1. Introducción a pandas y numpy

2. Series de tiempo, data factory de Azure

3. ML con Python

4. Uso de sagemaker para modelación e implementación

1. Inteligencia artificial para principiantes: Aplicaciones y Alcances

1. Inteligencia artificial
2. Machine learning
3. Deep learning

2. Introducción a la clasificación lineal

1. Diseño de un clasificador binario simple

3. Introducción a las redes neuronales artificiales

1. Neuronas artificiales: Breve historia y teoría básica
2. Perceptrón: Fundamentos matemáticos e implementación
3. Neuronas lineares adaptativas: Fundamentos matemáticos e implementación

4. Redes neuronales densamente conectadas

1. Teoría matemática subyacente
2. Implementación de una red neuronal densamente conectada para clasificar imágenes de dígitos escritos a manos pertenecientes a la base de datos MNIST (“Hola mundo”)

5. Redes neuronales convolucionales 

1. Teoría básica
2. Implementación de una red neuronal convolucional en un problema de reconocimiento biométrico
3. Transferencia de aprendizaje
4. Aumentación de datos
5.  Despliegue de un modelo de red neuronal convolucional en una web app
6. Creación del web service usando Flask
7.  Configuración de la web app
8.  Arquitecturas de tipo encoder-decoder
   1.  Teoría básica
   2.  Arquitectura UNet
   3.  Implementación de la arquitectura UNet en un problema de segmentación semántica.

6. Redes neuronales recurrentes y su uso en el procesamiento de datos secuenciales

1. Teoría básica
2. Implementación de redes neuronales recurrentes para abordar problemas de análisis de sentimientos y predicción de temperatura

7. Redes generativas antagónicas

1. Teoría básica
2. Implementación de una red generativa antagónica para generar datos sintéticos