Machine Learning (ML) ha cobrado en años recientes gran importancia en la industria y la academia en procesos de modelamiento, automatización, predicción y toma de decisiones. En los últimos años se han desarrollado una gran variedad de métodos de ML, buscando responder a la amplia disponibilidad de datos y multitud de casos de uso. En este contexto, el curso Mastering Machine Learning en su versión 2026 se centra en el área de métodos generativos, que ha sido foco de desarrollo en los últimos años, y donde han adquirido especial relevancia métodos variacionales, de flujos normalizados y de difusión. Estos métodos han encontrado múltiples aplicaciones en la generación de contenido, que puede usarse, por ejemplo, para aumentar conjuntos de datos, así como en áreas de series de tiempo, imágenes y lenguaje.
Profesionales interesados en el área de aprendizaje de máquina. Estudiantes de últimos semestres de pregrados o maestría afines a ingeniería, matemáticas, física.
El curso MML 2026 está dividido en 2 módulos, y se dictará en idioma español.
Mastering Machine Learning en su versión 2026 se centra en el área de métodos generativos
| Horario | Lunes 13 de Julio | Martes 14 de Julio | Miercoles 15 de Julio | Jueves 16 de Julio | Viernes 17 de Julio | Sábado 18 de Julio |
|---|---|---|---|---|---|---|
| 08:00 a.m. a 10:00 a.m | Sesión de
tutoría Apoyo en resolución de dudas de los temas y talleres de la semana. |
|||||
| 06:00 p.m. a 09:00 p.m | Modelos - Redes
neuronales Introducción a redes neuronales y su implementación en python (pytorch). |
Teoría de la información y Markov
chain montecarlo Conceptos de teoría de la información y probabilidad para el entrenamiento de modelos. |
Modelos - Redes
neuronales Redes neuronales y su implementación en python. |
Modelos - Redes
neuronales Redes neuronales y su implementación en python. |
Modelos - Redes
neuronales Redes neuronales y su implementación en python. |
| Horario | Martes 21 de Julio | Miercoles 22 de Julio | Jueves 23 de Julio | Viernes 24 de Julio | Sábado 25 de Julio |
|---|---|---|---|---|---|
| 08:00 a.m a 10:00 a.m | Examen virtual |
||||
| 05:00 p.m a 09:00 p.m | Métodos variacionales (Variational
methods) Métodos de inferencia variacional para estimar densidades de probabilidad en modelos generativos. |
normalizadores (Normalizing
flows) Métodos de flujos normalizadores para estimación de densidades de probabilidad en modelos generativos. |
Correspondencia de flujos
(Flow matching) Métodos de correspondencia de flujos para el entrenamiento de flujos normalizadores en modelos generativos. |
Modelos de difusión
(Difussion models) Métodos de difusión para modelos generativos. |
Si eres estudiante de la universidad de Los Andes las fechas de inscripciónes son 28 y 29 de mayo MiBanner. Ten en cuenta que este curso cuenta con dos códigos para inscripción:
Si no eres estudiante de la Universidad de los Andes y quieres tomar el curso completo (los dos módulos), la inversión es de $7.496.000. Para registrarte por favor envíanos tus datos al correo gestorextensionedco@uniandes.edu.co y un asesor te apoyará en el proceso de inscripción.
