NumPy and Pandas, working on projects that teach you data manipulation, visualization, and analysis.

The course culminates with a deeper dive into the mathematics required for machine learning, including linear algebra, calculus, and probability. This course is perfect for aspiring AI engineers, data scientists, and those interested in pursuing machine learning.

No prior experience is required, though a basic understanding of programming and mathematics will be helpful. The course is designed for beginners but includes complex mathematical concepts for those ready to delve deeper.

By the end of the course, you will be able to write Python code for AI-related applications, clean and manipulate data using Pandas, visualize data with Matplotlib, apply machine learning math concepts, and execute probability and statistics techniques in data analysis and model-building projects.

Programa

• Semana 1: Fundamentos de Programación en Python
En este módulo, te presentaremos los conceptos fundamentales de la programación en Python, incluyendo la configuración del entorno de desarrollo y la sintaxis básica. Explorarás el flujo de control, funciones y estructuras de datos mientras aplicas tus conocimientos en proyectos prácticos. Al final, estarás listo para escribir código eficiente y pythónico.
• Semana 2: Fundamentos de Ciencia de Datos
En este módulo, cubriremos las herramientas esenciales para la ciencia de datos, desde NumPy para operaciones numéricas hasta Pandas para manipulación de datos. También obtendrás habilidades en visualización de datos y trabajarás en un proyecto de EDA, aplicando tus conocimientos para extraer insights de conjuntos de datos del mundo real.
• Semana 3: Matemáticas para Aprendizaje Automático
En este módulo, profundizaremos en las matemáticas detrás del aprendizaje automático, comenzando con álgebra lineal y avanzando hacia conceptos de cálculo. Comprenderás la base matemática necesaria para construir y optimizar modelos de aprendizaje automático, mientras aplicas este conocimiento para crear tu propio modelo de regresión lineal.
• Semana 4: Probabilidad y Estadística para Aprendizaje Automático
En este módulo, exploraremos los conceptos críticos de probabilidad y estadística utilizados en el aprendizaje automático. Desde la teoría de la probabilidad hasta las pruebas de hipótesis, adquirirás las herramientas necesarias para analizar e interpretar datos. El módulo también incluye un proyecto práctico para aplicar estos conceptos a datos del mundo real.

---

Impartido por

Packt - Course Instructors

---

Materias

Programming