Título universitario de grado (cualquier orientación) O equivalencia por experiencia profesional.
Título universitario
Título de grado o pregrado de cualquier orientación (carreras de al menos 2 años en universidades o 4 años en institutos no universitarios). Las orientaciones afines (computación, ingeniería, estadística, matemática, ciencias de datos) facilitan el ingreso pero no son excluyentes.
Equivalencia por experiencia profesionalSin título
Si no tenés título universitario, podés ingresar igual demostrando experiencia laboral y conocimientos suficientes en una entrevista con la Dirección de la Diplomatura.
Marco normativo: Artículo 4° de la Resolución HCS 081/23 — los postulantes fuera de los términos formales podrán ser admitidos siempre que demuestren, a través de las evaluaciones y la entrevista con la Dirección, poseer preparación y experiencia laboral acorde con la diplomatura, así como competencias y conocimientos suficientes.
La diplomatura aborda Machine Learning, Deep Learning, LLMs, RAG, agentes y deploy en cloud. Para aprovechar al máximo el programa, es importante contar con las siguientes bases:
Python intermedio
Manejo práctico de Python: estructuras de datos, OOP básico, virtualenv/poetry, lectura y escritura de archivos. Familiaridad con pandas y numpy para manipulación de datos.
Álgebra lineal y cálculo básico
Vectores, matrices, multiplicación matricial, derivadas y noción intuitiva de gradiente. Son la base para entender qué hacen las redes neuronales por dentro.
Estadística descriptiva y probabilidad
Media y varianza, distribuciones comunes (normal, binomial), nociones de Bayes. Necesarias para interpretar métricas, evaluar modelos y entender la lógica probabilística de los LLMs.
Git y línea de comandos
Manejo básico de Git (clone, commit, push, pull) y soltura en terminal/línea de comandos para instalar dependencias, ejecutar scripts y trabajar con notebooks.
Nociones de ML clásico (no excluyente — recomendado)
Idea general de qué es un modelo supervisado, división train/test, métricas básicas (accuracy, precision/recall). No es bloqueante, pero acelera la curva de aprendizaje.
Cuentas en plataformas de IA
Cuenta de OpenAI, Anthropic y/o Hugging Face para acceder a APIs y modelos. Las usamos en prácticas a lo largo del programa.
Cuenta AWS Free Tier
Para los módulos de cloud y deploy: SageMaker, Bedrock, Lambda. Acompañamos en el setup; no se requiere experiencia previa en AWS.
Familiaridad con Jupyter / Colab
Haber trabajado al menos una vez con notebooks. La cursada usa intensivamente Colab y JupyterHub con GPU.
No te quedes afuera. Ofrecemos material de nivelación previo al inicio de la diplomatura y acompañamiento personalizado. Contactanos para que evaluemos tu perfil y te orientemos.