Diplomado como especialista en nuevas tecnologías TI: DEVOPS, BLOCKCHAIN, MACHINE LEARNING, IA + Certificación internacional
Yeimy Lizeth García Carvajal
Asistente Profesional
Celular: 317 3988943
Te invitamos a conocer todas las características y alcance de todos nuestros programas.
En nuestro canal de youtube puedes encontrar contenido que te ayudaran a tomar la mejor elección para actualizarte.
Con la tecnología avanzando a pasos agigantados y teniendo en cuenta que las empresas han integrado las nuevas tecnologías en todas las áreas que las componen, es importante conocer y desarrollar las capacidades necesarias para cubrir todos los roles que están surgiendo constantemente, así como aprender a enfrentar lo retos que nos imponen cada día estas nuevas tecnologías.
- ¿Por qué es importante este curso? La industria se percató de la importancia de apostarle a la transformación digital y nuevas tecnologías de TI, esto implica evolucionar las características de una organización a un mundo digital y para poder cubrir las necesidades, es necesario el aprendizaje y refuerzo continúo relacionados con estas nuevas tecnologías.
- ¿Cómo mejora la labor profesional de los participantes? Entrega a los estudiantes las herramientas y conocimientos necesarios para desenvolverse en los campos de nuevas tecnologías, así como enfrentar y solucionar los posibles fallos que se puedan presentar.
- ¿Qué problema soluciona? El objetivo de cubrir los roles tecnológicos que día a día han incrementado notoriamente.
- ¿cuáles son los valores agregados o diferenciadores del programa? Se realiza la explicación desde un método didáctico de aprendizaje en conjunto con laboratorios prácticos que permitan tanto aplicar los conocimientos, cómo resolver los posibles problemas que se presentan en cada campo.
Objetivo General:
Conocer y aprender y desarrollar soluciones sobre las nuevas tecnologías como Devops, Blockchain, Machine Learning y AI.
Objetivos específicos:
Al finalizar este diplomado el participante deberá tener conocimientos en:
- Factores de negocio de DevOps
- Entrega rápida, escalabilidad responsiva y confiabilidad incrementada
- Automatización, medición y métricas unificadas
- Las 19 herramientas, depósitos y sistemas DevOps más comunes
- Despliegue continuo y administración automatizada de liberaciones
- Introducción a IaC, PaC y CaC
- Cómo entender las definiciones codificadas
- Configuración como código (CaC) y liberación continua de software
- Política como código (PaC) y sistemas de políticas
- Beneficios y retos de Blockchain
- Propuestas de valor de Blockchain
- Componentes fundamentales de la arquitectura de Blockchain
- Algoritmos de consenso (PoW, PoS, PoA, DPoS, LPoS, PoI, PoET, PoC, PoB, Round Robin)
- Métricas comunes de Blockchain
- Mecanismos y artefactos comunes de la tecnología de Blockchain
- Procesador de consenso, creador de bloques, federador de identidad
- Bloque Singleton, cadena lateral, consenso de validación de bloques
- Transacciones forzadas en cadena, cadena federada
- Factores tecnológicos y de negocio de Machine Learning
- Beneficios y retos de Machine Learning
- Modelos, algoritmos, aprendizaje y entrenamiento de modelos
- Entrenamiento de modelos y despliegue de modelos entrenados
- Regresión, métodos de ensamble, reducción de dimensiones
- Machine Learning y Deep Learning, Inteligencia artificial (IA)
- Patrones de exploración de datos
- Imputación de características, codificación de características
- Descubrimiento de categorías, descubrimiento de patrones
- Implementación de modelos ligeros, aprendizaje incremental del modelo
- Factores tecnológicos y de negocio de IA
- Arquitecturas fundamentales y especializadas de redes neuronales
- Principios comunes de diseño de sistemas de IA y mejores prácticas de proyectos de IA
Los ingenieros de software
Desarrolladores de aplicaciones
Arquitectos de TI
Administradores de sistemas
Administradores de Red
*Se recomienda conocimiento básico de SQL, así como la familiaridad básica con la línea de comandos de Linux y transaccionalidad.
Plan de estudios
DevOps
Módulo 1: Fundamentos de DevOps
Factores de negocio de DevOps
Roles de TI en proyectos de DevOps
Metas y beneficios de la adopción de DevOps
Interoperabilidad y colaboración transparente
Entrega rápida, escalabilidad responsiva y confiabilidad incrementada
Impactos y retos de la adopción de DevOps
Automatización, medición y métricas unificadas
Plataforma y cadena de herramientas DevOps
Las 19 herramientas, depósitos y sistemas DevOps más comunes
Ciclo de vida y etapas de DevOps
Delivery Pipeline, Feedback Loop y Dark Launching
Integración continua (CI) y Entrega continua (CD)
Construcciones y pruebas automatizadas
Módulo 2: DevOps en la Práctica
Cómo entender las definiciones codificadas
Infraestructura como código (IaC) y módulos de configuración
Prueba continua y control de versiones colaborativas
Infraestructura inmutable y recursos autodocumentados
Configuración como código(CaC) y liberación continua de software
Cambios de configuración rastreables y conocimiento del estado de la configuración
Versiones programáticas y pruebas automatizadas de configuración
Política como código (PaC) y sistemas de políticas
Aplicación automatizada de políticas y pruebas de cumplimiento
Las 17 métricas comunes de DevOps
Monitoreo continuo
Los 8 monitores comunes de DevOps
Cómo medir DevOps, cómo relacionar las métricas con los monitores
Cómo relacionar las métricas y los monitores con las etapas del canal
DevOps con microservicios y contenedores
DevOps con computación en la nube y monitoreo de pago por uso
CI, CD, Despliegue continuo con microservicios y computación en la nube
IaC, CaC, PaC con microservicios y computación en la nube
Módulo 3: Laboratorio de DevOps
Práctica con ejercicios diseñados para aplicar los conocimientos adquiridos en los módulos 1 y 2
Módulo 4: Fundamentos de Blockchain
Beneficios y retos de Blockchain
Factores tecnológicos y de negocio de Blockchain
Cómo entender el modelo descentralizado de Blockchain
Propuestas de valor de Blockchain
Cómo se puede usar Blockchain en diferentes industrias
Aplicaciones de Blockchain, redes y el libro mayor distribuido
Cómo se puede relacionar el libro mayor distribuido con la base de datos relacional
Componentes fundamentales de la arquitectura de Blockchain
Transacciones, registros y grupos de registros
Bloques, cadenas y encabezados de bloque
Usuarios de Blockchain, nodos completos y nodos parciales
Cómo entender el ciclo de vida de los registros y bloques, paso a paso
Cómo entender la manera en que trabaja el árbol de Merkle, paso a paso
Cómo entender la manera en que trabaja el consenso, paso a paso
Algoritmos de consenso (PoW, PoS, PoA, DPoS, LPoS, PoI, PoET, PoC, PoB, Round Robin)
Blockchains públicas versus privadas / Sin autorización versus Con autorización
Monedas, fichas, contratos inteligentes
Fundamentos de Hashing criptográfico y criptografía
Actividad en cadena, fuera de cadena y de cadena cruzada
Métricas comunes de Blockchain
Módulo 5: Tecnología y Arquitectura de Blockchain
Profundizar en la arquitectura de la tecnología de blockchain y en el funcionamiento interno de las cadenas de bloques, al explorar una serie de patrones de diseño, técnicas y modelos de arquitectura clave relacionados, junto con mecanismos de tecnología comunes usados para personalizar y optimizar diseños de aplicaciones de blockchain, en soporte al cumplimiento total de los requerimientos de negocio.
Módulo 6:
Laboratorio de Tecnología y Arquitectura de Blockchain
Este módulo presenta a los participantes una serie de ejercicios y problemas diseñados para probar sus habilidades al aplicar sus conocimientos de los temas cubiertos en los cursos anteriores.
Machine Learning
Módulo 7: Fundamentos de Machine Learning
Proporciona una vista general fácil de entender sobre el Machine Learning para cualquier interesado en cómo funciona, qué puede y qué no puede hacer, y cómo se utiliza comúnmente en soporte a las metas del negocio.
Cubrir los tipos de algoritmos comunes y además explicar cómo trabajan los sistemas de Machine Learning tras bambalinas.
Machine Learning
Módulo 8: Machine Learning Avanzado
Profundizar en la amplia variedad de algoritmos, métodos y modelos de las prácticas contemporáneas de Machine Learning para explorar cómo se pueden resolver muchos de los diferentes problemas de negocio utilizando y combinando técnicas probadas de Machine Learning.
Machine Learning
Módulo 9: Laboratorio de Machine Learning
Este módulo presenta a los participantes una serie de ejercicios y problemas diseñados para probar sus habilidades al aplicar sus conocimientos de los temas cubiertos en los cursos anteriores.
Inteligencia Artificial
Módulo 10: Fundamentos de Inteligencia Artificial
Proporcionar una cobertura esencial de la inteligencia artificial y las redes neuronales, en español sencillo, fácil de comprender.
Realizar cobertura concreta de las partes principales de la IA, incluyendo enfoques de aprendizaje, áreas funcionales en las que se usan los sistemas de IA y una introducción completa a las redes neuronales, cómo existen, cómo trabajan y cómo pueden ser usadas para procesar información.
establece los cinco principales requerimientos de negocio para los que se utilizan los sistemas de IA y las redes neuronales, y luego mapea las prácticas individuales, los enfoques de aprendizaje, las funcionalidades y los tipos de redes neuronales a estas categorías de negocio y unos a otros, de manera que haya un entendimiento claro del propósito y del papel de cada tema que se cubre.
Inteligencia Artificial
Módulo 11: Inteligencia Artificial Avanzada
Entregar una serie de prácticas para preparar y trabajar con datos para entrenar y correr sistemas y redes neuronales de IA contemporáneas
Proporcionar además técnicas para diseñar y optimizar redes neuronales, incluyendo enfoques para la medición y el ajuste del desempeño de los modelos de redes neuronales
Inteligencia Artificial
Módulo 12: Laboratorio de Inteligencia Artificial
Este módulo presenta a los participantes una serie de ejercicios y problemas diseñados para probar sus habilidades al aplicar sus conocimientos de los temas cubiertos en los cursos anteriores.
Proceso de Matrícula y Financiación
Formulario
Empieza por diligenciar el formulario de inscripción. Una vez recibas tu solicitud, automáticamente se generará una orden de pago, la cual será enviada por correo electrónico.
Matrícula presencial
Dirígete a las oficinas de la División de Educación Continuada, Av. Cra. 9 No. 131 A - 02 Edificio Fundadores, Centro de Servicios Integrales, Primer piso, Mezannine, y proporcionar los siguientes datos:
- Nombre completo
- Tipo de Documento
- Número de Documento
- Fecha de Nacimiento
- Teléfono Fijo
- Teléfono Móvil
- Programa de interés
Métodos de pago
Conoce las opciones de financiación, formas de pago, descuentos y beneficios para formalizar la inscripción.
Métodos de financiación
Directo por la Universidad El Bosque, Cheques Posfechados.
Entidades bancarias
Sufi Bancolombia, Grupo Helm Bank, Banco Pichincha, Fincomercio, Financiar.
Formas de pago
Efectivo, Pagos en línea PSE, Tarjeta de crédito Visa o Master Card, Patrocinios.
Descuentos
15% Comunidad El Bosque, 10% Descuentos grupales (3 participantes), 10% Participantes de otros programas, 10% Cónyuges e hijos funcionarios de la Universidad El Bosque.
* Los descuentos no son acumulables
Pagos en línea
Puedes diligenciar el pago de tu recibo en nuestra plataforma con PSE.
Requisitos
Una vez realizado el pago, deberás hacer llegar el comprobante y los siguientes documentos por medio de correo electrónico o acercándote a las oficinas de la División de Educación Continuada:
- Fotocopia de la Cédula
- Fotocopia del Carné de la E.P.S.
- Fotocopia del diploma profesional o acta de grado
Importante
La Universidad podrá cancelar el programa seleccionado, cuando no haya un número mínimo de participantes, y procederá a tramitar la devolución del dinero recibido. También podrá posponer la realización del programa por razones de fuerza mayor. En este caso se informará a las personas preinscritas la nueva fecha programada. El medio de contacto será a través de los medios suministrados en el momento de la inscripción.
Institución de educación superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.
