Máster en Inteligencia Artificial

¡Impulsa tu carrera con nuestro Máster en Inteligencia Artificial! Participa en clases online en directo, accede a prácticas en empresas líderes y sumérgete en las últimas tecnologías del mercado. Conviértete en un profesional altamente demandado y abre las puertas a un sinfín de oportunidades laborales. ¡Inscríbete hoy y da el primer paso hacia un futuro brillante!

Dominar herramientas, lenguajes de programación (como Python) y técnicas algorítmicas que te permitirán desarrollar y liderar proyectos de Inteligencia Artificial. Estas herramientas están a la vanguardia de la tecnología y son líderes de mercado utilizándose diariamente en empresas nacionales e internacionales.
Entender y saber aplicar los algoritmos de Inteligencia Artificial más utilizados en la industria, así como tener la capacidad de poder adaptarlos y modificarlos para afrontar problemas complejos del mundo real.
Poder integrarte trabajando en proyectos empresariales que impliquen técnicas de Inteligencia Artificial, Big Data y computación en la nube.
Conocer todas las claves para la puesta en producción soluciones de inteligencia artificial, como el manejo de sistemas GNU/Linux y la Cloud.
Conocer funcionamiento y uso de las Bases de Datos NoSQL (como mongoDB), sistemas de procesamiento de datos a gran escala (como Hadoop y Spark)

Módulo 1: Introducción a los sistemas Informáticos y tecnologías Big Data (6 sesiones)
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…

Módulo 2: Fundamentos de Programación en Python (12 sesiones)
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

Módulo 3: Análisis de Datos con Python (5 sesiones)
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

Módulo 4: Introducción al Machine Learning (2 sesiones)
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.

Módulo 4.1: Introducción a la IA Generativa (3 sesiones)
¿Como aprovechar los recientes avances en IA generativa? Panorama actual de tecnologías más relevantes por campo:
Texto: ChatGPT, Bard, LLaMA…
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.

Módulo 5: Bases de Datos Big Data (5 sesiones)
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)

Módulo 6: Procesamiento Distribuido (4 sesiones)
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

Módulo 7: Algoritmos de Machine Learning y su implementación (9 sesiones)
¿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…)

Módulo 7: Deep Learning (Opcional) (11 sesiones)
[Si se realiza proporciona al alumno un título extra en Deep Learning]
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…

Módulo 8: Procesamiento de Lenguaje Natural (Opcional) (5 sesiones)
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…


Módulo10: TFM (Opcional) (3 meses)
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

Ingeniero de Software y programador de Inteligencia Artificial en proyectos de ingeniería y consultoría
Científico de Datos
Analista de Datos
Especialista Ingeniero de Datos
Especialista en Machine Learning

Además, gracias nuestra formación en Python podrás optar a más empleos
Seguridad Informática
Desarrollador de Software
Desarrollor Web