Fecha: 7 de Julio de 2026
Docente: Dra. Ing. Roxana Martínez
Días y horarios: Las clases sincrónicas se dictarán los martes de 17 a 19 hs. y las actividades asincrónicas quedarán disponibles en plataforma.
Duración: 6 Semanas (acredita 48 horas).
Descripción: Este curso proporciona una introducción sólida y actualizada a la Inteligencia Artificial (IA), abordando sus fundamentos conceptuales, evolución histórica y principales enfoques técnicos. A lo largo de seis semanas, se explorarán en profundidad las diferencias entre IA, Machine Learning y Deep Learning, así como los procesos de preparación de datos, evaluación de modelos y buenas prácticas en el desarrollo de soluciones basadas en datos.
El curso combina un enfoque teórico con instancias prácticas de experimentación utilizando Python y bibliotecas como scikit-learn y TensorFlow, así como el uso de modelos preentrenados en entornos cloud. Asimismo, se introducen los conceptos fundamentales de modelos generativos y su impacto actual en distintos sectores.
Además de analizar aplicaciones reales en ámbitos como salud, finanzas, industria y gobierno digital, se abordarán los desafíos éticos, la transparencia, el sesgo algorítmico y las implicancias regulatorias de la IA.
Como cierre, los participantes desarrollarán un proyecto integrador que les permitirá aplicar los conocimientos adquiridos en un caso práctico, consolidando una visión técnica y crítica de la Inteligencia Artificial en contextos reales.
Objetivo
Este curso está diseñado para profesionales y estudiantes que desean adquirir una comprensión sólida y estructurada de la Inteligencia Artificial y sus aplicaciones. A través de un enfoque teórico-práctico, los participantes explorarán los conceptos clave, paradigmas, herramientas y buenas prácticas esenciales en IA, incorporando criterios técnicos y éticos para su implementación responsable.
Al finalizar el curso, serán capaces de:
● Comprender los principios fundamentales de la Inteligencia Artificial y su evolución.
● Diferenciar entre IA, Machine Learning y Deep Learning, identificando sus alcances y aplicaciones.
● Analizar y aplicar técnicas básicas de modelado con datos utilizando herramientas actuales.
● Evaluar el desempeño de modelos de IA utilizando métricas adecuadas.
● Identificar riesgos, desafíos éticos y consideraciones regulatorias en el desarrollo de soluciones basadas en IA.
● Desarrollar un breve proyecto práctico integrador aplicando los conceptos trabajados durante el curso.
Modalidad: Las clases se desarrollarán en modalidad virtual con encuentros sincrónicos y asincrónicos a través del campus de SADIO.
Se utilizarán como recursos, además de las clases sincrónicas guiadas por un profesor, videos, presentaciones, foros, lecturas, ejercicios, etc., que los participantes deberán apropiar con anterioridad y además se aportará bibliografía complementaria para quien quiera profundizar. Todos los recursos quedarán disponibles en la plataforma virtual.
Las clases sincrónicas se grabarán y quedarán disponibles para los participantes hasta un mes después de la finalización del curso. Las clases grabadas no podrán descargarse, sólo estarán disponibles en la plataforma.
Duración: El curso se desarrollará en 6 (seis) semanas, con 6 (seis) clases sincrónicas semanales de 2 (dos) horas cada una, que quedarán grabadas en la plataforma. Se complementará con actividades de trabajo autónomo en modalidad asincrónica, que incluyen lecturas guiadas, análisis de casos, ejercicios prácticos en Python y desarrollo progresivo del proyecto integrador. La dedicación estimada para el trabajo asincrónico es de aproximadamente 6 (seis) horas semanales. La carga horaria total del curso es de 48 (cuarenta y ocho) horas.
Destinatarios/as:
Este curso está dirigido a profesionales y estudiantes interesados en comprender de manera estructurada los fundamentos de la Inteligencia Artificial y sus aplicaciones en distintos contextos organizacionales y tecnológicos.
No se requiere experiencia previa en IA, aunque se recomienda contar con conocimientos básicos de programación y análisis de datos.
Está especialmente diseñado para:
● Analistas de datos y profesionales de TI que deseen iniciarse en el desarrollo y evaluación de modelos de IA.
● Ingenieros/as de software e ingenieros/as de datos interesados en comprender los principios técnicos y metodológicos de la IA.
● Profesionales de negocios y tomadores de decisiones que busquen incorporar criterios técnicos para evaluar soluciones basadas en IA.
● Estudiantes avanzados y docentes de disciplinas vinculadas a tecnología, informática y análisis de datos.
Requisitos:
Se recomienda contar con conocimientos básicos de programación (preferentemente en Python) y nociones generales de análisis de datos.
No se requiere experiencia previa en Inteligencia Artificial ni en aprendizaje automático, ya que los fundamentos conceptuales y técnicos serán desarrollados progresivamente a lo largo del curso.
Es importante que los participantes cuenten con acceso a una computadora con conexión a Internet y disposición para realizar actividades prácticas y trabajo autónomo en plataforma virtual.
Software a utilizar:
● Lenguajes y entornos de programación:
* Python (con librerías como scikit-learn, TensorFlow/Keras y OpenAI)
* Jupyter Notebook o Google Colab
● Herramientas para experimentación con IA:
* Google Colab (para ejecutar modelos en la nube sin instalación local)
* Hugging Face (para explorar modelos preentrenados)
● Entornos de desarrollo integrados (IDE) recomendados (opcionales):
* Visual Studio Code
* Anaconda (opcional, para gestionar entornos de Python)
Fundamentos:
La Inteligencia Artificial (IA) se ha consolidado como una disciplina transversal que impacta en múltiples sectores, desde la salud y las finanzas hasta la industria y el gobierno digital. Comprender sus fundamentos teóricos y técnicos resulta esencial para interpretar su funcionamiento, evaluar sus alcances y aplicarla de manera responsable.
Desde el punto de vista conceptual, el curso aborda los principios centrales de la IA, su evolución histórica y las diferencias entre Inteligencia Artificial, Machine Learning y Deep Learning. Asimismo, se desarrollan los principales paradigmas y enfoques metodológicos que sustentan el modelado con datos.
En el plano práctico, se introduce el proceso completo de construcción de modelos básicos: preparación y calidad de datos, implementación con herramientas actuales (como Python y sus bibliotecas especializadas), evaluación de desempeño y análisis crítico de resultados. También se exploran modelos preentrenados y tendencias actuales, incluyendo arquitecturas profundas y modelos generativos.
El curso incorpora además una perspectiva ética y de gobernanza, analizando aspectos como el sesgo algorítmico, la transparencia, la privacidad y el impacto social de la IA.
Al finalizar, los participantes contarán con una comprensión integral que les permitirá aplicar estos principios en proyectos concretos y evaluar críticamente soluciones basadas en Inteligencia Artificial.
Contenidos: El curso está dividido en cuatro módulos, organizados de manera progresiva, combinando fundamentos conceptuales, herramientas técnicas y aplicaciones prácticas con el desarrollo de proyecto integrador.
TEMARIO
MÓDULO 1: FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL Y CONTEXTO ACTUAL
1.1 ¿Qué es la Inteligencia Artificial? Definiciones y conceptos clave.
1.2 Evolución histórica de la IA: principales hitos.
1.3 Diferencias entre IA, Machine Learning y Deep Learning.
1.4 Áreas de aplicación actuales: automatización, predicción y toma de decisiones.
1.5 Impacto social, económico y organizacional de la IA.
Duración: 1 semana
MÓDULO 2: MACHINE LEARNING Y PREPARACIÓN DE DATOS
2.1 Paradigmas clásicos en IA: sistemas basados en reglas, algoritmos evolutivos y redes neuronales.
2.2 Machine Learning: Aprendizaje supervisado: clasificación y regresión.
2.3 Machine Learning: Aprendizaje no supervisado: clustering y reducción de dimensionalidad.
2.4 Preparación y calidad de datos para modelos de IA.
2.5 Evaluación de modelos: métricas, validación, sobreajuste y buenas prácticas.
2.6 Implementación práctica con Python, TensorFlow, Keras y scikit-learn.
Incluye ejercicios prácticos guiados y análisis de datasets reales.
Duración: 2 semanas
MÓDULO 3: DEEP LEARNING Y MODELOS PREENTRENADOS
3.1 Introducción a redes neuronales profundas.
3.2 Arquitecturas básicas y funcionamiento del perceptrón multicapa.
3.3 Introducción a TensorFlow y Keras.
3.4 Transfer learning y uso de modelos preentrenados.
3.5 Experimentación práctica en entornos cloud).
3.6 Introducción a modelos generativos y su funcionamiento conceptual.
Duración: 1 semana y media
MÓDULO 4: APLICACIONES AVANZADAS, ÉTICA Y PROYECTO INTEGRADOR
4.1 Aplicaciones sectoriales: Salud, Finanzas, Retail, Gobierno Digital e Industria.
4.2 Sesgo algorítmico, transparencia y explicabilidad.
4.3 Privacidad, gobernanza y marcos regulatorios en IA.
4.4 Tendencias y futuro de la Inteligencia Artificial.
4.5 Desarrollo de proyecto práctico integrador.
[Opcional] El proyecto final consistirá en la aplicación de un modelo básico de IA a un problema concreto, incluyendo análisis de datos, implementación, evaluación de resultados y reflexión ética.
Duración: 1 semana y media
Para obtener el CERTIFICADO DE PARTICIPACIÓN:
* Los asistentes deberán conectarse a las clases sincrónicas y registrar al menos un 75% de asistencia.
Para obtener el CERTIFICADO DE APROBACIÓN:
* Los asistentes deberán realizar las actividades asincrónicas (podrán optar por no hacer una de ellas).
Plataforma Virtual: El curso se desarrolla de manera virtual en el CAMPUS VIRTUAL DE SADIO, en el que se deja a disposición de los asistentes el material bibliográfico del curso, las guía de estudio y los trabajos prácticos propuestos. Las clases grabadas no podrán descargarse, sólo estarán disponibles en la plataforma.
Formulario de inscripción: https://forms.gle/esUz7CL4RrUa6DLGA
Aranceles
Inscripción temprana (hasta el 30 de Junio de 2026)
* AR$ 175.000.- (para nacionales)
* USD 150.- (para extranjeros)
Inscripción tardía (desde el 1 de Julio de 2026)
* AR$ 192.000.- (para nacionales)
* USD 165.- (para extranjeros)
50% Descuento para socios de SADIO (con 12 meses de antigüedad)
Los socios de AADECA gozan de los mismos derechos que los socios de SADIO
Medios de pago disponibles:
– Pago por Transferencias Bancarias (solo para residentes en Argentina) a:
NUEVA CUENTA BANCARIA
SANTANDER PESOS
Razón Social A SADIO SOC ARG DE INF E INV O
CUIT/CUIL 30649312180
Cta Cte en Pesos 029-040893/4
CBU 0720029820000004089340
Alias SOCIEDAD.SADIO
– Pago con Tarjeta de crédito/débito (Visa o Master). Solicitar el botón de pago correspondiente a informacion@sadio.org.ar
Es posible pagar en cuotas con interés. Consulte.
– PAYPAL (para extranjeros). Solicite el link de pago.
¡Cupos limitados! Reserva tu vacante con el pago de tu inscripción
Antecedentes de la docente:
Dra. Ing. Roxana Martínez (Ph.D., Eng.), Doctora en Ciencias Informáticas, Magíster en Tecnología Informática, Máster en Inteligencia Artificial (Centro Europeo de Postgrado, España) e Ingeniera en Sistemas Informáticos.
Especialista en calidad de software, inteligencia de datos, gobernanza digital y transformación tecnológica, combina investigación académica, docencia de grado y posgrado, y experiencia profesional en el ámbito de tecnologías emergentes.
Cuenta con más de 15 años de experiencia docente en universidades del país, entre ellas UAI, UTN, UADE, Siglo 21 y UDEMM. Participa activamente en proyectos de investigación nacionales e internacionales desde hace más de 10 años.
Actualmente se desempeña como Directora de Proyectos de Investigación en UAI, UADE y Siglo 21, y como Directora del Laboratorio de Calidad y Ciencia de Datos en el Centro de Altos Estudios en Tecnología Informática (CAETI-UAI).
En el ámbito profesional, cuenta con más de 25 años de trayectoria en el área de Tecnología. Actualmente se desempeña como Líder de Procesos IT en la Unidad de Información Financiera (UIF) de la Nación Argentina, donde previamente ejerció el cargo de Jefa de Desarrollo de Sistemas.
Como investigadora, dirige proyectos vinculados con calidad de datos, interoperabilidad en gobierno abierto y aplicación de inteligencia artificial para la validación y mejora de datos públicos. Su trabajo se centra en la construcción de ecosistemas tecnológicos donde la calidad, la ética y la innovación constituyan pilares para un desarrollo sostenible y equitativo.
LinkedIn:
www.linkedin.com/in/roxana-martínez-b36561a