Microcertificado

Inteligencia Artificial con Deep Learning y Aprendizaje por Refuerzo (TLG)

Inteligencia Artificial Nivel: Principiante

Adquiriendo esta competencia aprenderás a crear modelos de aprendizaje profundo y aprendizaje por refuerzo.

Recibe asesoría personalizada

Déjanos tus datos y recibe la información que necesitas sobre el programa y sus beneficios.

Modalidad

Learning Gate

Próxima fecha de inicio

Inscripciones Abiertas

Inversión

$15,400

Cálculo realizado con el tipo de cambio vigente al 06/05/2026 según el Banco de México ($17.25 MXN/USD). El monto final a pagar puede variar conforme al tipo de cambio aplicable al momento de la transacción.

*MSI con tarjetas participantes emitidas en México Ver formas de pago disponibles

Duración

40 horas

Inscribirme al programa

Sobre el programa:

Modalidad

Learning Gate

Fecha
de inicio

Inscripciones Abiertas

Duración

40 horas

Inversión

$15,400

*MSI con tarjetas participantes emitidas en México Ver formas de pago disponibles

Contactar asesor Inscribirme al programa

Siguenos en:

¿Qué aprenderás?

Actualmente, las empresas son más conscientes de que necesitan tomar decisiones basadas en predicciones para ser más competitivas. La IA es una herramienta poderosa para desarrollar estos modelos predictivos eficientes para fenómenos complejos. Por lo tanto, un profesionista con estas competencias los hace más competitivos. Es justamente esta necesidad la que se estaría cubriendo.
Actualmente, las empresas son más conscientes de que necesitan tomar decisiones basadas en predicciones para ser más competitivas. La IA es una herramienta poderosa para desarrollar estos modelos predictivos eficientes para fenómenos complejos. Por lo tanto, contratar recursos humanos con estas competencias las hace más competitivas. Es justamente esta necesidad la que se estaría cubriendo.

¿Qué lograrás al terminar?

Al finalizar el programa, serás capaz de:

Diseñar modelos predictivos utilizando IA clásica o de aprendizaje profundo, tanto para una cantidad moderada de datos como para grandes volúmenes de datos. Resolver problemas de optimización utilizando metaheurísticas. Resolver problemas utilizando razonamiento automático.

¿Qué es The Learning Gate?

100% Autogestionable

Competencias y subcompetencias a través de certificaciones, certificados de competencias y microcertificados.

Rutas flexibles de aprendizaje. De acuerdo con el perfil del participante.
Bajo demanda. Módulos de 10 horas que desarrollan una subcompetencia y pueden ser tomados cuando se decida.
Modelo apilable. Varias subcompetencias integran una competencia y varias competencias integran una certificación.
Artículos, conferencias y eventos gratuitos incluidos.

Conoce el modelo de aprendizaje que hay en The Learning Gate

Modelo Flex

Aprende a tu propio ritmo cuando, como y donde quieras.

Sesión de onboarding personal.
Comienza y termina tu certificación de acuerdo con tu ritmo y tu propia agenda.
Elige el Certificado de Competencias o Microcertificado que se adapte mejor a tus intereses.
Mantén completa flexibilidad en tu aprendizaje.

Temario

Expandir todas las secciones

Onboarding: inicia tu experiencia de aprendizaje

Únete a una sesión vía Zoom, diseñada para darte la bienvenida y brindarte todos los elementos que conforman el ecosistema de The Learning Gate, desde la navegación en la plataforma, la comunidad, los diferentes caminos de aprendizaje, los Success Partners que te darán acompañamiento, un espacio para resolver tus dudas y herramientas útiles que podrás aprovechar para potenciar tu experiencia de aprendizaje.

1.Experimentar con la biblioteca PyTorch para desarrollar modelos de aprendizaje profundo. 2.Aplicar la biblioteca PyTorch en Python para desarrollar modelos de aprendizaje profundo.

1.Revisar la biblioteca TensorFlow en Python para desarrollar modelos de aprendizaje profundo. 2.Aplicar la biblioteca TensorFlow en Python para desarrollar modelos de aprendizaje profundo. Aplicar la biblioteca TensorFlow en Python para desarrollar modelos de aprendizaje profundo.

1.Explorar el uso de transformadores para realizar tareas de clasificación de texto, generación de texto, resumen de texto y respuesta a preguntas. 2.Aplicar el uso de transformadores para realizar tareas de clasificación de texto, generación de texto, resumen de texto y respuesta a preguntas.

1.Experimentar con algoritmos de aprendizaje por refuerzo, que tienen la peculiaridad de que aprenden del medio ambiente en el que trabajan, para lograr los objetivos de la tarea a realizar. 2.Utilizar algoritmos de aprendizaje por refuerzo, que tienen la peculiaridad de que aprenden del medio ambiente en el que trabajan, para lograr los objetivos de la tarea a realizar.

Distínguete en el mercado con credenciales
digitales

Nuestros programas ofrecen experiencias de aprendizaje orientadas a fortalecer y actualizar tus conocimientos y habilidades en diversas áreas de interés personal y profesional. Además, de acuerdo con sus características y criterios particulares, podrás obtener una constancia, diploma o certificado, según corresponda, así como una insignia digital con tecnología blockchain.

Los alcances, requisitos y reconocimientos específicos se detallan en la información de cada programa.

Preguntas frecuentes

Permite desarrollar sistemas que aprenden mediante la interacción con su entorno, mejorando decisiones de forma continua. Optimiza procesos complejos, automatiza tareas y se adapta a cambios dinámicos. Además, fortalece la capacidad de resolver problemas donde las soluciones no son evidentes desde el inicio.

Reinforcement Learning es un enfoque donde un agente aprende por prueba y error en un entorno, recibiendo recompensas o penalizaciones, hasta encontrar una política de acciones que maximiza la recompensa acumulada.

Estudiarlo es importante si quieres resolver problemas dinámicos de decisión; te da bases para modelar entornos, diseñar recompensas y entrenar agentes, con aplicaciones en optimización, control y recomendaciones adaptativas.

Sirve para aprender estrategias de decisión como la asignación de recursos, control, rutas, inventarios o personalización dinámica, donde el sistema aprende con interacción y retroalimentación del entorno.

Se aplica a robótica/control, optimización logística, gestión de inventarios, pricing dinámico, recomendaciones adaptativas, planeación y simulaciones donde se busca maximizar un objetivo a lo largo del tiempo.

Uno de los principales retos es el alto costo de entrenamiento, inestabilidad, diseño difícil de recompensas, necesidad de simulación, riesgo de comportamientos inesperados y dificultad para garantizar seguridad y cumplimiento en entornos reales.

Se basa en la definición del entorno (estados/acciones), diseño de recompensa, exploración vs explotación, estabilidad del entrenamiento, evaluación robusta, restricciones y monitoreo para evitar sesgos o acciones no deseadas.

Consulta más