Descripción
¿Estás estratégicamente preparado para enfrentar retos de liderazgo frente a iniciativas de tecnologías de IA? El Diplomado de Inteligencia Artificial está diseñado para directivos, líderes tecnológicos y responsables de cumplimiento que buscan comprender y aplicar la IA en entornos empresariales, operativos y normativos. A través de sesiones teóricas, y casos tácticos y prácticos donde el instructor mostrará software especializado de IA para ilustrar la forma en que algunos conceptos se aplican en la práctica, los participantes adquirirán una visión integral sobre fundamentos, riesgos, normativas, gobernanza y aplicaciones reales de IA. Este diplomado permite actualizarse y profundizar en conocimientos y habilidades útiles de IA de manera estructurada para evaluar, adoptar y escalar soluciones de IA con enfoque ético y productivo, preparando a los asistentes para liderar la transformación digital con confianza, impacto y sostenibilidad.
Detalles
Examen de certificación oficial por parte de CERT4TECH (Disponible en español e inglés).
Segunda oportunidad de examen de certificación oficial.
2 exámenes de simulación (de práctica).
Material oficial acreditado.
Ejercicios de revisión.
30% del curso es de laboratorios prácticos utilizando software especializado en IA.
Carta de asistencia al curso.
16 Unidades de Desarrollo Profesional (PDUs de Project Management Institute®).
¡Tu aprendizaje es nuestro compromiso!
Si no apruebas tu examen en el primer intento, te brindamos la oportunidad de tomar el curso de nuevo sin costo adicional.
Para hacerlo válido es indispensable cumplir con el 100% de tu asistencia previamente.
Al finalizar el curso, podrás:
- Comprender los fundamentos teéricos y prácticos de la inteligencia artificial.
- Aprender a evaluar la madurez organizacional y preparación para adoptar IA.
- Comprender cómo aplicar IA en múltiples casos de auditoría, cumplimiento y normativas internacionales.
- Integrar principios éticos, transparencia y derechos humanos en proyectos de IA.
- Gestionar riesgos, seguridad y privacidad en soluciones de IA.
- Comprender el diseño, desarrollo e implementación de modelos de IA en entornos empresariales.
- Simular escenarios de adopción y operación de tecnologías generativas.
- Liderar iniciativas de cambio organizacional y transformación digital con IA.
- Responsables de tecnología, seguridad de información, ciberseguridad, cumplimiento, gestión de riesgos y continuidad de negocio.
- Directivos, líderes tecnológicos, responsables de cumplimiento y personas interesadas en adentrase en la IA.
- Conocimientos generales de tecnología y transformación digital.
- Familiaridad con conceptos básicos de TI, datos o automatización (no se requiere programación).
- Contar con una licencia habilitada o trial de Microsoft 365 Copilot o similar para los ejercicios del curso.
- Duración: 60 minutos.
- Número de preguntas: 40 de opción múltiple.
- Calificación aprobatoria: 70%.
- Formato: En línea, supervisado en vivo (vía cámara web). A libro cerrado.
- Idioma: español e inglés.
Contenido
- Historia y evolución de la IA: desde Turing hasta la IA moderna
- Definiciones clave: IA, Machine Learning, Deep Learning, IA generativa
- Tipos de IA: débil, fuerte, generativa, predictiva, simbólica y conexionista
- Aplicaciones actuales de IA en la industria: salud, finanzas, retail, manufactura
- Ejercicio: Mapa conceptual de tipos de IA
- Panorama de tecnologías emergentes en IA
- Diferencias entre IA tradicional y IA generativa
- Álgebra lineal aplicada: vectores, matrices, operaciones y transformaciones
- Probabilidad: eventos, distribuciones, teorema de Bayes y su uso en modelos
- Estadística básica: media, mediana, varianza, desviación estándar
- Aplicación de estos fundamentos en modelos de IA (regresión, clasificación)
- Ejemplo práctico: cómo se usan matrices en redes neuronales
- Visualización de datos y análisis exploratorio
- Reducción de dimensionalidad: PCA y su utilidad en IA
- Ejercicio: análisis estadístico de un conjunto de datos
- Tipos de aprendizaje: supervisado, no supervisado y por refuerzo
- Principales algoritmos: regresión, árboles, clustering, Q-learning
- Evaluación de modelos: precisión, recall, F1-score, matriz de confusión
- Pipeline de ML: preprocesamiento, entrenamiento, validación y despliegue
- Ejercicio: Clasificación de algoritmos por tipo de aprendizaje
- Modelos de lenguaje natural (LLMs): GPT, PaLM, LaMDA
- Redes generativas adversariales (GANs): arquitectura y aplicaciones
- Modelos de difusión y generación de imágenes
- Evaluación de calidad de contenido generado
- Ejercicio: Identificación de modelos generativos
- Modelos de madurez en IA: CMMI, AI Readiness Index, RAI Maturity Model
- Diagnóstico de preparación tecnológica y cultural
- Factores clave para escalar IA en organizaciones
- Herramientas de autoevaluación de madurez
- Ejercicio: Evaluación de madurez de tu organización
- Aplicación de IA en procesos de auditoría interna y externa
- Normativas internacionales: ISO/IEC 42001, GDPR, RAIS
- Automatización de controles y monitoreo continuo
- Riesgos y controles en auditoría algorítmica
- Ejercicio: Simulación de auditoría con IA
- Principios éticos: equidad, inclusión, privacidad, explicabilidad
- Protocolos éticos y marcos regulatorios
- Transparencia algorítmica y rendición de cuentas
- Casos reales de dilemas éticos en IA
- Ejercicio: Evaluación de dilemas éticos
- Tipos de sesgos: de datos, de diseño, de implementación
- Impacto de los sesgos en decisiones automatizadas
- Técnicas de mitigación de sesgos: recolección, balanceo, fairness
- Evaluación de equidad en modelos de IA
- Ejercicio: Análisis de sesgos en un modelo
- Registro de decisiones automatizadas y su trazabilidad
- Auditoría de modelos: logs, versiones, explicaciones
- Herramientas para trazabilidad en IA
- Gobernanza de decisiones algorítmicas
- Ejercicio: Identificación de puntos críticos de trazabilidad
- Gestión de incidentes de IA: detección, respuesta, recuperación
- Riesgos de seguridad en modelos IA: fuga de datos, manipulación
- Ataques adversariales y jailbreaks en modelos generativos
- Evaluación de robustez y resiliencia de modelos
- Ejercicio: Evaluación de vulnerabilidades
- Principios fundamentales de privacidad en IA (minimización, consentimiento, propósito)
- Técnicas de anonimización y seudonimización de datos
- Evaluación de cumplimiento normativo (GDPR, LGPD, etc.)
- Impacto de la privacidad diferencial en modelos de IA
- Quiz: Evaluación de cumplimiento de privacidad
- Ejercicio: Diseño de políticas de privacidad para un sistema de IA
- Fases del ciclo de vida: diseño, desarrollo, implementación, monitoreo
- Gobernanza del ciclo de vida: roles, responsabilidades y controles
- Gestión de datos y entrenamiento en cada fase
- Evaluación continua de desempeño y riesgos
- Buenas prácticas en mantenimiento y actualización de modelos
- Ejercicio: Diseño de ciclo de vida para un proyecto IA
- Componentes clave de una arquitectura de IA empresarial
- Integración con sistemas existentes (ERP, CRM, etc.)
- Infraestructura: nube, edge computing, contenedores
- Plataformas de desarrollo y despliegue de IA
- Consideraciones de escalabilidad y resiliencia
- Ejercicio: Diseño de alto nivel de arquitectura de IA
- Modelos de adopción: comprar, extender o construir soluciones IA
- Herramientas Microsoft: Copilot 365, Copilot Studio, Azure AI Foundry
- Evaluación de escenarios de adopción según necesidades empresariales
- Ventajas y desafíos de IA en la nube
- Ejercicio: Selección de tecnología según caso de uso
- Ejercicio: Comparación de estrategias de adopción en IA
- RAI Toolkit, HAX Toolkit, Azure AI Content Safety
- Fairlearn y protocolos de transparencia
- Evaluación de riesgos éticos con herramientas Microsoft
- Integración de herramientas en el ciclo de vida de IA
- Ejercicio: Selección y aplicación de toolkit ético
- Quiz: Identificación de herramientas según tipo de riesgo
- Fundamentos de prompt engineering y gobernanza
- Activadores avanzados: Act as, Think step by step, Chain of Thought
- Diseño de prompts para evitar sesgos y errores
- Evaluación de impacto de prompts en resultados generativos
- Ejercicio: Identificación de buenas prácticas en diseño de prompts
- Ejercicio: Rediseño de prompts con enfoque ético
- Metodologías ágiles y tradicionales aplicadas a IA
- Roles clave en proyectos de IA: Product Owner, Data Scientist, etc.
- Gestión de riesgos y dependencias
- Herramientas de seguimiento y control de proyectos IA
- Quiz: Identificación de riesgos en proyectos IA
- Ejercicio: Planificación de proyecto IA con enfoque ágil
- Definición de métricas de éxito en IA
- Diseño de dashboards y reportes ejecutivos
- Evaluación de impacto social, económico y ético
- Ejercicio: Diseño de indicadores para un proyecto IA
- Quiz: Selección de KPIs según tipo de modelo
- Monitoreo continuo y retroalimentación de desempeño
- Identificación de casos de negocio y PoC (Proof of Concept)
- Factores de éxito en la implementación de IA
- Evaluación de viabilidad técnica y económica
- Ejercicio: Análisis de requisitos para una PoC funcional
- Simulación de escenarios de adopción en distintos sectores
- Quiz: Evaluación de escenarios de adopción
- Casos de éxito en salud, finanzas, manufactura, retail
- Lecciones aprendidas de implementaciones reales
- Quiz: Análisis de caso de éxito
- Ejercicio: Evaluación de impacto de IA en un sector específico
- Comparación de estrategias de adopción entre industrias
- Tendencias sectoriales en IA
- Automatización de procesos con IA
- Mejora de decisiones estratégicas mediante IA
- Ejercicio: Identificación de procesos automatizables
- Evaluación de retorno de inversión (ROI) en IA
- Quiz: Identificación de oportunidades de mejora con IA
- Integración de IA en la cadena de valor empresarial
- Políticas, controles y roles en gobernanza de IA
- Diseño de estructuras de gobierno ético
- Mínimo gobierno viable para IA
- Auditoría y trazabilidad como parte de la gobernanza
- Quiz: Evaluación de políticas de IA
- Ejercicio: Diseño de marco de gobernanza para IA
- Plan de adopción: comunicación, capacitación, resistencia, coalición
- Programa de campeones de IA
- Indicadores de éxito en gestión del cambio
- Gestión de expectativas y cultura organizacional
- Quiz: Evaluación de estrategias de cambio
- Ejercicio: Plan de adopción organizacional inicial
- Tendencias emergentes: IA general, IA emocional, IA híbrida
- Exploración de tecnologías disruptivas
- Quiz: Exploración de tecnologías emergentes
- Impacto de la IA en el futuro del trabajo
- Fronteras éticas y filosóficas de la IA
- Ejercicio: Diseño de solución innovadora con IA
- Presentación de proyecto final ante comité simulado
- Evaluación de competencias adquiridas
- Autoevaluación y retroalimentación
- Integración de conocimientos en un caso práctico
- Ejercicio: Defensa de proyecto ante comité simulado
- Reflexión final sobre el rol del líder en IA
