Máster en Inteligencia Artificial y Aprendizaje Automático
100% Online
12 meses
1695€
Máster en Inteligencia Artificial y Aprendizaje Automático
    Máster en Inteligencia Artificial y Aprendizaje Automático

    Máster en Inteligencia Artificial y Aprendizaje Automático

    100% Online
    12 meses
    1695€
    Seguridad y confianza en tus pagos online.

    Presentación

    La importancia de la Inteligencia Artificial (IA) en la actualidad es indiscutible. Desde la optimización de procesos empresariales hasta la creación de tecnologías innovadoras, la IA impulsa avances significativos en diversas industrias. Este Máster en Inteligencia Artificial y Aprendizaje Automático ofrece una comprensión holística de la IA, desde los fundamentos del Big Data y el Aprendizaje Automático hasta la implementación práctica de técnicas avanzadas como Redes Neuronales y Procesamiento de Lenguaje Natural. Además, aborda aspectos cruciales como la Seguridad de la Información y las Herramientas Copilot, preparándote para enfrentar desafíos laborales contemporáneos y aprovechar las oportunidades que brinda la revolución digital.
    Qs World University Rankings

    Universidades colaboradoras

    Para qué te prepara
    Este Máster en Inteligencia Artificial y Aprendizaje Automático te prepara para afrontar diversos desafíos en el ámbito laboral relacionados con la Inteligencia Artificial. Te equipa con habilidades y conocimientos sólidos en el análisis de datos, desarrollo de software avanzado, diseño de sistemas inteligentes y seguridad informática. Además, te brinda las herramientas necesarias para liderar proyectos de IA e implementar soluciones innovadoras.
    Objetivos
    - Dominar los conceptos fundamentales de Big Data y Business Intelligence. - Desarrollar habilidades para la toma de decisiones basadas en análisis inteligentes de datos. - Entender y aplicar técnicas de minería de datos y aprendizaje automático. - Adquirir conocimientos avanzados en visión artificial y procesamiento de lenguaje natural. - Capacitar en auditoría de seguridad y aplicación de herramientas Copilot. - Implementar y desplegar modelos de inteligencia artificial en entornos prácticos. - Preparar para roles profesionales en desarrollo de IA, análisis de datos y ciberseguridad.
    A quién va dirigido
    Este Máster en Inteligencia Artificial y Aprendizaje Automático está diseñado para profesionales de Tecnología de la Información (TI), ingeniería, análisis de datos y cualquier persona interesada en la Inteligencia Artificial y sus aplicaciones. Además, es adecuado para quienes buscan adquirir habilidades actualizadas en tecnologías emergentes.
    Salidas Profesionales
    Las salidas laborales de este Máster en Inteligencia Artificial y Aprendizaje Automático son diversas y abarcan una amplia gama de roles en el campo de la Inteligencia Artificial. Entre ellas se incluyen puestos como los enfocados en ciencia de datos, ingeniería de IA, análisis de seguridad informática, desarrollo de aplicaciones inteligentes o como experto/a en visión artificial.
    Temario

    MÓDULO 1. BIG DATA & BUSINESS INTELLIGENCE FUNDAMENTALS

    UNIDAD DIDÁCTICA 1. LA REVOLUCIÓN DE LOS DATOS MASIVOS: BIG DATA Y THICK DATA

    1. ¿Qué es Big Data?
    2. ¿Y Thick Data? ¿Cuál es el matiz para diferenciar ambos términos?
    3. El gran auge del big data
    4. La importancia de almacenar y extraer información
    5. ¿Cual es el papel de las fuentes de datos?
    6. Soluciones novedosas gracias a la selección de datos
    7. Naturaleza de las fuentes de datos Big Data

    UNIDAD DIDÁCTICA 2. TOMA DE DECISIONES INTELIGENTES

    1. Thick Data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
    2. Fases en un proyecto de Big Data
    3. Big Data enfocado a los negocios
    4. Apoyo del Big Data en el proceso de toma de decisiones
    5. Toma de decisiones operativas

    UNIDAD DIDÁCTICA 3. CÓMO HACER CRECER UN NEGOCIO A TRAVÉS DEL BIG DATA Y SUS APLICACIONES

    1. Marketing estratégico y Big Data
    2. Open data
    3. Ejemplo de uso de Open Data
    4. IoT (Internet of Things-Internet de las cosas)

    UNIDAD DIDÁCTICA 4.BIG DATA EN DIFERENTES SECTORES

    1. Relación entre inteligencia artificial y big data
    2. IA y Big Data combinados
    3. El papel del Big Data en IA
    4. Big Data en salud
    5. Necesidad de Big Data en la asistencia sanitaria
    6. Retos del big data en salud
    7. Big Data y People Analytics en RRHH

    UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN

    1. Definiendo el concepto de Business Intelligence y sociedad de la información
    2. Arquitectura de una solución Business Intelligence
    3. Business Intelligence en los departamentos de la empresa
    4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
    5. Sistemas Operacionales y Procesos ETL en un sistema de BI
    6. Ventajas y Factores de Riesgos del Business Intelligence

    UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE

    1. Cuadros de Mando Integrales (CMI)
    2. Sistemas de Soporte a la Decisión (DSS)
    3. Sistemas de Información Ejecutiva (EIS)

    UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO

    1. Introducción a la minería de datos y el aprendizaje automático
    2. Proceso KDD
    3. Modelos y Técnicas de Data Mining
    4. Áreas de aplicación
    5. Minería de Textos y Web Mining
    6. Data mining y marketing

    UNIDAD DIDÁCTICA 8. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL

    1. Aproximación al concepto de DataMart
    2. Bases de datos OLTP
    3. Bases de Datos OLAP
    4. MOLAP, ROLAP & HOLAP
    5. Herramientas para el desarrollo de cubos OLAP

    UNIDAD DIDÁCTICA 9. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS

    1. Visión General: ¿Por qué DataWarehouse?
    2. Estructura y Construcción
    3. Fases de implantación
    4. Características
    5. Data Warehouse en la nube

    UNIDAD DIDÁCTICA 10. INTERNET DE LAS COSAS

    1. Contexto Internet de las Cosas (IoT)
    2. ¿Qué es IoT?
    3. Elementos que componen el ecosistema IoT
    4. Arquitectura IoT
    5. Dispositivos y elementos empleados
    6. Ejemplos de uso
    7. Retos y líneas de trabajo futuras

    UNIDAD DIDÁCTICA 11. STORYTELLING

    1. ¿Qué es el Data Storytelling?
    2. Elementos clave del Data Storytelling
    3. ¿Por qué es importante el Data Storytelling?
    4. ¿Cómo hacer Data Storytelling?

    UNIDAD DIDÁCTICA 12. ECOSISTEMA HADOOP

    1. ¿Qué es Hadoop? Relación con Big Data
    2. Instalación y configuración de insfraestructura y ecosistema Hadoop
    3. Sistema de archivos HDFS
    4. MapReduce con Hadoop
    5. Apache Hive
    6. Apache Hue
    7. Apache Spark

    MÓDULO 2. MÉTODOS ESTADÍSTICOS PARA INTELIGENCIA ARTIFICIAL (IA)

    UNIDAD DIDÁCTICA 1. ESTADÍSTICA

    1. Introducción, concepto y funciones de la estadística
    2. Estadística descriptiva
    3. Estadística inferencial
    4. Medición y escalas de medida
    5. Variables: clasificación y notación
    6. Distribución de frecuencias
    7. Representaciones gráficas
    8. Propiedades de la distribución de frecuencias
    9. Medidas de posición
    10. Medidas de dispersión
    11. Medidas de forma
    12. Curva de Lorenz, coeficiente de Gini e índice de Theil

    UNIDAD DIDÁCTICA 2. ANÁLISIS CONJUNTO DE VARIABLES

    1. Introducción al análisis conjunto de variables
    2. Asociación entre dos variables cualitativas
    3. Correlación entre dos variables cuantitativas
    4. Regresión lineal

    UNIDAD DIDÁCTICA 3. DISTRIBUCIONES DE PROBABILIDAD

    1. Conceptos previos de probabilidad
    2. Variables discretas de probabilidad
    3. Distribuciones discretas de probabilidad
    4. Distribución normal
    5. Distribuciones asociadas a la distribución normal

    UNIDAD DIDÁCTICA 4. ESTADÍSTICA INFERENCIAL

    1. Conceptos previos
    2. Métodos de muestreo
    3. Principales indicadores

    UNIDAD DIDÁCTICA 5. CONTRASTE DE HIPÓTESIS

    1. Introducción a las hipótesis estadísticas
    2. Contraste de hipótesis
    3. Contraste de hipótesis paramétrico
    4. Tipologías de error
    5. Contrastes no paramétricos

    UNIDAD DIDÁCTICA 6. REGRESIÓN LINEAL

    1. Introducción a los modelos de regresión
    2. Modelos de regresión: aplicabilidad
    3. Variables a introducir en el modelo de regresión
    4. Construcción del modelo de regresión
    5. Modelo de regresión lineal
    6. Modelo de regresión logística
    7. Factores de confusión
    8. Interpretación de los resultados de los modelos de regresión

    UNIDAD DIDÁCTICA 7. INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA

    1. Estadística no paramétrica. Conceptos básicos
    2. Características de las pruebas
    3. Ventajas y desventajas del uso de métodos no paramétricos
    4. Identificación de las diferentes pruebas no paramétricas

    UNIDAD DIDÁCTICA 8. PRUEBAS NO PARAMÉTRICAS PARA UNA MUESTRA

    1. Pruebas no paramétricas para una muestra
    2. Chi-cuadrado o ji-cuadrado
    3. Prueba de Kolmogorov-Smirnov para una muestra
    4. Prueba binomial
    5. Prueba de rachas

    UNIDAD DIDÁCTICA 9. PRUEBAS NO PARAMÉTRICAS PARA DOS MUESTRAS RELACIONADAS

    1. Prueba de los signos
    2. Prueba del rango con signo de Wilcoxon
    3. Prueba de McNemar

    UNIDAD DIDÁCTICA 10. PRUEBAS NO PARAMÉTRICAS PARA K MUESTRAS RELACIONADAS

    1. Pruebas para k muestras relacionadas
    2. Prueba de Cochran
    3. Prueba de Friedman
    4. Coeficiente de concordancia de W de Kendall

    UNIDAD DIDÁCTICA 11. PRUEBAS NO PARAMÉTRICAS PARA DOS MUESTRAS INDEPENDIENTES

    1. Pruebas para dos muestras independientes
    2. Prueba U de Mann Whitney
    3. Prueba de Wald-Wolfowitz
    4. Prueba de reacciones extremas de Moses
    5. Prueba de Kolmogorov-Smirnov para dos muestras

    UNIDAD DIDÁCTICA 12. PRUEBAS NO PARAMÉTRICAS PARA K MUESTRAS INDEPENDIENTES

    1. Pruebas no paramétricas para K muestras independientes
    2. Prueba de la mediana
    3. Prueba H de Kruskal-Wallis
    4. Prueba de Jonckheere-Terpstra

    MÓDULO 3. DATA MINING, INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO

    UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS

    1. Minería de datos
    2. ¿Qué podemos hacer con data Mining?
    3. ¿Qué usos puede tener el data Mining?
    4. Metodología de la minería de datos
    5. Algunas técnicas estadísticas utilizadas en data mining
    6. Árboles de decisión
    7. Reglas de inducción
    8. Redes Bayesanas
    9. Algoritmos Genéticos

    UNIDAD DIDÁCTICA 2. CICLO DATA MINING

    1. Ciclo data mining
    2. Minería de Textos y Web Mining
    3. Data mining y marketing

    UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

    1. Introducción a la inteligencia artificial
    2. Historia
    3. La importancia de la IA

    UNIDAD DIDÁCTICA 4. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL

    1. Algoritmos aplicados a la inteligencia artificial

    UNIDAD DIDÁCTICA 5. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA

    1. Relación entre inteligencia artificial y big data
    2. IA y Big Data combinados
    3. El papel del Big Data en IA
    4. Tecnologías de IA que se están utilizando con Big Data

    UNIDAD DIDÁCTICA 6. SISTEMAS EXPERTOS

    1. Sistemas expertos
    2. Estructura de un sistema experto
    3. Inferencia: Tipos
    4. Fases de construcción de un sistema
    5. Rendimiento y mejoras
    6. Dominios de aplicación
    7. Creación de un sistema experto en C#
    8. Añadir incertidumbre y probabilidades

    UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING

    1. Introducción
    2. Clasificación de algoritmos de aprendizaje automático
    3. Ejemplos de aprendizaje automático
    4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
    5. Tipos de algoritmos de aprendizaje automático
    6. El futuro del aprendizaje automático

    UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

    1. Introducción
    2. Algoritmos

    UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN

    1. Introducción
    2. Filtrado colaborativo
    3. Clusterización
    4. Sistemas de recomendación híbridos

    UNIDAD DIDÁCTICA 10. CLASIFICACIÓN

    1. Clasificadores
    2. Algoritmos

    UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING

    1. Componentes
    2. Aprendizaje

    UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN

    1. Introducción
    2. El proceso de paso de DSS a IDSS
    3. Casos de aplicación

    MÓDULO 4. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN

    1. ¿Qué es PLN?
    2. ¿Qué incluye el PLN?
    3. Ejemplos de uso de PLN
    4. Futuro del PLN

    UNIDAD DIDÁCTICA 2. PLN EN PYTHON

    1. PLN en Python con la librería NLTK
    2. Otras herramientas para PLN

    UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN

    1. Principios del análisis sintáctico
    2. Gramática libre de contexto
    3. Analizadores sintácticos (Parsers)

    UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN

    1. Aspectos introductorios del análisis semántico
    2. Lenguaje semántico para PLN
    3. Análisis pragmático

    UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN

    1. Aspectos introductorios
    2. Pasos en la extracción de información
    3. Ejemplo PLN
    4. Ejemplo PLN con entrada de texto en inglés

    UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT?

    1. Aspectos introductorios
    2. ¿Qué es un chatbot?
    3. ¿Cómo funciona un chatbot?
    4. VoiceBots
    5. Desafios para los Chatbots

    UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS

    1. Chatbots y el papel de la Inteligencia Artificial (IA)
    2. Usos y beneficios de los chatbots
    3. Diferencia entre bots, chatbots e IA

    UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS

    1. Áreas de aplicación de Chatbots
    2. Desarrollo de un chatbot con ChatterBot y Python
    3. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

    MÓDULO 5. VISIÓN ARTIFICIAL EN INDUSTRIA 4.0 CON PYTHON Y OPENCV

    UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES

    1. La visión artificial: definiciones y aspectos principales

    UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL

    1. Ópticas
    2. Iluminación
    3. Cámaras
    4. Sistemas 3D
    5. Sensores
    6. Equipos compactos
    7. Metodologías para la selección del hardware

    UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL

    1. Algoritmos
    2. Software
    3. Segmentación e interpretación de imágenes
    4. Metodologías para la selección del software

    UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0

    1. Aplicaciones clásicas: discriminación, detección de fallos…
    2. Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)

    UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV

    1. Descripción general OpenCV
    2. Instalación OpenCV para Python en Windows
    3. Instalación OpenCV para Python en Linux
    4. Anaconda y OpenCV

    UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS

    1. Manejo de archivos
    2. Leer una imagen con OpenCV
    3. Mostrar imagen con OpenCV
    4. Guardar una imagen con OpenCV
    5. Operaciones aritméticas en imágenes usando OpenCV
    6. Funciones de dibujo

    UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES

    1. Redimensión de imágenes
    2. Erosión de imágenes
    3. Desenfoque de imágenes
    4. Bordeado de imágenes
    5. Escala de grises en imágenes
    6. Escalado, rotación, desplazamiento y detección de bordes
    7. Erosión y dilatación de imágenes
    8. Umbrales simples
    9. Umbrales adaptativos
    10. Umbral de Otsu
    11. Contornos de imágenes
    12. Incrustación de imágenes
    13. Intensidad en imágenes
    14. Registro de imágenes
    15. Extracción de primer plano
    16. Operaciones morfológicas en imágenes
    17. Pirámide de imágen

    UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING

    1. Analizar imágenes usando histogramas
    2. Ecualización de histogramas
    3. Template matching
    4. Detección de campos en documentos usando Template matching

    UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR

    1. Espacios de color en OpenCV
    2. Cambio de espacio de color
    3. Filtrado de color
    4. Denoising de imágenes en color
    5. Visualizar una imagen en diferentes espacios de color

    UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS

    1. Detección de líneas
    2. Detección de círculos
    3. Detectar esquinas (Método Shi-Tomasi)
    4. Detectar esquinas (método Harris)
    5. Encontrar círculos y elipses
    6. Detección de caras y sonrisas

    UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO

    1. Vecino más cercano (K-Nearest Neighbour)
    2. Agrupamiento de K-medias (K-Means Clustering)

    MÓDULO 6. AUDITOR DE SEGURIDAD CON IA (MICROSOFT SECURITY COPILOT)

    UNIDAD DIDÁCTICA 1. NATURALEZA Y DESARROLLO DE LA SEGURIDAD DE LA INFORMACIÓN

    1. La sociedad de la información
    2. ¿Qué es la seguridad de la información?
    3. Importancia de la seguridad de la información
    4. Principios básicos de seguridad de la información: confidencialidad, integridad y disponibilidad
    5. Descripción de los riesgos de la seguridad
    6. Selección de controles
    7. Factores de éxito en la seguridad de la información

    UNIDAD DIDÁCTICA 2. NORMATIVA ESENCIAL SOBRE SEGURIDAD DE LA INFORMACIÓN

    1. Marco legal y jurídico de la seguridad de la información
    2. Normativa comunitaria sobre seguridad de la información
    3. Normas sobre gestión de la seguridad de la información: Familia de Normas ISO 27000
    4. Legislación española sobre seguridad de la información

    UNIDAD DIDÁCTICA 3. BUENAS PRÁCTICAS EN SEGURIDAD DE LA INFORMACIÓN: NORMA ISO/IEC 27002

    1. Aproximación a la norma ISO/IEC 27002
    2. Alcance de la Norma ISO/IEC 27002
    3. Estructura de la Norma ISO/IEC 27002
    4. Evaluación y tratamiento de los riesgos de seguridad

    UNIDAD DIDÁCTICA 4. POLÍTICA DE SEGURIDAD, ORGANIZACIÓN DE LA SEGURIDAD DE LA INFORMACIÓN Y GESTIÓN DE ACTIVOS

    1. Política de seguridad de la información
    2. Organización de la seguridad de la información
    3. Organización interna de la seguridad de la información
    4. Grupos o personas externas: el control de acceso a terceros
    5. Clasificación y control de activos de seguridad de la información
    6. Responsabilidad por los activos de seguridad de la información
    7. Clasificación de la información

    UNIDAD DIDÁCTICA 5. INTELIGENCIA ARTIFICIAL (IA) Y CIBERSEGURIDAD

    1. Inteligencia Artificial
    2. Tipos de inteligencia artificial
    3. Impacto de la Inteligencia Artificial en la ciberseguridad

    UNIDAD DIDÁCTICA 6. FUNDAMENTOS DE LA AUDITORÍA DE SEGURIDAD CON IA

    UNIDAD DIDÁCTICA 7. EVALUACIÓN DE VULNERABILIDADES CON IA

    UNIDAD DIDÁCTICA 8. ANÁLISIS DE RIESGOS CON IA

    UNIDAD DIDÁCTICA 9. RESPUESTA A INCIDENTES CON IA

    MÓDULO 7. INTELIGENCIA ARTIFICIAL PARA PROGRAMADORES

    UNIDAD DIDÁCTICA 1. APRENDIZAJE AUTOMÁTICO (MACHINE LEARNING)

    1. Aprendizaje Automático
    2. Tipos de aprendizaje automático
    3. Algoritmos y modelos de aprendizaje automático
    4. Métricas de evalución en aprendizaje automático
    5. Regularización y selección de características en aprendizaje automático

    UNIDAD DIDÁCTICA 2. REDES NEURONALES ARTIFICIALES (RNA)

    1. Redes Neuronales Artificiales (RNA)
    2. Estructura y arquitectura
    3. Funciones de activación
    4. Entrenamiento de las RNA
    5. Redes Neuronales Convolucionales (CNN) y su aplicación
    6. Redes Neuronales Recurrentes (RNN) y su aplicación
    7. Redes Neuronales Adversariales (GAN) y su aplicación

    UNIDAD DIDÁCTICA 3. PROCESAMIENTO DE LENGUAJE NATURAL (NATURAL LANGUAGE PROCESSING - NLP)

    1. Fundamentos del Procesamiento del Lenguaje Natural (PLN)
    2. Representación del lenguaje en PLN
    3. Extracción de características en PLN
    4. Modelos de PLN basados en secuencias
    5. Modelos de PLN para tareas específicas
    6. Aplicaciones de PLN

    UNIDAD DIDÁCTICA 4. VISIÓN ARTIFICIAL

    1. Visión artificial
    2. Preprocesamiento y transformación de imágenes
    3. Detección y reconocimiento de objetos
    4. Segmentación y clasificación de imágenes
    5. Aplicaciones de visión artificial

    UNIDAD DIDÁCTICA 5. PROCESAMIENTO DE DATOS MASIVOS (BIG DATA) EN INTELIGENCIA ARTIFICIAL

    1. Big Data en Inteligencia Artificial
    2. Almacenamiento y procesamiento distribuido
    3. Tecnologías y herramientas para el procesamiento de Big Data
    4. Extracción de conocimiento a partir de datos masivos
    5. Aprendizaje automático en Big Data

    UNIDAD DIDÁCTICA 6. OPTIMIZACIÓN Y SINTONIZACIÓN DE MODELOS DE IA

    1. Evaluación de modelos y métricas de rendimiento
    2. Optimización de hiperparámetros
    3. Regularización y técnicas de prevención de sobreajuste
    4. Técnicas de reducción de dimensionalidad
    5. Ajuste y ensamblado de modelos

    UNIDAD DIDÁCTICA 7. APRENDIZAJE POR REFUERZO (REINFORCEMENT LEARNING)

    1. Aprendizaje por refuerzo
    2. Agentes y entornos de aprendizaje por refuerzo
    3. Métdos de aprendizaje por refuerzo
    4. Exploración y explotación en aprendizaje por refuerzo
    5. Aplicaciones de aprendizaje por refuerzo

    UNIDAD DIDÁCTICA 8. DESPLIEGUE Y PRODUCCIÓN DE MODELOS DE IA

    1. Preparación de datos para despliegue de modelos
    2. Diseño e implementación de servicios de IA
    3. Monitoreo y evaluación de modelos en producción
    4. Actualización y mantenimiento de modelos de IA
    5. Escalabilidad y rendimiento en despliegue de modelos de IA

    MÓDULO 8. HERRAMIENTAS COPILOT PARA INTELIGENCIA ARTIFICIAL (IA)

    UNIDAD DIDÁCTICA 1. ¿QUÉ ES UNA HERRAMIENTA COPILOT?

    UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A LOS MODELOS DE LENGUAJE (LLM)

    UNIDAD DIDÁCTICA 3. GEMINI: LA PROPUESTA DE GOOGLE

    UNIDAD DIDÁCTICA 4. GEMINI COMO HERRAMIENTA COPILOT

    UNIDAD DIDÁCTICA 5. INTEGRACIÓN DE GEMINI COMO HERRAMIENTA COPILOT

    UNIDAD DIDÁCTICA 6. CHATGPT: FUNDAMENTOS Y FUNCIONAMIENTO

    UNIDAD DIDÁCTICA 7. BING CHAT: EL MODELO DE MICROSOFT

    UNIDAD DIDÁCTICA 8. ASPECTOS TÉCNICOS AVANZADOS DE LOS CHATBOTS

    UNIDAD DIDÁCTICA 9. COPILOT CON DIFERENTES CHATBOTS

    UNIDAD DIDÁCTICA 10. GITHUB COPILOT

    UNIDAD DIDÁCTICA 11. GITHUB COPILOT Y PROGRAMACIÓN

    UNIDAD DIDÁCTICA 12. CREACIÓN DE APP ANDROID CON COPILOT

    Titulación
    Solicitar información