Executive Master en Ética e Inteligencia Artificial
Descargar DossierPrecio 1.995 €
Resumen del curso
Descripción
El avance imparable de la tecnología, la inteligencia artificial y los robots alumbra nuevas preguntas y cuestionamientos acerca del uso ético de las innovaciones. Este Master en Ética e Inteligencia Artificial es un compendio formativo que cubre disciplinas interrelacionadas como el procesamiento natural del lenguaje, el machine learning, el análisis de datos, el Big Data o inteligencia de datos y el proceso de toma de decisiones empresarial. En definitiva, este programa educativo online ofrece una visión profunda y exhaustiva del panorama actual de las diferentes facetas de la inteligencia artificial y la aplicación ética de esta en el procesamiento de datos y las máquinas que funcionan con IA.
Objetivos
- Poder desarrollar un proyecto de Big Data haciendo uso de las herramientas de Business Intelligence.
- Aplicar correctamente el lenguaje Python y React en analítica e inteligencia de datos.
- Visualizar los datos y elaborar informes utilizando herramientas especializadas como Tableau, Google Data Studio o ggplot2.
- Ser capaz de implementar algoritmos de aprendizaje automático y aplicar TensorFlow, Keras y Python en redes neuronales.
- Conocer la actualidad ética, política y jurídica de la moral de las máquinas e integrarla en la toma de decisiones empresariales.
¿Para qué te prepara?
Con este Executive Master en Ética e Inteligencia Artificial podrás comprender la situación actual de la inteligencia artificial y su aplicación en el ámbito empresarial y estratégico. A su vez, aprenderás a manejar herramientas de extracción, análisis y visualización de datos a un alto nivel. También conocerás ámbitos relacionados con la IA como la creación de chatbots o el data storytelling.
¿A quién va dirigido?
Este Executive Master en Ética e Inteligencia Artificial puede abarcar el área de interés de varios perfiles profesionales. Los analistas de datos, ingenieros, CMO, business strategists e incluso juristas especializados en el ámbito digital pueden beneficiarse de esta formación integral en IA. Conviene tener conocimientos en lenguajes de programación como Python o React.
Salidas profesionales
Este Executive Master en Ética e Inteligencia Artificial es perfecto para todos aquellos profesionales del ámbito jurídico, empresarial, informático o analítico que aspiren a especializarse en la floreciente inteligencia artificial. Sus posibles salidas laborales son ingeniero de inteligencia artificial, desarrollador de machine learning, data scientist y AI strategist.
Temario
MÓDULO 1. FUNDAMENTO DE ÉTICA EMPRESARIAL
UNIDAD DIDÁCTICA 1. LA ÉTICA EN EL CONTEXTO CORPORATIVO.
- Definición de ética.
- Normas.
- Principios éticos.
- Los códigos éticos.
UNIDAD DIDÁCTICA 2. EL PROCESO DE TOMA DE DECISIONES.
- La toma de decisiones.
- Tipos de decisiones.
- Criterios de decisión. Ambientes.
- Decisiones secuenciales. Árboles de decisión.
UNIDAD DIDÁCTICA 3. EL MÉTODO RACIONAL O DE OPTIMIZACIÓN EN LA TOMA DE DECISIONES.
- Introducción.
- Los métodos cuantitativos.
- Esquemas resumen.
UNIDAD DIDÁCTICA 4. LA IMPLEMENTACIÓN DE LAS DECISIONES.
- Procesos de la implementación.
- Evaluación.
- Resultados.
- Consecuencias de la no implementación.
MÓDULO 2. BIG DATA, BUSINESS INTELLIGENCE Y DATA SCIENCE
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
- ¿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)
UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA
- Diagnóstico inicial
- Diseño del proyecto
- Proceso de implementación
- Monitorización y control del proyecto
- Responsable y recursos disponibles
- Calendarización
- Alcance y valoración económica del proyecto
UNIDAD DIDÁCTICA 3. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
- 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
UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
- Cuadros de Mando Integrales (CMI)
- Sistemas de Soporte a la Decisión (DSS)
- Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 5. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
- 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
UNIDAD DIDÁCTICA 6. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
- Aproximación al concepto de DataMart
- Bases de datos OLTP
- Bases de Datos OLAP
- MOLAP, ROLAP & HOLAP
- Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 7. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
- Visión General: ¿Por qué DataWarehouse?
- Estructura y Construcción
- Fases de implantación
- Características
- Data Warehouse en la nube
UNIDAD DIDÁCTICA 8. STORYTELLING
- ¿Qué es el Data Storytelling?
- Elementos clave del Data Storytelling
- ¿Por qué es importante el Data Storytelling?
- ¿Cómo hacer Data Storytelling?
UNIDAD DIDÁCTICA 9. INTRODUCCIÓN A LA CIENCIA DE DATOS
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Computing
- Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 10. WEKA Y DATA MINING
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka
- Interfaces de Weka
- Selección de atributos
UNIDAD DIDÁCTICA 11. PYTHON Y EL ANÁLISIS DE DATOS
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python. Dream Team del Big Data
UNIDAD DIDÁCTICA 12. R COMO HERRAMIENTA PARA BIG DATA
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
UNIDAD DIDÁCTICA 13. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
UNIDAD DIDÁCTICA 14. ANÁLISIS DE LOS DATOS
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
MÓDULO 3. VISUALIZACIÓN DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
- ¿Qué es la visualización de datos?
- Importancia y herramientas de la visualización de datos
- Visualización de datos: Principios básicos
UNIDAD DIDÁCTICA 2. TABLEAU
- ¿Qué es Tableau? Usos y aplicaciones
- Tableau Server: Arquitectura y Componentes
- Instalación Tableau
- Espacio de trabajo y navegación
- Conexiones de datos en Tableau
- Tipos de filtros en Tableau
- Ordenación de datos, grupos, jerarquías y conjuntos
- Tablas y gráficos en Tableau
UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
- Fundamentos D3
- Instalación D3
- Funcionamiento D3
- SVG
- Tipos de datos en D3
- Diagrama de barras con D3
- Diagrama de dispersión con D3
UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO)
- Visualización de datos
- Tipologías de gráficos
- Fuentes de datos
- Creación de informes
UNIDAD DIDÁCTICA 5. QLIKVIEW
- Instalación y arquitectura
- Carga de datos
- Informes
- Transformación y modelo de datos
- Análisis de datos
UNIDAD DIDÁCTICA 6. POWER BI
- Introducción a Power BI
- Instalación de Power BI
- Modelado de datos
- Visualización de datos
- Dashboards
- Uso compartido de datos
UNIDAD DIDÁCTICA 7. CARTO
- CartoDB
- ¿Qué es CARTO?
- Carga y uso de datos. Tipos de análisis
- Programación de un visor con la librería CARTO.js
- Uso de ejemplos y ayudas de la documentación de la API
MÓDULO 4. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2
UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R
- Introducción a Gplot
- El paquete ggplot2
UNIDAD DIDÁCTICA 2. EJES
- Cambiar títulos de eje
- Aumentar el espacio entre ejes y títulos de ejes
- Cambiar la estética de los títulos de Axis
- Cambiar la estética del texto del eje
- Texto del eje de rotación
- Eliminar texto de eje y marcas
- Eliminar títulos de eje
- Límite del rango del eje
- Forzar el trazado para que comience en el origen
- Ejes con la misma escala
- Usar una función para modificar etiquetas
UNIDAD DIDÁCTICA 3. TÍTULOS
- Añade un título
- Ajustar la posición de los títulos
- Use una fuente no tradicional en su título
- Cambiar espaciado en texto de varias líneas
UNIDAD DIDÁCTICA 4. LEYENDAS
- Trabajando con leyendas
- Apaga la leyenda
- Eliminar títulos de leyenda
- Cambiar la posición de la leyenda
- Cambiar la dirección de la leyenda
- Cambiar el estilo del título de la leyenda
- Cambiar título de leyenda
- Cambiar el orden de las claves de leyenda
- Cambiar etiquetas de leyenda
- Cambiar cuadros de fondo en la leyenda
- Cambiar el tamaño de los símbolos de leyenda
- Dejar una capa fuera de la leyenda
- Adición manual de elementos de leyenda
- Usar otros estilos de leyenda
UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA
- Cambiar el color de fondo del panel
- Cambiar líneas de cuadrícula
- Cambiar el espaciado de las líneas de cuadrícula
- Cambiar el color de fondo de la trama
UNIDAD DIDÁCTICA 6. MÁRGENES
- Trabajar con márgenes
UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES
- Trabajar con gráficos de paneles múltiples
- Crear múltiplos pequeños basados en una variable
- Permitir que los ejes deambulen libremente
- Uso facet_wrapcon dos variables
- Modificar el estilo de los textos de la tira
- Crear un panel de diferentes parcelas
UNIDAD DIDÁCTICA 8. COLORES
- Trabajar con colores
- Especificar colores individuales
- Asignar colores a las variables
- Variables Cualitativas
- Seleccionar manualmente colores cualitativos
- Utilice paletas de colores cualitativas integradas
- Use paletas de colores cualitativos de paquetes de extensión
- Variables Cuantitativas
- La paleta de colores Viridis
- Usar paletas de colores cuantitativas de paquetes de extensión
- Modificar paletas de colores después
UNIDAD DIDÁCTICA 9. TEMAS
- Cambiar el estilo de trazado general
- Cambiar la fuente de todos los elementos de texto
- Cambiar el tamaño de todos los elementos de texto
- Cambiar el tamaño de todos los elementos de línea y rectángulo
- Crea tu propio tema
- Actualizar el tema actual
UNIDAD DIDÁCTICA 10. LÍNEAS
- Agregar líneas horizontales o verticales a un gráfico
- Agregar una línea dentro de un gráfico
- Agregar líneas curvas y flechas a un gráfico
UNIDAD DIDÁCTICA 11. TEXTO
- Agregue etiquetas
- Agregar anotaciones de texto
- Use Markdown y HTML Rendering para anotaciones
UNIDAD DIDÁCTICA 12. COORDENADAS
- Voltear una parcela
- arreglar un eje
- Invertir un eje
- Transformar un eje
- Circularizar una parcela
UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS
- Alternativas a un diagrama de caja
- Crear una representación de alfombra en un gráfico
- Crear una matriz de correlación
- Crear un gráfico de contorno
- Crear un mapa de calor
- Crear un diagrama de cresta
UNIDAD DIDÁCTICA 14. CINTAS
- Trabajar con cintas (AUC, CI, etc.)
UNIDAD DIDÁCTICA 15. SUAVIZADOS
- Predeterminado: agregar un suavizado LOESS o GAM
UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS
- Trabajar con gráficos interactivos
MÓDULO 5. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
- Introducción a la inteligencia artificial
- Historia
- La importancia de la IA
UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
- Tipos de inteligencia artificial
UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
- Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
- 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
UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
- 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
UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
- Futuro de la inteligencia artificial
- Impacto de la IA en la industria
- El impacto económico y social global de la IA y su futuro
MÓDULO 6. MACHINE LEARNING Y DEEP LEARNING
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING
- 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
UNIDAD DIDÁCTICA 2. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
- Introducción
- Algoritmos
UNIDAD DIDÁCTICA 3. SISTEMAS DE RECOMENDACIÓN
- Introducción
- Filtrado colaborativo
- Clusterización
- Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 4. CLASIFICACIÓN
- Clasificadores
- Algoritmos
UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING
- Componentes
- Aprendizaje
UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
UNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
- Aprendizaje profundo
- Entorno de Deep Learning con Python
- Aprendizaje automático y profundo
UNIDAD DIDÁCTICA 8. SISTEMAS NEURONALES
- Redes neuronales
- Redes profundas y redes poco profundas
UNIDAD DIDÁCTICA 9. REDES DE UNA SOLA CAPA
- Perceptrón de una capa y multicapa
- Ejemplo de perceptrón
UNIDAD DIDÁCTICA 10. REDES MULTICAPA
- Tipos de redes profundas
- Trabajar con TensorFlow y Python
UNIDAD DIDÁCTICA 11. ESTRATEGIAS DE APRENDIZAJE
- 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
MÓDULO 7. INTELIGENCIA ARTIFICIAL Y ÉTICA
UNIDAD DIDÁCTICA 1. INTELIGENCIA ARTIFICIAL Y FUNDAMENTOS ÉTICOS
- Ética normativa y ética aplicada
- Historia y caracteres de la ética de la inteligencia artificial
- Ética realista y ética ficción
- Inteligencia artificial como objeto y sujeto
- Singularidad tecnológica y futuro de la especie humana
- Machine ethics. Nuevos entes autónomos y estatus moral
- Controversias éticas de la aplicación de la inteligencia artificial
- Bioética e inteligencia artificial
- Democracia e inteligencia artificial
UNIDAD DIDÁCTICA 2. ÉTICA DE GOBERNANZA E INTELIGENCIA ARTIFICIAL
- Gobernanza como sistema de prevención y control de riesgos en la inteligencia artificial
- Papel de la UE en la gobernanza de la inteligencia artificial
- Evaluaciones de impacto social, ético y legal de inteligencia artificial de alto riesgo
- Elaboración de un plan de gobernanza
UNIDAD DIDÁCTICA 3. INTELIGENCIA ARTIFICIAL CONFIABLE. EXPLICABILIDAD Y SESGO
- Principios de la inteligencia artificial responsable
- Aspectos de diseño éticos para Machine Learning
- Inteligencia artificial explicable (XAI). Hacia la IA responsable
- Imparcialidad de Datos (Fairness). Control del sesgo en los modelos
- Escenarios con modelos de IA de alto riesgo
- Auditabilidad en los sistemas de inteligencia artificial
- Sandbox normativo piloto del futuro reglamentario de IA en España
- Transparencia en modelos de Machine Learning
- Análisis de herramientas software para medir la imparcialidad
UNIDAD DIDÁCTICA 4. ÉTICA DE LA INTELIGENCIA ARTIFICIAL
- Metodología de la ética en la inteligencia artificial
- Agentes artificiales morales
- Moralidad artificial desde un enfoque funcionalista
- Objeciones acerca de agencias morales artificiales
- Responsabilidad y Derechos de los robots
UNIDAD DIDÁCTICA 5. FILOSOFÍA POLÍTICA DE LA INTELIGENCIA ARTIFICIAL
- Introducción a la filosofía política de la inteligencia artificial
- Empleo e inteligencia artificial
- Relaciones humanas e inteligencia artificial
- Funciones de los Estados e inteligencia artificial
- Educación e inteligencia artificial
- Salud e inteligencia artificial
- Movilidad e inteligencia artificial
- Articulación entre ética y política sobre la inteligencia artificial
- Globalización e inteligencia artificial
UNIDAD DIDÁCTICA 6. INTELIGENCIA ARTIFICIAL, SOSTENIBILIDAD Y ÉTICA MEDIOAMBIENTAL
- Digitalización al servicio de los Objetivos de Desarrollo Sostenible (ODS)
- Estrategia Europea de transición hacia una economía sostenible
- Cambio climático global
- Mejora de eficiencia en procesos organizativos con IA.
- Mejora de eficiencia en prácticas individuales con IA.
- Ética ambiental e inteligencia artificial
UNIDAD DIDÁCTICA 7. ÉTICA DE LA GUERRA E INTELIGENCIA ARTIFICIAL
- Armas autónomas
- Intervenciones militares teledirigidas
- Ética de la guerra
UNIDAD DIDÁCTICA 8. TECNOLOGÍA, ÉTICA Y DERECHO DE LA REALIDAD VIRTUAL
- El metaverso
- Gemelos digitales humanos
- Creación de universos paralelos en 3D
UNIDAD DIDÁCTICA 9. ÉTICA DE LA INTELIGENCIA ARTIFICIAL INTERACTIVA Y ROBÓTICA SOCIAL
- Sistemas autónomos en el ámbito laboral
- Inteligencia artificial para la mejora de calidad de vida en ciudades. Mejora del impacto medioambiental
- Combinación de smart cities, internet de las cosas y big data
- Inteligencia artificial y cuidado personal y sexual
- Análisis ético de la incorporación de la robótica en la vida humana
UNIDAD DIDÁCTICA 10. INTELIGENCIA ARTIFICIAL, MEJORA HUMANA Y TRANSHUMANISMO
- Inteligencia artificial para restaurar funciones físicas y cognitivas deterioradas
- Optimizar las capacidades humanas con inteligencia artificial
- Debate académico sobre transhumanismo y poshumanismo
MÓDULO 8. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN
- ¿Qué es PLN?
- ¿Qué incluye el PLN?
- Ejemplos de uso de PLN
- Futuro del PLN
UNIDAD DIDÁCTICA 2. PLN EN PYTHON
- PLN en Python con la librería NLTK
- Otras herramientas para PLN
UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN
- Principios del análisis sintáctico
- Gramática libre de contexto
- Analizadores sintácticos (Parsers)
UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN
- Aspectos introductorios del análisis semántico
- Lenguaje semántico para PLN
- Análisis pragmático
UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN
- Aspectos introductorios
- Pasos en la extracción de información
- Ejemplo PLN
- Ejemplo PLN con entrada de texto en inglés
UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT?
- Aspectos introductorios
- ¿Qué es un chatbot?
- ¿Cómo funciona un chatbot?
- VoiceBots
- Desafios para los Chatbots
UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS
- Chatbots y el papel de la Inteligencia Artificial (IA)
- Usos y beneficios de los chatbots
- Diferencia entre bots, chatbots e IA
UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS
- Áreas de aplicación de Chatbots
- Desarrollo de un chatbot con ChatterBot y Python
- Desarrollo de un chatbot para Facebook Messenger con Chatfuel
MÓDULO 9. CIENCIAS DEL COMPORTAMIENTO, BIG DATA, INTELIGENCIA ARTIFICIAL E INTERNET OF BEHAVIORS (IOB)
UNIDAD DIDÁCTICA 1. MARKETING, MERCHANDISING Y PUBLICIDAD EN IOB
- Internet of Behavior
UNIDAD DIDÁCTICA 2. CIENCIAS COGNITIVAS DEL COMPORTAMIENTO
- Ciencia cognitiva
UNIDAD DIDÁCTICA 3. NEUROPSICOLOGÍA Y CÓMO CAPTAR LA ATENCIÓN DE UN USUARIO
- Neuropsicología
UNIDAD DIDÁCTICA 4. PRODUCTOS Y CONTENIDOS PERSONALIZADOS GRACIAS AL INTERNET OF BEHAVIORS (IOB)
- Personalización IOB
UNIDAD DIDÁCTICA 5. VISIÓN POR COMPUTADORA Y ANÁLISIS FACIAL
- La visión Artificial
UNIDAD DIDÁCTICA 6. PROCESAMIENTO AUTOMÁTICO DE IDIOMAS
- Procesamiento del lenguaje natural
UNIDAD DIDÁCTICA 7. ANÁLISIS DE COMPORTAMIENTO Y SEGURIDAD OPERACIONAL
- Análisis de comportamiento
UNIDAD DIDÁCTICA 8. DEL BIG DATA AL ANÁLISIS DE SENTIMIENTOS
- Análisis de opinión
MÓDULO 10. VISIÓN ARTIFICIAL EN INDUSTRIA 4.0 CON PYTHON Y OPENCV
UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES
- La visión artificial: definiciones y aspectos principales
UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL
- Ópticas
- Iluminación
- Cámaras
- Sistemas 3D
- Sensores
- Equipos compactos
- Metodologías para la selección del hardware
UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL
- Algoritmos
- Software
- Segmentación e interpretación de imágenes
- Metodologías para la selección del software
UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0
- Aplicaciones clásicas: discriminación, detección de fallos…
- Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV
- Descripción general OpenCV
- Instalación OpenCV para Python en Windows
- Instalación OpenCV para Python en Linux
- Anaconda y OpenCV
UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS
- 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
UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES
- 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 imágen
UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING
- Analizar imágenes usando histogramas
- Ecualización de histogramas
- Template matching
- Detección de campos en documentos usando Template matching
UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR
- 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
UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS
- Detección de líneas
- Detección de círculos
- Detectar esquinas (Método Shi-Tomasi)
- Detectar esquinas (método Harris)
- Encontrar círculos y elipses
- Detección de caras y sonrisas
UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO
- Vecino más cercano (K-Nearest Neighbour)
- Agrupamiento de K-medias (K-Means Clustering)
MÓDULO 11. PROYECTO FIN DE MÁSTER
Descubre cuánto puede invertir tu empresa en formación sin coste
Como cliente o asociado de AFT, puedes solicitar información personalizada sobre tu crédito Fundae y la formación disponible para tu equipo.