Harvard lanzó 6 cursos gratuitos para aprender sobre economía: cómo anotarse

Recursos Humanos02 de octubre de 2024
483876

Para todos aquellos que quieran ponerse adelante de la competencia y prepararse para la gran transformación de la economía mundial, la Universidad de Harvard lanzó 6 cursos virtuales y gratuitos para aprender ciencias de la computación

Con más de 360.000 alumnos en todo el mundo, esta institución educativa ˗acaso la más antigua de los Estados Unidos˗ con sede en Cambridge y Boston, Massachusetts se dedica a "la excelencia en la enseñanza, el aprendizaje y la investigación, y a desarrollar líderes en muchas disciplinas que marquen la diferencia a nivel mundial", según describen en su web oficial.

Cuáles son los 6 cursos de economía que ofrece Harvard y cómo anotase

Para inscribirse en los cursos online que ofrece la universidad se debe ingresar a la plataforma oficial de HarvardX, crearse una cuenta y completar el formulario. Ya registrada, la persona tendrá acceso al catálogo, donde podrá seleccionar el curso que más se ajuste a sus necesidades e intereses.

Introducción a la inteligencia artificial con Python en CS50

Con una duración de 7 semanas (entre 10 y 30 horas por semana), este curso explora los conceptos y algoritmos en los que se basa la inteligencia artificial moderna, profundizando en las ideas que originan tecnologías, como los motores de juego, el reconocimiento de escritura a mano y la traducción automática.

Mediante proyectos prácticos, los estudiantes obtienen exposición a la teoría detrás de los algoritmos de búsqueda de grafos, la clasificación, la optimización, el aprendizaje automático, los modelos de lenguaje grandes y otros temas de inteligencia artificial a medida que los incorporan a sus propios programas de Python.

Aprendizaje automático e inteligencia artificial con Python

¿Qué sucede cuando te enfrentas a decisiones complejas y multifacéticas? Con una duración de 6 semanas (entre 4 y 5 horas por semana), esta "asignatura" enseña a aprovechar el poder de la inteligencia artificial (IA) a través del aprendizaje automático para mejorar sus procesos de toma de decisiones.

Utilizando casos del mundo real y conjuntos de datos de muestra, los alumnos examinarán los procesos, trazarán sus expectativas, revisarán los resultados y medirán la eficacia de las técnicas de la máquina.

Además, incorporarán datos y criterios adicionales, probarán sus predicciones y analizarán los resultados a lo largo del camino para evitar el sobreentrenamiento de sus datos, mitigar el sobreajuste y evitar resultados sesgados.

Ciencia de datos: aprendizaje automático

Con una duración de 8 semanas (entre 2 y 4 horas por semana), versa y pone al tanto sobre algoritmos populares de aprendizaje automático, análisis de componentes principales y regularización mediante la creación de un sistema de recomendación de películas. Enseña sobre los datos de entrenamiento y cómo usar un conjunto de datos para descubrir relaciones potencialmente predictivas.

A medida que cree el sistema de recomendación de películas, el alumno aprenderá a entrenar algoritmos con datos de entrenamiento para que pueda predecir el resultado de futuros conjuntos de datos. También enseña acerca del sobreentrenamiento y técnicas para evitarlo, como la validación cruzada.

Fundamentos de Tinyml

Con una duración de 5 semanas (entre 2 y 4 horas por semana), proporciona una base para que los alumnos comprendan este campo emergente. Tiny Machine Learning (TinyML) es una de las áreas de más rápido crecimiento del aprendizaje profundo y se está volviendo cada vez más accesible. Esta difiere del aprendizaje automático convencional (por ejemplo, servidor y nube) porque requiere no solo experiencia en software, sino también en hardware integrado.

El primer curso de la serie de certificados TinyML se centrará en los conceptos básicos del aprendizaje automático, el aprendizaje profundo y los dispositivos y sistemas integrados, como teléfonos inteligentes y otros dispositivos pequeños.

Se aprenderán técnicas de ciencia de datos para recopilar datos y desarrollarán una comprensión de los algoritmos de aprendizaje para entrenar modelos básicos de aprendizaje automático. Al final, los alumnos podrán comprender el "lenguaje" detrás de TinyML y estar listo para sumergirse en la aplicación de TinyML en cursos futuros.

Los demás cursos del programa permitirán ver el código detrás de las aplicaciones de Tiny ML ampliamente utilizadas, como dispositivos diminutos y teléfonos inteligentes, e implementar código en su propio dispositivo físico.

Aplicaciones de Tinyml este curso

¿Sabes lo que sucede cuando dices "OK Google" a un dispositivo de Google? ¿Tu Google Home siempre está escuchando? Con una duración de 6 semanas (entre 2 y 4 horas semanales), este curso te dará la oportunidad de ver en la práctica pequeñas aplicaciones de aprendizaje automático.

Invita a sumergirse en el código para usar los datos de los sensores para tareas como la detección de gestos y el reconocimiento de voz; centrándose en la red neuronal de las aplicaciones, específicamente en el entrenamiento y la inferencia, los alumnos revisarán el código detrás de "OK Google", "Alexa" y las funciones de los teléfonos inteligentes en Android y Apple.

También aprenderán sobre las aplicaciones reales de la industria de TinyML, así como la detección de palabras clave, las palabras de activación visual, la detección de anomalías, la ingeniería de conjuntos de datos y la inteligencia artificial responsable.

Implementación de Tinyml

Con una duración de 5 semanas (entre 2 y 4 horas por semana), es único en su tipo: una combinación de ciencias de la computación e ingeniería eléctrica. Los alumnos aprenderán sobre el software, escribirán el código e implementarán el modelo en su propio dispositivo basado en microcontrolador diminuto.

A través de este curso que ofrece la universidad de Harvard los estudiantes podrán obtener experiencia práctica con sistemas integrados, capacitación en aprendizaje automático e implementación de aprendizaje automático con TensorFlow Lite para microcontroladores, para implementar en aplicaciones como reconocimiento de voz, detección de sonido y detección de gestos.

Te puede interesar