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.
Bonificación
-
El ciclo es susceptible de bonificación a través de los Permisos Individuales para la Formación (PIF) en Fundae para trabajadores de empresas.
Para más información sobre la matriculación contacta con nuestro equipo de orientadores.
¿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.