Módulo 3: Herramientas y Plataformas para Implementación de IA en RRHH

Duración: 4 semanas

Objetivos:

  • Familiarizarse con las herramientas y plataformas específicas para la implementación de IA en RRHH.
  • Adquirir habilidades prácticas en el desarrollo y despliegue de soluciones de IA.
  • Aprender a utilizar herramientas de MLOps para la gestión de modelos en producción.

Semana 1: Introducción a Herramientas Específicas para RRHH

Temas:

  • Herramientas de análisis de datos: Tableau, Power BI
  • Plataformas de IA para RRHH: HireVue, Pymetrics
  • Introducción a People Analytics

Recursos:

  • Tutoriales en YouTube sobre Tableau y Power BI
  • Cursos específicos de herramientas de IA para RRHH en LinkedIn Learning

Conclusión: Al final de esta semana, deberías ser capaz de utilizar herramientas específicas para el análisis de datos y la implementación de IA en RRHH.

Semana 2: Implementación de Chatbots para RRHH

Temas:

  • Diseño y desarrollo de chatbots
  • Herramientas como Dialogflow y Microsoft Bot Framework
  • Integración de chatbots en sistemas de RRHH

Recursos:

  • «Building Chatbots with Python» de Sumit Raj (Capítulos 1-4)
  • Coursera: Building Chatbots with Google Dialogflow

Conclusión: Al final de esta semana, deberías ser capaz de diseñar, desarrollar e integrar chatbots en sistemas de RRHH.

Semana 3: Implementación de Algoritmos de Recomendación

Temas:

  • Introducción a sistemas de recomendación
  • Implementación con Python y bibliotecas como Surprise y LightFM
  • Aplicaciones prácticas en RRHH

Recursos:

  • «Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow» de Aurélien Géron (Capítulo 9)
  • Medium articles on recommendation systems for HR

Conclusión: Al final de esta semana, deberías ser capaz de implementar algoritmos de recomendación para mejorar procesos de RRHH.

Semana 4: Integración y Despliegue de Modelos de IA

Temas:

  • Uso de APIs y microservicios para desplegar modelos de IA
  • Contenerización con Docker
  • Herramientas de MLOps para la gestión de modelos en producción

Recursos:

  • «Machine Learning Engineering» de Andriy Burkov (Capítulos sobre despliegue)
  • AWS, Google Cloud, y Azure documentation on AI model deployment

Conclusión: Al final de esta semana, deberías ser capaz de integrar y desplegar modelos de IA en producción utilizando herramientas y plataformas modernas.

Volver al Programa