Professional
Inteligencia Artificial
Artificial Intelligence Professional Certificate
CAIPC · Certificación internacional CertiProf
Certifica la capacidad de construir, evaluar y optimizar modelos de aprendizaje automático en Python, con los fundamentos matemáticos que los sostienen.
Nivel de entrada: con base en el tema.
Inversión de introducción
USD 150
acceso 6 meses
Examen oficial con 2 intentos · 2 sesiones 1:1 · práctica semanal · comunidad
Para quién es
Esta certificación es para ti si eres…
✓Ingenieros, analistas y directores de marketing orientados a datos
✓Analistas de datos y científicos de datos
✓Administradores de datos
✓Personas interesadas en minería de datos y aprendizaje automático
✓Profesionales que quieren entender cómo funcionan los modelos por dentro
El examen
2intentos incluidos
Opción múltipleformato
Qué incluyen tus USD 150
El examen es una parte. El resto es lo que hace que lo apruebes.
01Examen oficial CertiProf con 2 intentosEl proveedor da uno. Nosotros incluimos el segundo.
022 sesiones 1:1 de 30 min con un expertoPara resolver lo que el video no resuelve.
03Sesión grupal semanal con práctica asistida por IACasos, simulacros y ejercicios en vivo con tu cohorte.
04Clases pregrabadas del temario completoA tu ritmo, disponibles los 6 meses.
05Material oficial CertiProf y material AgileNextGuías, plantillas y recursos propios que no vienen con el examen.
06Comunidad Skool por 6 mesesPreguntas, compañeros y seguimiento hasta que apruebes.
Temario oficial
6 módulos, en el orden en que los estudiarás
Syllabus CertiProf V062021A
Recorrer un flujo de modelado completo con KNN: de los datos crudos a un modelo evaluado, optimizado y validado.
- Tipos de aprendizaje: supervisado, no supervisado y por refuerzo
- K-Nearest Neighbors y distancia euclidiana
- Métricas de error: MAE, MSE y RMSE
- KNN multivariante, normalización y manejo de valores perdidos
- Optimización de hiperparámetros y validación cruzada K-Fold
- Proyecto guiado: predicción de precios de automóviles
Al terminar: La persona entrena, evalúa y optimiza un modelo en Python y con scikit-learn, y justifica sus métricas de error.
Dominar el lenguaje matemático del cambio que sostiene los algoritmos de optimización usados en machine learning.
- Funciones lineales y no lineales
- Comprensión de los límites
- Pendientes y derivadas
- Localización de puntos extremos
Al terminar: La persona explica por qué el descenso de gradiente funciona y dónde se ubica el mínimo de una función de costo.
Representar datos y modelos con vectores y matrices, base de las soluciones cerradas como mínimos cuadrados.
- Sistemas de ecuaciones lineales y conjuntos de soluciones
- Vectores y vectores columna
- Álgebra matricial y operaciones entre matrices
Al terminar: La persona opera datos y modelos en notación matricial y lee las formulaciones estándar de los algoritmos.
Ajustar modelos de regresión por dos caminos —iterativo y cerrado— y preparar características que mejoren su calidad.
- Modelo de regresión lineal: entrenamiento e inferencia
- Selección de características
- Descenso de gradiente
- Mínimos cuadrados ordinarios
- Procesamiento y transformación de características
- Proyecto guiado: pronóstico de precios de venta de vivienda
Al terminar: La persona elige entre descenso de gradiente y OLS según el problema y mejora el modelo por ingeniería de características.
Ampliar el repertorio hacia la clasificación probabilística y el aprendizaje no supervisado, controlando el sobreajuste.
- Regresión logística y evaluación de clasificadores binarios
- Matriz de confusión y métricas derivadas
- Clasificación multiclase con enfoque uno contra todos
- Sobreajuste y sus síntomas
- Fundamentos de clustering y algoritmo K-means
- Proyecto guiado: predicción de la bolsa
Al terminar: La persona construye clasificadores y agrupamientos, y diagnostica sobreajuste con evidencia de la matriz de confusión.
Construir modelos interpretables que manejen datos categóricos y numéricos, y controlar su complejidad mediante poda.
- Terminología: nodo raíz, nodos de decisión, nodos hoja y sub-árbol
- Funcionamiento del algoritmo de partición
- Poda para obtener un árbol óptimo
- Ventajas y desventajas del modelo
- Implementación en Python con scikit-learn
- Proyecto guiado: predicción del alquiler de bicicletas
Al terminar: La persona entrega un modelo interpretable, podado y evaluado, apto para explicar decisiones a áreas de negocio.
Tu ruta desde aquí
Forma parte de la ruta Transformación Digital
Cada certificación se adquiere por separado. Este es el orden que recomendamos. Ver la ruta completa →
Antes de decidir
Preguntas frecuentes
"Gabriel fue mi Coach Ágil para certificarme como Scrum Master. Es una persona con un excelente dominio del tema, siempre colaborativo y dispuesto a resolver cada una de mis dudas."
Nivel de entrada: con base en el tema. Si tienes duda, la primera sesión 1:1 sirve para evaluarlo.
Tienes un segundo intento incluido sin cargo adicional. CertiProf vende uno; nosotros incluimos dos. Antes del segundo intento hacemos una sesión de repaso enfocada en tus dominios débiles.
El temario está en clases pregrabadas para que avances a tu ritmo. Lo vivo son las 2 sesiones 1:1 de 30 minutos con un experto y la sesión grupal semanal de práctica. Si faltas a la grupal, queda grabada en la comunidad.
6 meses de acceso a las clases, la comunidad Skool, el material oficial CertiProf y el material AgileNext. Los intentos de examen deben usarse dentro de ese periodo.
Sí. Cada certificación se adquiere por separado con una inversión de USD 150. Las rutas son una recomendación de orden, no un paquete obligatorio.
Inicia CAIPC hoy
USD 150 · acceso 6 meses · 2 intentos de examen. Te contactamos en menos de 24 horas para darte acceso a la comunidad y agendar tu primera sesión.
