Gobernanza estratégica de la IA
Dirigir la gobernanza y el despliegue responsable de la IA
Certificado oficial emitido por la SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 240 h
26 unidades
Nivel intermedio
Qué aprenderás
Lo que serás capaz de hacer
Conozca el ciclo de vida completo de la implementación responsable de la IA, desde el diseño ético hasta la gobernanza de la producción. Esta completa Especialización equipa a los profesionales con las habilidades críticas para diseñar, implementar y gobernar sistemas de IA que sean transparentes, justos y alineados con la estrategia de la organización. A través de ocho cursos de nivel intermedio, aprenderá a crear soluciones de IA responsables, implementar marcos de gobernanza sólidos, proteger las aplicaciones de IA, optimizar las operaciones en la nube y garantizar el cumplimiento ético en todo el ecosistema de la IA. El programa combina fundamentos teóricos con la aplicación práctica, con estudios de casos del mundo real, laboratorios prácticos y marcos estándar de la industria. Desarrollará experiencia en ingeniería rápida, automatización de MLOps, evaluación de seguridad, optimización de costes y documentación completa de IA. Al finalizar, estará preparado para liderar iniciativas de gobernanza de la IA, realizar auditorías éticas, gestionar los riesgos de la IA e impulsar la alineación estratégica entre las capacidades de la IA y los objetivos empresariales, manteniendo los más altos estándares de responsabilidad y rendición de cuentas.
- Diseñar e implementar marcos integrales de gobernanza de la inteligencia artificial que incluyan directrices éticas, evaluaciones de riesgos y políticas de cumplimiento.
- Crear y automatizar flujos de trabajo de MLOps seguros, al tiempo que se llevan a cabo auditorías sistemáticas para detectar sesgos, garantizar la equidad y asegurar una implementación responsable de la IA.
- Optimizar las operaciones de IA mediante la gestión de costes en la nube, las evaluaciones de seguridad y la supervisión del rendimiento en todos los sistemas de la empresa.
Habilidades que desarrollarás
IA responsable
Modelado de amenazas
MLOps (operaciones de aprendizaje automático)
Gestión presupuestaria
Control de costos
Programación segura
Gobernanza de datos
Experimentación
Ingeniería de prompts
Seguridad de aplicaciones
Ética de datos
CI/CD
Automatización
Pronósticos financieros
Gestión del cumplimiento normativo
Gobernanza
Documentación técnica
Evaluaciones de vulnerabilidades
Gestión de riesgos
Comunicación con partes interesadas
Temario
UNIDAD 1 - Fundamentos del diseño responsable de la IA · 8 leccionesDiseñar y presentar soluciones de IA responsables - UNIDAD 1 - Fundamentos del diseño responsable de la IA
UNIDAD 1 - Fundamentos del diseño responsable de la IA · 8 lecciones
Diseñar y presentar soluciones de IA responsables - UNIDAD 1 - Fundamentos del diseño responsable de la IA
- La llamada de atención ética: Cuando la IA se equivoca
- Bienvenido al curso Visión general del curso
- Bienvenido al diseño responsable de IA
- Por qué es importante una IA responsable
- Principios básicos de la IA responsable
- Inteligencia artificial responsable: por qué es importante y cómo la aplicamos en Microsoft
- De los principios a la práctica: Diseñar pensando en la ética
- Aprendizaje práctico: Reflexión responsable sobre los riesgos de la IA
UNIDAD 2 - Diseño y evaluación de sistemas de IA responsables · 6 leccionesDiseñar y presentar soluciones de IA responsables - UNIDAD 2 - Diseño y evaluación de sistemas de IA responsables
UNIDAD 2 - Diseño y evaluación de sistemas de IA responsables · 6 lecciones
Diseñar y presentar soluciones de IA responsables - UNIDAD 2 - Diseño y evaluación de sistemas de IA responsables
- Equilibrio entre innovación y riesgo en el diseño de la IA
- Integrar la ética en el ciclo de vida de la IA
- Utilizar lienzos y listas de control de IA responsable
- Crear una IA en la que se pueda confiar: cómo diseña Google para garantizar la transparencia y la equidad (2024)
- Reducir los prejuicios y comunicar la incertidumbre
- Aprendizaje práctico: Reto de diseño responsable de IA
UNIDAD 3 - Comunicación y presentación de soluciones de IA responsables · 9 leccionesDiseñar y presentar soluciones de IA responsables - UNIDAD 3 - Comunicación y presentación de soluciones de IA responsables
UNIDAD 3 - Comunicación y presentación de soluciones de IA responsables · 9 lecciones
Diseñar y presentar soluciones de IA responsables - UNIDAD 3 - Comunicación y presentación de soluciones de IA responsables
- Ganarse la confianza a través de la transparencia y la narración de historias
- Contar la historia de su solución de IA
- Cómo elaborar una presentación sobre IA responsable
- Actualización de los Principios de IA 2024 de la OCDE: Poner en práctica una IA digna de confianza
- Presentar la responsabilidad de la IA a las partes interesadas
- Aprendizaje práctico: Desafío de la presentación responsable de la IA
- Resumen del curso y próximos pasos
- Proyecto: Diseñar y presentar un paquete de soluciones de IA responsable
- Diseñar y presentar soluciones de IA responsables
UNIDAD 4 - Módulo 1: Análisis de métricas de rendimiento · 7 leccionesEstimulación, evaluación y gobernanza de GenAI - UNIDAD 4 - Módulo 1: Análisis de métricas de rendimiento
UNIDAD 4 - Módulo 1: Análisis de métricas de rendimiento · 7 lecciones
Estimulación, evaluación y gobernanza de GenAI - UNIDAD 4 - Módulo 1: Análisis de métricas de rendimiento
- Por qué la supervisión del rendimiento determina el éxito de la IA
- Métricas esenciales para un análisis rápido del rendimiento
- Creación de cuadros de mando para el análisis de cohortes
- Aplicación de métodos estadísticos de detección de desviaciones
- Análisis de los patrones de rendimiento en situaciones reales
- Informe de investigación sobre la deriva de rendimiento
- Cuestionario: Control del rendimiento Comprobación de conocimientos
UNIDAD 5 - Módulo 2: Evaluar las compensaciones técnicas · 8 leccionesEstimulación, evaluación y gobernanza de GenAI - UNIDAD 5 - Módulo 2: Evaluar las compensaciones técnicas
UNIDAD 5 - Módulo 2: Evaluar las compensaciones técnicas · 8 lecciones
Estimulación, evaluación y gobernanza de GenAI - UNIDAD 5 - Módulo 2: Evaluar las compensaciones técnicas
- Por qué las decisiones de arquitectura definen el éxito de la IA
- Marco de arquitectura técnica para el diseño de sistemas de IA
- Métodos de análisis coste-beneficio para las decisiones sobre arquitectura de IA
- Creación de matrices de decisión para comparar arquitecturas
- Estrategias de aplicación para la evaluación de arquitecturas
- Navegar por complejas disyuntivas arquitectónicas
- Informe de evaluación de la arquitectura para la implantación de un nuevo dominio
- Cuestionario: Comprobación de conocimientos sobre análisis de compensación de arquitecturas
UNIDAD 6 - Módulo 3: Crear marcos de gobernanza · 8 leccionesEstimulación, evaluación y gobernanza de GenAI - UNIDAD 6 - Módulo 3: Crear marcos de gobernanza
UNIDAD 6 - Módulo 3: Crear marcos de gobernanza · 8 lecciones
Estimulación, evaluación y gobernanza de GenAI - UNIDAD 6 - Módulo 3: Crear marcos de gobernanza
- Por qué la gobernanza de la IA determina el éxito de la empresa
- Componentes del marco global de gobernanza de la IA
- Diseño de barreras técnicas para sistemas de IA
- Elaboración de políticas y estrategias de aplicación
- Coordinación de las partes interesadas para la implementación de la gobernanza
- Desarrollo de un marco de gobernanza global
- Cuestionario: Conocimiento del marco de gobernanza
- Evaluación
UNIDAD 7 - Módulo 1: Análisis de los patrones de acceso a los datos para formular recomendaciones sobre el modelo RBAC · 6 leccionesGobierne sus datos GenAI de forma segura - UNIDAD 7 - Módulo 1: Análisis de los patrones de acceso a los datos para formular recomendaciones sobre el modelo RBAC
UNIDAD 7 - Módulo 1: Análisis de los patrones de acceso a los datos para formular recomendaciones sobre el modelo RBAC · 6 lecciones
Gobierne sus datos GenAI de forma segura - UNIDAD 7 - Módulo 1: Análisis de los patrones de acceso a los datos para formular recomendaciones sobre el modelo RBAC
- Por qué es importante un RBAC preciso en las operaciones de GenAI
- Fundamentos del análisis de patrones de acceso para sistemas de IA
- Principios de diseño de RBAC para un acceso seguro a los datos de IA
- Análisis de los registros de consultas para identificar anomalías en los patrones de acceso
- Análisis práctico de patrones de acceso para la optimización de RBAC
- Análisis de patrones de acceso y diseño de RBAC: evaluación de conocimientos
UNIDAD 8 - Módulo 2: Evaluar la madurez de la gobernanza en relación con los marcos de referencia · 7 leccionesGobierne sus datos GenAI de forma segura - UNIDAD 8 - Módulo 2: Evaluar la madurez de la gobernanza en relación con los marcos de referencia
UNIDAD 8 - Módulo 2: Evaluar la madurez de la gobernanza en relación con los marcos de referencia · 7 lecciones
Gobierne sus datos GenAI de forma segura - UNIDAD 8 - Módulo 2: Evaluar la madurez de la gobernanza en relación con los marcos de referencia
- Marco de gobernanza: identificación de valor para las operaciones de IA
- Marco DAMA-DMBOK para la evaluación de la gobernanza de los datos de IA
- Técnicas de evaluación de la madurez para programas de gobernanza de la IA
- Métodos para la identificación de deficiencias estratégicas y la priorización de mejoras
- Organización de talleres de evaluación de la madurez según el DAMA-DMBOK
- Ejercicio interactivo de evaluación de la madurez en materia de gobernanza
- Evaluación del marco de gobernanza y planificación estratégica: comprobación de conocimientos
UNIDAD 9 - Módulo 3: Creación de programas integrales de gestión de datos · 7 leccionesGobierne sus datos GenAI de forma segura - UNIDAD 9 - Módulo 3: Creación de programas integrales de gestión de datos
UNIDAD 9 - Módulo 3: Creación de programas integrales de gestión de datos · 7 lecciones
Gobierne sus datos GenAI de forma segura - UNIDAD 9 - Módulo 3: Creación de programas integrales de gestión de datos
- El impacto estratégico de la gestión de datos en el éxito de las operaciones de IA
- Componentes esenciales de los programas de gestión de datos para entornos de inteligencia artificial
- Diseño de la matriz RACI para la rendición de cuentas en la gobernanza de datos - Dialogue Coach
- Elaboración de la documentación del programa de gestión de datos y de las matrices RACI
- Diseño completo del programa de gestión de datos y planificación de su implementación
- Fundamentos del diseño de programas de gestión de datos
- Gobernanza y gestión de datos de IA general: evaluación
UNIDAD 10 - Módulo 1: Toma de decisiones éticas en materia de IA y reducción de sesgos · 6 leccionesAlinear la IA: ética, estrategia y excelencia - UNIDAD 10 - Módulo 1: Toma de decisiones éticas en materia de IA y reducción de sesgos
UNIDAD 10 - Módulo 1: Toma de decisiones éticas en materia de IA y reducción de sesgos · 6 lecciones
Alinear la IA: ética, estrategia y excelencia - UNIDAD 10 - Módulo 1: Toma de decisiones éticas en materia de IA y reducción de sesgos
- Cuando el sesgo de la IA se convierte en riesgo empresarial
- Cuantificación del sesgo y la equidad en los sistemas de IA
- Enfoques empresariales para la gestión de riesgos relacionados con la IA
- Herramientas de evaluación de la imparcialidad para cuantificar el sesgo algorítmico
- Análisis de sesgos y desarrollo de estrategias de mitigación
- Cuestionario de práctica: evaluación de conocimientos sobre IA ética
UNIDAD 11 - Módulo 2: Alineación de la hoja de ruta estratégica de la IA · 6 leccionesAlinear la IA: ética, estrategia y excelencia - UNIDAD 11 - Módulo 2: Alineación de la hoja de ruta estratégica de la IA
UNIDAD 11 - Módulo 2: Alineación de la hoja de ruta estratégica de la IA · 6 lecciones
Alinear la IA: ética, estrategia y excelencia - UNIDAD 11 - Módulo 2: Alineación de la hoja de ruta estratégica de la IA
- Cuando la IA «brillante» no aporta valor empresarial
- Alineación de las iniciativas de IA con los objetivos empresariales
- Enfoques sistemáticos para evaluar las hojas de ruta estratégicas en materia de IA
- Uso de herramientas de alineación estratégica para evaluar iniciativas de IA
- Análisis de las deficiencias de la hoja de ruta de la IA y recomendaciones estratégicas
- Análisis de las deficiencias de la hoja de ruta de la IA y recomendaciones estratégicas
UNIDAD 12 - Módulo 3: Creación de centros de excelencia en IA · 7 leccionesAlinear la IA: ética, estrategia y excelencia - UNIDAD 12 - Módulo 3: Creación de centros de excelencia en IA
UNIDAD 12 - Módulo 3: Creación de centros de excelencia en IA · 7 lecciones
Alinear la IA: ética, estrategia y excelencia - UNIDAD 12 - Módulo 3: Creación de centros de excelencia en IA
- De los experimentos dispersos en IA a la excelencia estratégica
- Marcos de gobernanza para operaciones de IA a escala
- Elementos esenciales de unas Cartas de Gobernanza de la IA eficaces
- Cómo afrontar los retos de la implementación de la gobernanza de la IA
- Elaboración de los estatutos del Centro de Excelencia en IA
- Modelos de gobernanza y diseño de los estatutos del Centro de Excelencia en IA (CoE)
- Evaluación de la equidad de la IA y de los centros de excelencia
UNIDAD 13 - Módulo 1: Análisis de los cuellos de botella en el rendimiento del proceso · 6 leccionesAutomatice, valide y promueva modelos ML de forma segura - UNIDAD 13 - Módulo 1: Análisis de los cuellos de botella en el rendimiento del proceso
UNIDAD 13 - Módulo 1: Análisis de los cuellos de botella en el rendimiento del proceso · 6 lecciones
Automatice, valide y promueva modelos ML de forma segura - UNIDAD 13 - Módulo 1: Análisis de los cuellos de botella en el rendimiento del proceso
- Por qué el diagnóstico del rendimiento separa los MLOps fiables de los frágiles
- Arquitectura de registro de tuberías MLflow e indicadores de rendimiento
- Análisis de los registros de MLflow para identificar patrones de rendimiento
- Análisis sistemático de las etapas de Spark para detectar cuellos de botella
- Diagnosticar problemas de rendimiento en el proceso de producción
- Cuestionario de práctica: Análisis del rendimiento de MLflow. Evaluación de conocimientos
UNIDAD 14 - Módulo 2: Evaluación del cumplimiento de CI/CD y la seguridad de la reversión · 6 leccionesAutomatice, valide y promueva modelos ML de forma segura - UNIDAD 14 - Módulo 2: Evaluación del cumplimiento de CI/CD y la seguridad de la reversión
UNIDAD 14 - Módulo 2: Evaluación del cumplimiento de CI/CD y la seguridad de la reversión · 6 lecciones
Automatice, valide y promueva modelos ML de forma segura - UNIDAD 14 - Módulo 2: Evaluación del cumplimiento de CI/CD y la seguridad de la reversión
- Por qué el cumplimiento normativo en materia de gobernanza de la IA distingue entre MLOps sostenibles y frágiles
- Marcos de gobernanza de la IA responsable y principios de integración de CI/CD
- Evaluación sistemática de los flujos de trabajo de GitHub Actions para el cumplimiento normativo en materia de gobernanza de la IA
- Evaluación de la gobernanza de CI/CD mediante el análisis de casos prácticos
- Auditar los flujos de trabajo de CI/CD según las normas de gobernanza de la IA
- CI/CD Governance Evaluation Knowledge Check
UNIDAD 15 - Módulo 3: Creación de flujos de trabajo automatizados de reentrenamiento · 7 leccionesAutomatice, valide y promueva modelos ML de forma segura - UNIDAD 15 - Módulo 3: Creación de flujos de trabajo automatizados de reentrenamiento
UNIDAD 15 - Módulo 3: Creación de flujos de trabajo automatizados de reentrenamiento · 7 lecciones
Automatice, valide y promueva modelos ML de forma segura - UNIDAD 15 - Módulo 3: Creación de flujos de trabajo automatizados de reentrenamiento
- Por qué la automatización inteligente distingue entre los sistemas de aprendizaje automático adaptativos y los frágiles
- Métodos de detección de la deriva de datos y arquitectura de activación automatizada
- Diseño de estrategias de umbrales de desviación mediante el análisis de casos
- Creación de sistemas PSI de detección de desviaciones listos para su producción
- Diseñar un sistema automatizado de reciclaje profesional de principio a fin
- Comprobación de conocimientos sobre flujos de trabajo automatizados de reentrenamiento
- Evaluación de dominio de la automatización de MLOps
UNIDAD 16 - Módulo 1: Evaluación del estado de seguridad mediante el modelado de amenazas · 6 leccionesEvaluar, crear y analizar la seguridad de las aplicaciones - UNIDAD 16 - Módulo 1: Evaluación del estado de seguridad mediante el modelado de amenazas
UNIDAD 16 - Módulo 1: Evaluación del estado de seguridad mediante el modelado de amenazas · 6 lecciones
Evaluar, crear y analizar la seguridad de las aplicaciones - UNIDAD 16 - Módulo 1: Evaluación del estado de seguridad mediante el modelado de amenazas
- Por qué es importante la evaluación de la seguridad en los sistemas de IA
- Comprensión de los modelos de amenazas y las pruebas de penetración
- Metodologías de evaluación sistemática de la seguridad
- Análisis de los resultados de la modelización de amenazas
- Ejercicio de evaluación del estado de seguridad
- Prueba de conocimientos sobre evaluación de la seguridad
UNIDAD 17 - Módulo 2: Creación de directrices de programación segura para los equipos de desarrollo · 7 leccionesEvaluar, crear y analizar la seguridad de las aplicaciones - UNIDAD 17 - Módulo 2: Creación de directrices de programación segura para los equipos de desarrollo
UNIDAD 17 - Módulo 2: Creación de directrices de programación segura para los equipos de desarrollo · 7 lecciones
Evaluar, crear y analizar la seguridad de las aplicaciones - UNIDAD 17 - Módulo 2: Creación de directrices de programación segura para los equipos de desarrollo
- El impacto de las prácticas de desarrollo seguro
- Principios de codificación segura para sistemas de IA
- Elaboración de directrices de seguridad eficaces
- Revisión de procesos e integración de equipos
- Creación de listas de comprobación de seguridad
- Elaborar directrices de seguridad para el equipo
- Prueba de conocimientos sobre programación segura
UNIDAD 18 - Módulo 3: Análisis de informes de vulnerabilidad de dependencias · 7 leccionesEvaluar, crear y analizar la seguridad de las aplicaciones - UNIDAD 18 - Módulo 3: Análisis de informes de vulnerabilidad de dependencias
UNIDAD 18 - Módulo 3: Análisis de informes de vulnerabilidad de dependencias · 7 lecciones
Evaluar, crear y analizar la seguridad de las aplicaciones - UNIDAD 18 - Módulo 3: Análisis de informes de vulnerabilidad de dependencias
- Gestión de los riesgos de la cadena de suministro de software
- Comprender el análisis de vulnerabilidades y la puntuación CVSS
- Metodologías de priorización de riesgos
- Cómo interpretar los informes de análisis de vulnerabilidades
- Evaluación y priorización de vulnerabilidades
- Prueba de conocimientos sobre gestión de dependencias
- Evaluación de la equidad de la IA y de los centros de excelencia
UNIDAD 19 - Módulo 1. Análisis de la asignación de recursos Análisis de la asignación de recursos · 5 leccionesOptimice, evalúe y prevea su gasto en nube - UNIDAD 19 - Módulo 1. Análisis de la asignación de recursos Análisis de la asignación de recursos
UNIDAD 19 - Módulo 1. Análisis de la asignación de recursos Análisis de la asignación de recursos · 5 lecciones
Optimice, evalúe y prevea su gasto en nube - UNIDAD 19 - Módulo 1. Análisis de la asignación de recursos Análisis de la asignación de recursos
- Por qué el análisis de asignación de recursos transforma las operaciones en la nube
- Fundamentos del análisis de asignación de recursos para la optimización de la nube
- Toma de decisiones sobre la optimización estratégica de los recursos
- Análisis del rendimiento del autoescalado de clústeres
- Análisis de la asignación de recursos Comprobación de conocimientos
UNIDAD 20 - Módulo 2: Evaluación de la estrategia de precios de la nube · 7 leccionesOptimice, evalúe y prevea su gasto en nube - UNIDAD 20 - Módulo 2: Evaluación de la estrategia de precios de la nube
UNIDAD 20 - Módulo 2: Evaluación de la estrategia de precios de la nube · 7 lecciones
Optimice, evalúe y prevea su gasto en nube - UNIDAD 20 - Módulo 2: Evaluación de la estrategia de precios de la nube
- Decisiones estratégicas sobre precios de la nube que transforman las operaciones de IA
- Evaluar las estrategias de precios de la nube para reducir los gastos operativos
- Reservado vs Spot vs Bajo Demanda: Una comparación estratégica
- Análisis coste-beneficio para la optimización de precios en múltiples nubes
- Cómo traducir el análisis de precios en decisiones empresariales estratégicas
- Desarrollo de una estrategia de precios para flotas de GPU
- Evaluación de la estrategia de precios en la nube Knowledge Check
UNIDAD 21 - Módulo 3: Creación de modelos de previsión de costes · 6 leccionesOptimice, evalúe y prevea su gasto en nube - UNIDAD 21 - Módulo 3: Creación de modelos de previsión de costes
UNIDAD 21 - Módulo 3: Creación de modelos de previsión de costes · 6 lecciones
Optimice, evalúe y prevea su gasto en nube - UNIDAD 21 - Módulo 3: Creación de modelos de previsión de costes
- Modelos avanzados de previsión de costes para la planificación financiera estratégica
- Componentes esenciales de los modelos de previsión de costes de infraestructuras
- Técnicas avanzadas de previsión para la planificación de infraestructuras en nube
- Desarrollo de un modelo de previsión renovable para la planificación estratégica
- Desarrollo de modelos de previsión de costes Comprobación de conocimientos
- Evaluación del dominio de la optimización estratégica de los costes de la nube
UNIDAD 22 - Crear una documentación exhaustiva del modelo · 9 leccionesDocumentar y evaluar la ética de la IA - UNIDAD 22 - Crear una documentación exhaustiva del modelo
UNIDAD 22 - Crear una documentación exhaustiva del modelo · 9 lecciones
Documentar y evaluar la ética de la IA - UNIDAD 22 - Crear una documentación exhaustiva del modelo
- Bienvenido al curso: La brecha en la documentación sobre IA
- Por qué la documentación genera confianza
- Anatomía de una ficha de modelo
- De los datos a la divulgación: redactar con precisión
- Errores habituales en la documentación de modelos
- Crea tu primera ficha de modelo
- Dilemas de divulgación
- Cuestionario de repaso sobre la documentación del modelo
- Crea tu primera ficha de modelo
UNIDAD 23 - Realizar auditorías de ética en materia de IA · 7 leccionesDocumentar y evaluar la ética de la IA - UNIDAD 23 - Realizar auditorías de ética en materia de IA
UNIDAD 23 - Realizar auditorías de ética en materia de IA · 7 lecciones
Documentar y evaluar la ética de la IA - UNIDAD 23 - Realizar auditorías de ética en materia de IA
- Por qué son importantes las auditorías éticas en la implantación de la IA
- Marcos para la evaluación ética de la IA
- Realización de una auditoría ética estructurada de la IA
- Simulación de auditoría ética: la revisión del chatbot (basada en tareas)
- Lecciones que se pueden extraer de los fallos de la IA en el mundo real
- Cuestionario sobre los puntos clave de la auditoría ética
- Proyecto de herramientas para la rendición de cuentas ética en la IA
UNIDAD 24 - De las métricas de los modelos al dinero · 8 leccionesMedir el impacto del LD y el valor empresarial - UNIDAD 24 - De las métricas de los modelos al dinero
UNIDAD 24 - De las métricas de los modelos al dinero · 8 lecciones
Medir el impacto del LD y el valor empresarial - UNIDAD 24 - De las métricas de los modelos al dinero
- Ganó la precisión: Los ingresos no
- Bienvenido al curso Visión general del curso
- Bienvenidos a «Medición del impacto del aprendizaje automático»
- Métricas: cómo convertir el AUC en dólares
- Líneas de referencia, escenarios contrafactuales y planes de medición
- Más allá de las pruebas A/B básicas
- Barreras de seguridad que te evitan «ganar» de la forma equivocada
- Práctica sin calificación: Elabora un plan de medición para un modelo de retención de clientes
UNIDAD 25 - Demostrar el impacto mediante experimentos y cuasi-experimentos · 6 leccionesMedir el impacto del LD y el valor empresarial - UNIDAD 25 - Demostrar el impacto mediante experimentos y cuasi-experimentos
UNIDAD 25 - Demostrar el impacto mediante experimentos y cuasi-experimentos · 6 lecciones
Medir el impacto del LD y el valor empresarial - UNIDAD 25 - Demostrar el impacto mediante experimentos y cuasi-experimentos
- Sucesos tardíos, decisiones erróneas
- Elección del diseño: A/B frente a Geo frente a Diff-in-Diff
- Potencia estadística, tamaño de la muestra y CUPED
- Aplicación de dos modelos de aprendizaje automático a gran escala para predecir el impacto causal de las acciones de los clientes
- Analizar el «lift» con confianza
- Práctica sin calificación: Diseña el experimento para el lanzamiento de una iniciativa de personalización
UNIDAD 26 - Del impulso inicial al retorno de la inversión: dinero, riesgo y la capacidad de los directivos para transmitir su visión · 9 leccionesMedir el impacto del LD y el valor empresarial - UNIDAD 26 - Del impulso inicial al retorno de la inversión: dinero, riesgo y la capacidad de los directivos para transmitir su visión
UNIDAD 26 - Del impulso inicial al retorno de la inversión: dinero, riesgo y la capacidad de los directivos para transmitir su visión · 9 lecciones
Medir el impacto del LD y el valor empresarial - UNIDAD 26 - Del impulso inicial al retorno de la inversión: dinero, riesgo y la capacidad de los directivos para transmitir su visión
- Aumentó la conversión: ¿deberíamos ampliar la escala?
- ROI, periodo de amortización y VAN para el aprendizaje automático
- Cuadros de mando de impacto y seguimiento tras el lanzamiento
- Aprendizaje por refuerzo para la implementación de modelos de aprendizaje automático: evaluación de los «bandidos de múltiples brazos» en entornos MLOps
- Riesgo, ética y medidas de protección en el mundo real
- Práctica sin calificación: Elaboración de un modelo de ROI de una página y un cuadro de mando de impacto
- Resumen del curso
- Proyecto sin calificación: Demostrar y comunicar el valor empresarial del aprendizaje automático
- Medir el impacto del LD y el valor empresarial
Certificado oficial
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
26 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
46 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por Coursera.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 26 unidades · 181 lecciones · 240 h
- 12 meses de acceso
- 46 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por Coursera; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
