Máster en Inteligencia Artificial

Este máster responde a la creciente demanda de profesionales que, disponiendo de un fondo técnico, trabajan o desean hacerlo en puestos con alta capacitación en el creciente ámbito de la inteligencia artificial. Se abordará la materia no solo desde un punto de vista técnico y metodológico si no también se aprenderá a incorporar esas técnicas y métodos a la realidad social y empresarial, creando procesos y soluciones innovadoras. De esta manera, las principales posiciones a las que se dirige este programa son las de Digital Transformation Consultant, Consultor Digital, Data Scientist, Digital Expert.

Titulación o Experiencia profesional equivalente

Perfiles TIC: informáticos, o ingenierías afines, o profesionales que hayan desarrollado su carrera en el desarrollo de software.
Perfiles cuantitativos: graduados en carreras con un componente cuantitativo fuerte, como estadística y matemáticas, que quieran ampliar sus competencias relacionadas con la analítica de datos.
Perfiles de negocio: graduados y profesionales en diferentes áreas de empresa y economía que quieran especializarse en la analítica del negocio, adquiriendo un background sólido en el manejo de lenguajes estadísticos y en la comprensión de la tecnología especialmente en cuanto a su aplicación técnica.

1. El proceso de aprendizaje automático, qué es y qué no es abordable utilizando inteligencia artificial.
2. Comprender los métodos y técnicas de Inteligencia Artificial existentes más relevantes y aplicarlas para desarrollar soluciones apropiadas a los diferentes tipos de problemas a los que se pueden enfrentaren el mundo empresarial.
3. Saber poner en producción las soluciones analíticas desarrollada, ofreciendo un producto end-to-end.
4. Poner en valor los resultados de los análisis transmitiéndolos de manera clara a los stakeholders.

Las herramientas del científico de datos:
Fundamentos de Python
Librerías para ciencia de datos: Numpy, Pandas, etc.
Procesamiento de datos y visualización con Python
Fundamentos de R
Paquetes de R
Procesamiento de datos y visualización con R

Impacto y valor del big data:
Introducción al mundo big data
Inteligencia de negocio vs. big data
Tecnologías big data
Impacto sobre la organización
Valor del dato y aplicaciones por sectores

Inteligencia artificial para la empresa:
Introducción a la inteligencia artificial
Técnicas y aplicaciones para la toma de decisiones
Aprendizaje por refuerzo y aplicaciones
Técnicas y aplicaciones del procesamiento del lenguaje natural (NLP)
Sistemas de recomendación y aplicaciones

Tecnologías y herramientas big data:
Hadoop y su ecosistema
Spark. Fundamentos y aplicaciones
Bases de datos NoSQL
Plataforma Cloud

El Big Data en la empresa:
Estándares de gestión de proyectos
Gestión ágil de proyectos
Aspectos regulatorios y éticos
Gobierno del dato

Aplicaciones por sectores. Masterclasses, estudio de casos y talleres prácticos:
E-commerce y marketing
Banca y finanzas
People analytics
Telecomunicaciones
Ciencia y salud
Industria 4.0, internet de las cosas (IoT), smart cities

Cloud,MLops, productivización de modelos. Introducción a process mining:
Process mining
Cloud
Productividad de modelos
MLOps

Series temporales y modelos prescritivos: Optimización. Modelos de grafos:
Optimización
Teoría de grafos
Series temporales

Deep learning aplicada: NLP y visión artificial:
Machine Learning aplicado al procesamiento del lenguaje natural (NLP)
Modelos avanzados de NLP. Enfoques con Deep Learning
Introducción a la visión artificial
Aplicación del Deep learning a la visión artificial

Trabajo de Fin de Máster (TFM)

CURSOS Python + R + Metodologías ágiles. Scrum

Software Engineer
Programador Inteligencia Artificial
Chief Technology Officer (CTO)
Chief Information Officer (CIO)
Digital Transformation Consultant
Big Data Analyst
Data Engineer
Consultor Digital
Data Scientist
Digital Expert