Claustro Docente
Ofrecerá un minucioso seguimiento al alumno, resolviendo sus dudas.
No hemos encontrado resultados relativos a la búsqueda realizada.
Puedes volver a intentarlo de nuevo realizando una nueva búsqueda.
No hemos encontrado resultados relativos a la búsqueda realizada.
Puedes volver a intentarlo de nuevo realizado una nueva búsqueda.
ONLINE
1500 H
450 H
Entidad
Presentación
Descripción
En el mundo actual impulsado por los avances tecnológicos, la inteligencia artificial (IA) se ha convertido en un campo crucial para la innovación y el desarrollo. Este Master en Inteligencia Artificial tiene como objetivo proporcionar una base sólida en los principios y técnicas fundamentales de la IA y el Machine learning. El uso de algoritmos y modelos de IA permite a las organizaciones obtener conocimientos valiosos de grandes volúmenes de datos, lo que resulta en una toma de decisiones más informada y eficiente. Desde el análisis predictivo hasta la automatización de tareas complejas, la IA está transformando diversas industrias, como la salud, las finanzas, el comercio electrónico, la fabricación, etc. Además, contarás con un equipo de profesionales especializados en la materia.
Objetivos
- Comprender los conceptos básicos de la inteligencia artificial y el aprendizaje automático.
- Dominar el uso de algoritmos y modelos de IA en problemas reales.
- Desarrollar habilidades en el procesamiento de lenguaje natural y la visión por computadora.
- Diseñar y entrenar redes neuronales para tareas de clasificación y predicción.
- Construir chatbots inteligentes y aplicaciones prácticas de IA.
- Explorar las implicaciones éticas y sociales de la inteligencia artificial.
- Aplicar métodos de optimización para mejorar el rendimiento y la eficiencia de los sistemas de IA.
Para qué te prepara
Este Master en Inteligencia Artificial te prepara para enfrentar los desafíos del futuro del trabajo, donde la IA está transformando rápidamente las industrias. Aprenderás a aplicar algoritmos y modelos de IA en problemas reales, desarrollarás habilidades en el procesamiento de lenguaje natural y la visión artificial, y estarás listo para construir chatbots inteligentes y otras aplicaciones prácticas de IA.
A quién va dirigido
Este Master en Inteligencia Artificial está dirigido a estudiantes, profesionales y entusiastas de la tecnología interesados en la inteligencia artificial y su aplicación en diversas industrias. Este Master es ideal para aquellos que desean desarrollar habilidades en IA y estar preparados para las oportunidades laborales en este campo en auge.
temario
- ¿Qué es Big Data?
- La era de las grandes cantidades de información: historia del big data
- La importancia de almacenar y extraer información
- Big Data enfocado a los negocios
- Open data
- Información pública
- IoT (Internet of Things-Internet de las cosas)
- Diagnóstico inicial
- Diseño del proyecto
- Proceso de implementación
- Monitorización y control del proyecto
- Responsable y recursos disponibles
- Calendarización
- Alcance y valoración económica del proyecto
- Definiendo el concepto de Business Intelligence y sociedad de la información
- Arquitectura de una solución Business Intelligence
- Business Intelligence en los departamentos de la empresa
- Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
- Sistemas Operacionales y Procesos ETL en un sistema de BI
- Ventajas y Factores de Riesgos del Business Intelligence
- Cuadros de Mando Integrales (CMI)
- Sistemas de Soporte a la Decisión (DSS)
- Sistemas de Información Ejecutiva (EIS)
- Introducción a la minería de datos y el aprendizaje automático
- Proceso KDD
- Modelos y Técnicas de Data Mining
- Áreas de aplicación
- Minería de Textos y Web Mining
- Data mining y marketing
- Aproximación al concepto de DataMart
- Bases de datos OLTP
- Bases de Datos OLAP
- MOLAP, ROLAP & HOLAP
- Herramientas para el desarrollo de cubos OLAP
- Visión General: ¿Por qué DataWarehouse?
- Estructura y Construcción
- Fases de implantación
- Características
- Data Warehouse en la nube
- ¿Qué es el Data Storytelling?
- Elementos clave del Data Storytelling
- ¿Por qué es importante el Data Storytelling?
- ¿Cómo hacer Data Storytelling?
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Computing
- Aspectos legales en Protección de Datos
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka
- Interfaces de Weka
- Selección de atributos
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python. Dream Team del Big Data
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
- Introducción a la inteligencia artificial
- Historia
- La importancia de la IA
- Tipos de inteligencia artificial
- Algoritmos aplicados a la inteligencia artificial
- Relación entre inteligencia artificial y big data
- IA y Big Data combinados
- El papel del Big Data en IA
- Tecnologías de IA que se están utilizando con Big Data
- Sistemas expertos
- Estructura de un sistema experto
- Inferencia: Tipos
- Fases de construcción de un sistema
- Rendimiento y mejoras
- Dominios de aplicación
- Creación de un sistema experto en C#
- Añadir incertidumbre y probabilidades
- Futuro de la inteligencia artificial
- Impacto de la IA en la industria
- El impacto económico y social global de la IA y su futuro
- Introducción
- Clasificación de algoritmos de aprendizaje automático
- Ejemplos de aprendizaje automático
- Diferencias entre el aprendizaje automático y el aprendizaje profundo
- Tipos de algoritmos de aprendizaje automático
- El futuro del aprendizaje automático
- Introducción
- Algoritmos
- Introducción
- Filtrado colaborativo
- Clusterización
- Sistemas de recomendación híbridos
- Clasificadores
- Algoritmos
- Componentes
- Aprendizaje
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
- Aprendizaje profundo
- Entorno de Deep Learning con Python
- Aprendizaje automático y profundo
- Redes neuronales
- Redes profundas y redes poco profundas
- Perceptrón de una capa y multicapa
- Ejemplo de perceptrón
- Tipos de redes profundas
- Trabajar con TensorFlow y Python
- Entrada y salida de datos
- Entrenar una red neuronal
- Gráficos computacionales
- Implementación de una red profunda
- El algoritmo de propagación directa
- Redes neuronales profundas multicapa
- ¿Qué es PLN?
- ¿Qué incluye el PLN?
- Ejemplos de uso de PLN
- Futuro del PLN
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- PLN en Python con la librería NLTK
- Otras herramientas para PLN
- Principios del análisis sintáctico
- Gramática libre de contexto
- Analizadores sintácticos (Parsers)
- Aspectos introductorios del análisis semántico
- Lenguaje semántico para PLN
- Análisis pragmático
- Aspectos introductorios
- Pasos en la extracción de información
- Ejemplo PLN
- Ejemplo PLN con entrada de texto en inglés
- Aspectos introductorios
- ¿Qué es un chatbot?
- ¿Cómo funciona un chatbot?
- VoiceBots
- Desafíos para los Chatbots
- Chatbots y el papel de la Inteligencia Artificial (IA)
- Usos y beneficios de los chatbots
- Diferencia entre bots, chatbots e IA
- Áreas de aplicación de Chatbots
- Desarrollo de un chatbot con ChatterBot y Python
- Desarrollo de un chatbot para Facebook Messenger con Chatfuel
- ¿Qué es ChatGPT?
- Cómo afecta la inteligencia artificial en ChatGPT?
- Versiones de ChatGPT y funcionalidades
- Usos de ChatGPT
- Beneficios de la IA y ChatGPT
- ¿Cómo funciona ChatGPT?
- Diferencias entre ChatGPT y otros chatbots
- Procesamiento del Lenguaje Natural (PLN)
- Aprendizaje por transferencia
- Cómo entrenar un modelo de ChatGPT
- Elección de la plataforma de desarrollo
- Configuración del entorno de desarrollo
- Preparación de los datos de entrenamiento
- Entrenamiento del modelo de ChatGPT
- Integración del modelo en el chatbot
- Pruebas y mejora del modelo
- Análisis de la conversación con el usuario
- Personalización de la conversación
- Uso de emojis y respuestas con imágenes
- Integración de voz y audio
- Respuestas multilingües
- Integración del chatbot en una página web
- Integración del chatbot en una aplicación móvil
- Personalización del aspecto del chatbot
- Gestión de la seguridad y privacidad del usuario
- Modelos de negocio para chatbots
- Monetización a través de publicidad
- Monetización a través de suscripciones
- Monetización a través de compras in-app
- Análisis del rendimiento y la rentabilidad
- Aspectos éticos y responsabilidad en la IA
- Sesgos en la IA y cómo evitarlos
- Derechos y privacidad del usuario
- Regulaciones y normativas sobre chatbots
- Responsabilidad social y ambiental
- Chatbots para atención al cliente
- Chatbots para servicios financieros
- Chatbots para servicios de salud
- Chatbots para educación
- Chatbots para entretenimiento y ocio
- Plataformas de desarrollo de Chatbots
- Librerías y frameworks para el desarrollo de IA
- Bases de datos y almacenamiento
- Recursos de formación y aprendizaje
- Comunidades y grupos de apoyo para desarrolladores
- Desarrollo de un Chatbot avanzado
- Caso de estudio en atención al cliente
- Caso de estudio en educación
- Caso de estudio en salud
- Caso de estudio en ocio
- ¿Qué es la inteligencia artificial?
- Hardware y software unidos por la Inteligencia Artificial
- Inteligencia Artificial y Visión Artificial
- Arduino: introducción
- Instalación de Arduino
- Configurando tu Arduino para Python
- Control de Arduino
- Manejo de entradas
- Entradas analógicas
- Salidas analógicas
- Valores analógicos en Arduino
- Introducción al machine learning
- Aprendizaje supervisado
- Aprendizaje no supervisado
- Redes neuronales y deep learning
- Series Temporales
- Funciones y parámetros
- Variables y constantes especializadas
- Estructura de control
- Introducción
- ¿Qué son los datos de entrenamiento de IA?
- ¿Por qué se requieren datos de entrenamiento de IA?
- ¿Cuántos datos son adecuados?
- ¿Qué afecta la calidad de los datos en el entrenamiento?
- Crear red neural paso a paso
- Redes neuronales: Aprendizaje
- Otras redes neuronales
- Contexto Internet de las Cosas (IoT)
- ¿Qué es IoT?
- Elementos que componen el ecosistema IoT
- Arquitectura IoT
- Dispositivos y elementos empleados
- Ejemplos de uso
- Retos y líneas de trabajo futuras
- Contexto Sistemas Ciberfísicos (CPS)
- Características CPS
- Componentes CPS
- Ejemplos de uso
- Retos y líneas de trabajo futuras
- Conceptos previos
- Objetivos de la automatización
- Grados de la automatización
- Clases de automatización
- Equipos para la automatización industrial
- Diálogo Hombre-máquina, HMI y SCADA
- ¿Qué es la Industria 4.0?
- Sensores y captación de información
- Ciclo de vida de los productos en la Industria 4.0
- Modelos de negocio basados en la industria 4.0
- IoT industrial
- Tipos de vigilancia tecnológica
- Aspectos esenciales de la vigilancia tecnológica
- Búsqueda de información
- Implantación de la vigilancia tecnológica
- Introducción
- Concepto y nociones esenciales de la prospectiva tecnológica
- Tipología de técnicas para la prospectiva tecnológica
- Requisitos de implantación
- Internet of Behavior
- Ciencia cognitiva
- Personalización IOB
- La visión Artificial
- Procesamiento del lenguaje natural
- Análisis de comportamiento
- Análisis de opinión
- La visión artificial: definiciones y aspectos principales
- Ópticas
- Iluminación
- Cámaras
- Sistemas 3D
- Sensores
- Equipos compactos
- Metodologías para la selección del hardware
- Algoritmos
- Software
- Segmentación e interpretación de imágenes
- Metodologías para la selección del software
- Aplicaciones clásicas: discriminación, detección de fallos…
- Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
- Descripción general OpenCV
- Instalación OpenCV para Python en Windows
- Instalación OpenCV para Python en Linux
- Anaconda y OpenCV
- Manejo de archivos
- Leer una imagen con OpenCV
- Mostrar imagen con OpenCV
- Guardar una imagen con OpenCV
- Operaciones aritméticas en imágenes usando OpenCV
- Funciones de dibujo
- Redimensión de imágenes
- Erosión de imágenes
- Desenfoque de imágenes
- Bordeado de imágenes
- Escala de grises en imágenes
- Escalado, rotación, desplazamiento y detección de bordes
- Erosión y dilatación de imágenes
- Umbrales simples
- Umbrales adaptativos
- Umbral de Otsu
- Contornos de imágenes
- Incrustación de imágenes
- Intensidad en imágenes
- Registro de imágenes
- Extracción de primer plano
- Operaciones morfológicas en imágenes
- Pirámide de imagen
- Analizar imágenes usando histogramas
- Ecualización de histogramas
- Template matching
- Detección de campos en documentos usando Template matching
- Espacios de color en OpenCV
- Cambio de espacio de color
- Filtrado de color
- Denoising de imágenes en color
- Visualizar una imagen en diferentes espacios de color
- Detección de líneas
- Detección de círculos
- Detectar esquinas (Método Shi-Tomasi)
- Detectar esquinas (método Harris)
- Encontrar círculos y elipses
- Detección de caras y sonrisas
- Vecino más cercano (K-Nearest Neighbour)
- Agrupamiento de K-medias (K-Means Clustering)
metodología
Formación Online
Toda nuestra oferta formativa es de modalidad online, incluidos los exámenes.
Comunidad
En la que todos los alumos de INESEM podrán debatir y compartir su conocimiento.
Materiales Didácticos
En la mayoría de nuestras acciones formativas, el alumno contará con el apoyo de los materiales físicos.
Material Adicional
El alumno podrá completar el proceso formativo y ampliar los conocimientos de cada área concreta.
Campus Virtual
Entorno Persona de Aprendizaje disponible las 24 horas, los 7 días de la semana.
Una vez finalizado el proceso de matriculación, el alumno empieza su andadura en INESEM Formación Continua a través de nuestro Campus Virtual.
La metodología INESEM Business School, ha sido diseñada para acercar el aula al alumno dentro de la formación online. De esta forma es tan importante trabajar de forma activa en la plataforma, como necesario el trabajo autónomo de este. El alumno cuenta con una completa acción formativa que incluye además del contenido teórico, objetivos, mapas conceptuales, recuerdas, autoevaluaciones, bibliografía, exámenes, actividades prácticas y recursos en forma de documentos descargables, vídeos, material complementario, normativas, páginas web, etc.
A esta actividad en la plataforma hay que añadir el tiempo asociado a la formación dedicado a horas de estudio. Estos son unos completos libros de acceso ininterrumpido a lo largo de la trayectoria profesional de la persona, no solamente durante la formación. Según nuestra experiencia, gran parte del alumnado prefiere trabajar con ellos de manera alterna con la plataforma, si bien la realización de autoevaluaciones de cada unidad didáctica y evaluación de módulo, solamente se encuentra disponible de forma telemática.
El alumno deberá avanzar a lo largo de las unidades didácticas que constituyen el itinerario formativo, así como realizar las actividades y autoevaluaciones correspondientes. Al final del itinerario encontrará un examen final o exámenes. A fecha fin de la acción formativa el alumno deberá haber visitado al menos el 100 % de los contenidos, haber realizado al menos el 75 % de las actividades de autoevaluación, haber realizado al menos el 75 % de los exámenes propuestos y los tiempos de conexión alcanzados deberán sumar en torno al 75 % de las horas de la teleformación de su acción formativa. Dicho progreso se contabilizará a través de la plataforma virtual y puede ser consultado en cualquier momento.
La titulación será remitida al alumno por correo postal una vez se haya comprobado que ha completado el proceso de aprendizaje satisfactoriamente.
Requisitos de acceso
Esta formación pertenece al programa de Formación Continua de INESEM. Esta formación se tramita con cargo a un crédito que tienen asignado las empresas privadas españolas para la formación de sus empleados sin que les suponga un coste.
Para tramitar dicha formación es preciso cumplir los siguientes requisitos:
- Estar trabajando para una empresa privada
- Encontrarse cotizando en Régimen General de la Seguridad Social
- Solicitar un curso que esté relacionado con el puesto de trabajo o con la actividad empresarial
- Que la empresa autorice la formación
- Que la empresa disponga de suficiente crédito formativo para cubrir el coste del curso
titulación
Titulación de Formación Continua Bonificada expedida por el Instituto Europeo de Estudios Empresariales (INESEM). Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales. "Enseñanza No Oficial y No Conducente a la Obtención de un Título con Carácter Oficial o Certificado de Profesionalidad."
Opiniones de los alumnos
TAMBIÉN PODRÍA INTERESARTE...
Cursos bonificados relacionados
Curso Práctico de Virtuemart: Cómo crear una Tienda Virtual (Online)
Hasta 100% bonificable
Técnico de Programación de Páginas Web con PHP (Servidor) (Online)
Hasta 100% bonificable
POR QUÉ ESTUDIAR EN INESEM
Claustro especializado
Profesores especializados realizarán un seguimiento personalizado al alumno.
campus virtual
Acceso a la plataforma de aprendizaje disponible las 24 horas e ilimitado.
Gestión gratuita
Gestionamos todos los trámites administrativos para la bonificación de la formación.
materiales didácticos
Enviamos gratis los materiales de apoyo en la mayoría de nuestras acciones formativas (envíos a España).
planes formativos a medida
Diseñamos planes de formación adaptados a las necesidades de las empresas.
materiales adicionales
Los alumnos podrán profundizar más con material adicional que su docente le puede aportar.
amplio catálogo formativo
Contamos con más de 5000 cursos y masters bonificables para trabajadores.
Centro de atención al estudiante
Nuestros asesores académicos atenderán al alumnado antes, durante y después de la formación.
consultoría de recursos humanos
Ofrecemos soluciones para el área laboral de tu empresa.
secretaría virtual
Todas las gestiones las podrás hacer vía online, no será necesario hacerlo presencial.
Claustro especializado
Profesores especializados realizarán un seguimiento personalizado al alumno
atendiéndole vía
chat, correo electrónico, teléfono o Skype.
campus virtual
Acceso a la plataforma de aprendizaje disponible las 24 horas e ilimitado.
Gestión gratuita
Gestionamos todos los trámites administrativos para la bonificación de la formación.
Tu
empresa no tiene que preocuparse del proceso de bonificación,
¡nosotros nos encargamos!.
materiales didácticos
Enviamos los materiales de apoyo en la mayoría de nuestras acciones formativas al
alumno
de
manera gratuita (envíos a España).
planes formativos a medida
Diseñamos planes de formación adaptados a las
necesidades de empresas de diferentes sectores y a los diferentes perfiles
profesionales
de
los trabajadores.
materiales adicionales
Los alumnos podrán profundizar más en los temas que les interese gracias al material
adicional que el profesor le puede aportar.
amplio catálogo formativo
Contamos con más de 5000 cursos y masters para trabajadores de distintos sectores
profesionales y y bonificables hasta el 100%.
Centro de atención al estudiante
Nuestros asesores académicos atenderán al alumnado antes, durante y después de la
formación.
consultoría de recursos humanos
Ofrecemos este servicio a las empresas que deseen realizar un análisis de puestos de
trabajo
o del clima laboral, así como implantar modelos de gestión por competencias.
secretaría virtual
Todas las gestiones las podrás hacer vía online, no será necesario hacerlo
presencial.
INESEM en cifras
+150.000
alumnos
99%
de empleabilidad
+2.000
acuerdos con empresas
98%
de satisfacción
formando a profesionales en distintos ámbitos laborales
se han formado con nosotros
a tu disposición antes, durante y después de la formación
han colaborado con nosotros
personalizados y especializados en empresas de diferentes sectores
Actualizamos nuestros contenidos cada año
Hemos recibido más de 20.000 positivas
El 92% de nuestro alumnado repite
Universidades colaboradoras
