Curso Especialización en Inteligencia Artificial y Big Data
EXPERTO EN INTELIGENCIA ARTIFICIAL Y BIG DATA
Especialízate en la tecnología que está transformando el mundo
- FP Dual: Presencial con prácticas en empresa
- 600 horas
El Curso de Especialización en Inteligencia Artificial y Big Data está diseñado para titulados de Grado Superior que desean profundizar en el desarrollo de soluciones basadas en datos y algoritmos inteligentes.
A lo largo del programa se abordan modelos de Inteligencia Artificial, sistemas de aprendizaje automático y arquitecturas Big Data aplicadas a entornos reales.
La formación combina base técnica, programación avanzada y experiencia práctica en empresa, preparando profesionales capaces de diseñar, implementar y optimizar sistemas inteligentes orientados a la toma de decisiones y la innovación tecnológica.
- Duración: 600 horas
- Modalidad: Formación con periodo práctico en empresa.
- Acceso: Título de Técnico Superior en DAW, DAM, ASIR, Automatización y Robótica Industrial, Sistemas de Telecomunicaciones e Informáticos o Mecatrónica Industrial.
- Competencias: Modelos de IA, machine learning, programación aplicada a IA, arquitecturas Big Data y análisis avanzado de datos.
- Salidas profesionales:Desarrollador/a IA y Big Data, Data Scientist, Ingeniero/a de datos, Analista de datos o negocio, Arquitecto/a Big Data, Chief Data Officer, Emprendimiento tecnológico.
La formación que impulsa tu futuro
Materias:
Modelos de Inteligencia Artificial
Caracterización de sistemas de Inteligencia Artificial
– Fundamentos de los sistemas inteligentes.
– Campos de aplicaciones.
– Técnicas de la Inteligencia Artificial.
– Nuevas formas de interacción.
Utilización de modelos de Inteligencia Artificial
– Requisitos básicos de un sistema de resolución de problemas.
– Modelos de sistemas de Inteligencia Artificial:
- Automatización de tareas.
- Sistemas de razonamiento impreciso.
- Sistemas basados en reglas.
Procesamiento del Lenguaje Natural
– Potencial y limitaciones.
– Aplicaciones del procesamiento del lenguaje natural.
Análisis de sistemas robotizados
– Métodos y aplicaciones de la robótica.
– Modelado y control de robots.
– Programación de robots y aplicaciones.
– Diseño e implementación de sistemas robotizados.
Sistemas expertos
– Dinámica y estructuras elementales.
– Representación y simulación de comportamientos básicos.
– Estrategias de control.
– Aplicaciones y tendencias.
Aplicación de principios legales y éticos
– Deontología profesional.
– Privacidad de datos.
– Protección frente a errores.
– Principios éticos.
– Sesgos de género en IA y Big Data.
Sistemas de Aprendizaje Automático
Caracterización de la Inteligencia Artificial fuerte y débil
– Características, aplicaciones, ventajas e inconvenientes.
– Usos y posibilidades.
Determinación de sistemas de aprendizaje automático
– Clasificación: supervisado y no supervisado.
– Técnicas principales: redes neuronales, aprendizaje inductivo, razonamiento basado en casos.
– Algoritmos: clasificación, regresión, clustering, detección de anomalías, refuerzo, árboles de decisión.
– Procedimientos del Machine Learning.
– Herramientas y aplicaciones.
Algoritmos aplicados al aprendizaje supervisado
– Datos etiquetados.
– Variables de entrada y salida.
– Fases: selección de algoritmo, selección de datos, construcción, validación, ajuste, implementación y optimización del modelo.
Aplicación de aprendizaje no supervisado
– Técnicas y algoritmos (clustering, reducción de dimensión).
– Plataformas y fases.
Aplicación de redes neuronales
– Aprendizaje automático frente a aprendizaje profundo.
– Funcionamiento de una red neuronal.
– Redes neuronales convolucionales.
Valoración de resultados
– Capacidad de generalización.
– Test y validación.
– Matriz de confusión.
Programación de Inteligencia Artificial
Caracterización de lenguajes de programación
– Programa informático y etapas.
– Características de lenguajes para IA (bibliotecas, rendimiento, herramientas, soporte).
– Lenguajes utilizados en IA (Python, R, Java, Javascript, NodeJS, JSON, entre otros).
– Lenguajes de marcado.
Desarrollo de aplicaciones de IA
– Plataformas de IA (Azure, AWS, IBM Watson, Google Assistant, entre otras).
– Entornos de modelado: librerías, algoritmos, modelos predefinidos.
– Modelado de redes neuronales (TensorFlow).
– Generación de código inteligente.
Evaluación de la convergencia tecnológica
– Integración de voz, datos, sonido e imágenes.
– Blockchain, IoT y Cloud.
– Seguridad en la convergencia tecnológica.
Evaluación de modelos de automatización
– Estrategias corporativas y modelos de negocio.
– Gestión de activos y recursos.
– Modelos de automatización industrial y empresarial.
Sistemas de Big Data
Aplicación de técnicas de integración y análisis
– Matemática discreta, lógica algorítmica y complejidad computacional.
– Técnicas de extracción de información.
– Modelado y resolución de problemas.
– Análisis en tiempo real.
– Costes y calidad del proceso.
Configuración de cuadros de mando
– Técnicas de representación y estructuración de datos.
– Métricas.
– Modelos SEMMA y CRISP-DM.
– Interpretación y despliegue.
Gestión y almacenamiento de datos
– Sistemas de almacenamiento.
– Importación (Flume, Sqoop).
– Integración de datos.
– Programación en R y Python.
Visualización de datos
– Datos no estructurados.
– Clústeres distribuidos.
– Herramientas de visualización (Tableau, Power BI, Qlik, Pentaho, entre otras).
– Tendencias en visualización.
Big Data aplicado
Gestión de soluciones con sistemas de almacenamiento
– Almacenamiento masivo.
– Procesamiento de datos.
– Analítica en ecosistemas Big Data.
– Big Data y Cloud.
Gestión de sistemas de almacenamiento
– Computación distribuida y paralela.
– Sistemas distribuidos y tolerancia a fallos.
– Herramientas: MapReduce, Pig, Hive, Flume, Sqoop, Oozie.
Integridad de datos
– Calidad de los datos.
– Sistemas de ficheros distribuidos.
– Sumas de verificación.
– Movimiento y actualización de datos.
Monitorización y optimización
– Herramientas de monitorización.
– Análisis histórico.
– Monitorización de clústeres.
Validación en inteligencia de negocio
– Modelos de BI.
– Proceso KDD.
– Selección, limpieza, transformación y minería de datos.
– Implantación y validación de modelos BI.
Objetivos:
- IA aplicada a la empresa
- Análisis y explotación de datos
- Soluciones Big Data
- Automatización de procesos
- Modelos predictivos y toma de decisiones
- Herramientas y arquitecturas IA
- Protección y ética del dato
- Innovación y mejora continua
Ver objetivos específicos
- Caracterizar las interacciones en los negocios de las empresas y organizaciones para aplicar sistemas de
- Inteligencia Artificial que incrementen la productividad.
- Seleccionar datos relevantes de la empresa u organización para desarrollar e implementar soluciones que faciliten la toma de decisiones.
- Aplicar técnicas de tratamiento de datos para gestionar la transformación digital en las organizaciones.
- Caracterizar sistemas de Inteligencia Artificial para implantar funcionalidades, procesos y sistemas de decisiones.
- Interpretar planes de cambio y mejora de los procesos de las empresas y organizaciones para su gestión con Inteligencia Artificial.
- Caracterizar procesos de mejora de la productividad de las empresas para administrar el desarrollo de procesos automatizados.
- Aplicar herramientas de Inteligencia Artificial para optimizar el desarrollo de los procesos autónomos.
- Utilizar soluciones de Big Data para integrar sistemas de explotación de datos.
- Analizar y evaluar soluciones Big Data para su implantación en las funcionalidades, procesos y sistemas de decisiones.
- Determinar la documentación técnica y normativa vigente de los procedimientos de protección de datos para ejecutar el sistema de explotación de datos cumpliendo con los principios legales y éticos.
- Determinar la solución de Inteligencia Artificial y Big Data para configurar las herramientas y lenguajes específicos.
- Aplicar técnicas Big Data para gestionar los datos de la organización y obtener conocimiento a partir de ellos.
- Analizar y utilizar los recursos y oportunidades de aprendizaje relacionados con la evolución científica, tecnológica y organizativa del sector y las tecnologías de la información y la comunicación, para mantener el espíritu de actualización y adaptarse a nuevas situaciones laborales y personales.
- Desarrollar la creatividad y el espíritu de innovación para responder a los retos que se presentan en los procesos y en la organización del trabajo y de la vida personal.
- Evaluar situaciones de prevención de riesgos laborales y de protección ambiental, proponiendo y aplicando medidas de prevención personal y colectiva, de acuerdo con la normativa aplicable en los procesos de trabajo, para garantizar entornos seguros.
- Identificar y proponer las acciones profesionales necesarias para dar respuesta a la accesibilidad universal, al diseño para todas las personas, así como para evitar posibles sesgos de género en el desarrollo y aplicaciones de Inteligencia Artificial y Big Data.
- Identificar y aplicar parámetros de calidad en los trabajos y actividades realizados en el proceso de aprendizaje, para valorar la cultura de la evaluación y de la calidad y ser capaces de supervisar y mejorar procedimientos de gestión de calidad.
¿Aún lo dudas? Empieza hoy a crear tu futuro en el mundo digital
Preguntas Frecuentes
¿Quién puede acceder a este curso de especialización?
¿Cuánto dura el curso?
¿Es una formación práctica?
¿Qué tecnologías se trabajan?
Modelos de Inteligencia Artificial, aprendizaje automático, programación específica para IA y sistemas Big Data orientados al análisis y procesamiento masivo de datos.