Máster en Inteligencia Artificial

Inteligencia Artificial / Por / / AI, IA, inteligencia artificial
Más información

¿Qué es Inteligencia Artificial?

La inteligencia artificial (IA) se refiere al estudio, desarrollo y aplicación de técnicas informáticas que les permiten a las computadoras adquirir ciertas habilidades propias de la inteligencia humana. Algunas de estas son:

  • Entender las situaciones y los contextos.
  • Identificar objetos y reconocer sus significados.
  • Analizar y resolver problemas.Aprender a realizar nuevas tareas.
  • Comprender el lenguaje natural.
  • Reconocer imágenes.

Objetivos del curso

  1. Adquirirás una visión integradora de la Inteligencia Artificial y el dominio de técnicas avanzadas de Machine Learning, Deep Learning, Natural, Language Processing (NLP), Artificial Vision…
  2. Conocerás los procesos de diseño, desarrollo e implementación de sistemas inteligentes por medio del uso de técnicas de Inteligencia Artificial y computación en la nube.
  3. Pondrás en práctica los conocimientos teóricos con las herramientas y librerías de software más utilizadas en la industria: Python (Pandas, Numpy, Matplotlib, Skit-Learn…),TensorFlow, Keras, Anaconda, Jupyter Notebooks…
  4. Aprenderás qué es la Inteligencia Artificial de una forma práctica mediante casos reales y utilizarás las herramientas y técnicas algorítmicas más punteras en el estado del arte para resolverlos.

 Dirigido a

Este programa está dirigido a personas de diferentes perfiles que quieran orientarse hacia profesiones emergentes relacionadas con la Inteligencia Artificial. Los perfiles pueden ser de tres tipos:

  • Perfiles TIC: Personas con conocimientos en informática y programación, ya sea que tengan conocimientos en el área y estén buscando su primer empleo o que ya estén trabajando en el sector TI y quieran especializarse en Inteligencia Artificial.
  • Perfiles cuantitativos: Graduados en carreras con un componente cuantitativo fuerte, como estadística, matemáticas, ingenierías, física… que quieran dedicarse a la inteligencia artificial profesionalmente.
  • Perfiles de negocio: Graduados y profesionales en diferentes áreas de empresa y economía que quieran especializarse en dirigir equipos, liderar proyectos y vender proyectos de Inteligencia Artificial. Este máster les permitirá adquirir un background técnico sólido en esta área.

Salidas Laborales

  • Data Scientist
  • Experto en Inteligencia Artificial
  • Experto en Deep Learning
  • Experto en NLP
  • Experto en Visión Artificial o
  • Experto en dirección de proyectos de Ciencia de Datos e Inteligencia Artificial.

Otros Datos

Profesores Expertos, Formación online tutorizada, Clases/Tutorías en directo, Formación basada en la práctica y en el desarrollo de ejercicios, Programa De Becas Personalizadas y Acceso a Bolsa de Empleo.

 Prácticas: Prácticas en empresas especializadas (opcionales). Disponemos de una red de empresas colaboradoras para que puedas cursar tus prácticas.

Precio: 3.057€

Duración: 400 horas

PROGRAMA

1) Módulo 1: Introducción a los sistemas Informáticos y tecnologías Big Data

– Principales componentes de un sistema informático. Sistemas Operativos, para que sirven, que tipos hay y cómo funcionan…
– Introducción a GNU/Linux
– GNU/Linux Avanzado
– Como usar GNU/Linux en Cloud (AWS)
– Introducción teórica a las tecnologías Big Data: Bases de Datos SQL/No SQL, Computación distribuida, Cloud…

2) Módulo 2: Fundamentos de Programación en Python

– Introducción a los lenguajes de programación
– Python: Sentencias Básicas y Bloques Lógicos
– Python: Funciones y Scope
– Python: Clases y Objetos y Tratamiento de Excepciones
– Python: Módulos y Uso de librerías de Python

3) Módulo 3: Análisis de Datos con Python

– Python: Librerías básicas de Data Science: Pandas, Numpy, Matplotlib, Sklearn…
– Introducción teórica al análisis exploratorio de Datos
– Python: Ejemplificación del análisis exploratorio de datos mediate Datasets reales

4) Módulo 4: Introducción al Machine Learning

– Desambiguación de términos: ¿Machine Learning? ¿Deep Learning? ¿Data Science? ¿Big Data? Machine Learning: Aprendizaje supervisado (regresión/clasificación), no supervisado y por refuerzo.
– Nuestros primeros pasos con el Machine Learning: Regresión Lineal y Regresión Logística. Ejemplos con datos reales en Python.

4.1) Módulo 4.1: Introducción a la IA Generativa
– ¿Como aprovechar los recientes avances en IA generativa? Panorama actual de tecnologías más relevantes por campo:
o Texto: ChatGPT, Bard, LLaMA…
o Imagen: Dalle, Midjourney, Stable Diffusion…
– ¿Qué es el Prompt Engineering? ¿Es quizás una de las profesiones del futuro¿
– Usando la API de Open AI para crear nuestros primeros chatbots basados en ChatGPT.

5) Módulo 5: Bases de Datos Big Data

– Introducción a las Bases de datos SQL.
– Programación en Python con SQLite.
– Bases de datos NoSQL: Clave-Valor, Columnares, Documentales y de Grafos
– Bases de Datos NoSQL Documentales: MongoDB (PyMongo)

6) Módulo 6: Procesamiento Distribuido

– Funcionamiento de un sistema Big Data de Procesamiento Distribuido: Ingestión, Almacenamiento, Gestión de Recursos, Cálculo Distribuido…
– Hadoop
– Introducción a Spark: pySpark y DataFrame API
– Machine Learning con Spark ML
– PySpark Pandas

7) Módulo 7: Algoritmos de Machine Learning y su implementación

– ¿Qué es un modelo de machine learning? ¿Qué es el entrenamiento? ¿Cómo valido que mis modelos generalizan correctamente?
– Regresión Lineal
– Regresión Logística
– Algoritmos de agrupamiento (K-Means, Clustering espectral, Clustering jerárquico…)
– Support Vector Machines (SVM)
– Árboles de Decisión y Random Forests
– K Nearest Neighbors (KNN)
– Redes Bayesianas
– Modelos Ocultos de Markov
– Algoritmos de reducción de la dimensionalidad (PCA, t-SNE…)
– Algoritmos de selección de modelos y búsqueda inteligente de hiper parámetros (grid search, random search, cross validation…)
– Modelos Ensemble y Sistemas multi-agente
– Ecosistema Data Science en Python: Skit Learn, Pandas, Numpy, Matplotlib…
– Pre-procesamiento de datos numéricos (Normalización, discretización, estandarización…)

7) Módulo 7: Deep Learning (Opcional)
– Introducción a los sistemas cognitivos y al aprendizaje profundo
– Perceptrones multi capa (MLP)
– Aspectos prácticos en el entrenamiento de redes neuronales y computación en GPU/TPU
– Redes Convolucionales (CNN)
– Redes Recurrentes (RNN)
– Auto-Encoders
– Redes Generativas Adversarias (GAN)
– Deep Reinforcement Learning (DRL)
– Deep Learning Frameworks: Keras, TensorFlow, Pytorch…

8) Módulo 8: Procesamiento de Lenguaje Natural (Opcional)

– Pre-procesamiento de texto y creación de corpus (tokenización, lematización, separación de oraciones…)
– Conceptos clave de análisis a nivel de documento (TF-IDF, BoW…)
– Topic Modeling (LDA y LSI)
– Análisis morfológico y morfosintáctico (PoS Tagging)
– Named Entity Recognition
– Embeddings
– Deep Learning aplicado a NLP
– La revolución de los modelos Deep Learning de lenguaje basados en contexto (BERT, ELMo…)
– Modelos de generación de texto y agentes conversacionales
– Ecosistema NLP en Python: NLTK, gensim, spacy, rasa…

9) Módulo 9: TFM (Opcional)

– El alumno presentará una propuesta de proyecto al docente, que utilice algoritmos y tecnologías vistos en este máster para la resolución de un problema real de negocio.
– Una vez aprobada la propuesta el alumno lo realizará
– Al entregarlo el docente dará su feedback y si este es positivo el alumno tendrá una mención especial en su diploma y prioridad en nuestra bolsa de empleo.

Herramientas y librerías que aprenderás.

• Python
• Linux
• Jupyter Lab
• Pycharm
• Spark (PySpark, Spark MLlib)
• Hadoop (HDFS, YARN)
• Mongo DB
• AWS
• NumPy
• Pandas
• Matplotlib
• Sklearn
• Keras
• TensorFlow
• NLTK
• Gensim
• TextBlob
• ChatGPT
• DALL·E 3
• OpenAI API
• Chatbots

Títulos que conseguirás

Una vez que finalices nuestro curso conseguirás 7 titulaciones:
• Máster en Inteligencia Artificial
• Máster en Machine Learning y Deep Learning
• Iniciación a GNU/Linux
• Desarrollo en Python Avanzado
• Análisis de datos y visualización con Python
• Big Data Avanzado
• NPL Avanzado

 

Claustro de profesores

Daniel Martínez García

Experto en Inteligencia Artificial con dilatada experiencia en el sector. Fue durante años director de I+D en la División de Inteligencia Artificial de Altran y actualmente dirige la parte de Inteligencia Artificial en MonoM (Grupo Álava). Tiene un máster en Big Data y otro en Deep Learning e imparte clases en universidades y escuelas de negocios.

Solicita más información

Formulario enviado correctamente.
El formulario no se ha podido enviar. Revisa tus datos e inténtalo de nuevo.

Al hacer clic en 'Enviar Solicitud' otorgas tu consentimiento expreso para el tratamiento de tus datos según lo recogido en la Política de Privacidad

Entradas relacionadas

Salir de la versión móvil