Máster en Inteligencia Artificial Generativa e Inbound Marketing
Descargar DossierPrecio 1.995 €
Resumen del curso
Descripción
La convergencia de la Inteligencia Artificial (IA) y el Inbound Marketing representa una oportunidad única para transformar las estrategias comerciales y de comunicación. La complejidad cada vez mayor de los mercados, la evolución constante de los algoritmos de búsqueda y la demanda de experiencias personalizadas han impulsado la necesidad de formarse en este nuevo paradigma.
La integración de la IA y el Inbound Marketing abre nuevos caminos en la mejora de la experiencia del usuario y en la toma de decisiones. Gracias a este Master en Inteligencia Artificial Generativa e Inbound Marketing podrás analizar grandes volúmenes de datos, identificar patrones, anticipar tendencias y personalizar mensajes y contenido en tiempo real, optimizando la interacción y la conversión.
Objetivos
- Comprender los fundamentos éticos de la Inteligencia Artificial y su aplicabilidad en Inbound Marketing.
- Analizar la gobernanza, confiabilidad y sesgo en IA, y su impacto en estrategias de marketing.
- Dominar la creación de contenido atractivo, optimización SEO y generación de leads con IA.
- Diseñar estrategias de Inbound Marketing centradas en redes sociales y experiencia de usuario.
- Aplicar técnicas de PLN y desarrollar chatbots avanzados para interacción y atención al cliente.
- Integrar IA y chatbots en sitios web y aplicaciones, considerando ética y privacidad.
- Evaluar casos de uso y oportunidades de mercado para IA y marketing digital
¿Para qué te prepara?
Este Master en Inteligencia Artificial Generativa e Inbound Marketing te prepara para dominar la Inteligencia Artificial aplicada al marketing, creando estrategias éticas y avanzadas de Inbound Marketing. Aprenderás a diseñar chatbots, implementar PLN, mejorar la experiencia de usuario y abordar desafíos éticos. Te capacita para liderar en entornos digitales complejos y dinámicos creando automatismos en el campo del marketing mediante IA
¿A quién va dirigido?
Este Master en Inteligencia Artificial Generativa e Inbound Marketing está diseñado para profesionales del marketing, ingenieros, emprendedores y graduados interesados en fusionar habilidades en Inteligencia Artificial y estrategias de Inbound Marketing. Ideal para aquellos que buscan liderar el panorama digital, desarrollar campañas efectivas y comprender la ética de la IA.
Salidas profesionales
Gracias a este Master en Inteligencia Artificial Generativa e Inbound Marketing podrás trabajar como Especialista en Marketing Digital, Consultor de Inteligencia Artificial, Diseñador de Experiencia de Usuario, Desarrollador de Chatbots y Analista de Datos. También puedes asumir roles de liderazgo en departamentos de marketing, innovación y tecnología
Temario
MÓDULO 1. INNOVACIÓN TECNOLÓGICA Y TRANSFORMACIÓN DIGITAL
UNIDAD DIDÁCTICA 1. INNOVACIÓN TECNOLÓGICA
- Conceptualización de la innovación tecnológica
- Competencias básicas de la innovación tecnológica
- Competitividad e innovación
- El proceso de innovación tecnológica
UNIDAD DIDÁCTICA 2. DESARROLLO DE ESTRATEGIAS DE INNOVACIÓN
- Características del entorno ante el cambio tecnológico
- Definición de estrategia tecnológica
- Objetivo de una estrategia tecnológica
- Tipos de estrategias tecnológicas
- Gestión de la tecnología. Planes tecnológicos
UNIDAD DIDÁCTICA 3. COOPERACIÓN TECNOLÓGICA
- La cooperación tecnológica entre organizaciones
- Modalidades de cooperación
- Fusiones, adquisiciones y conglomerados
- Alianzas estratégicas tecnológicas
UNIDAD DIDÁCTICA 4. VIGILANCIA TECNOLÓGICA E INTELIGENCIA
- Vigilancia del entorno empresarial
- Sistemas de vigilancia tecnológica
- Herramientas básicas para la vigilancia tecnológica
- Inteligencia competitiva
UNIDAD DIDÁCTICA 5. PROYECTOS DE INNOVACIÓN TECNOLÓGICA
- Conceptos básicos de proyectos de innovación
- Herramientas para la gestión de proyectos
- Ciclo de vida de un proyecto de innovación
- Organización del proyecto
- Dirección del proyecto
- Evaluación del proyecto
UNIDAD DIDÁCTICA 6. INTRODUCCIÓN AL LA TRANSFORMACIÓN DIGITAL
- Introducción a la transformación digital
- Concepto de innovación
- Concepto de tecnología
- Tipología de la tecnología
- Punto de vista de la ventaja competitiva
- Según su disposición en la empresa
- Desde el punto de vista de un proyecto
- Otros tipos de tecnología
- La innovación tecnológica
- Competencias básicas de la innovación tecnológica
- El proceso de innovación tecnológica
- Herramientas para innovar
- Competitividad e innovación
UNIDAD DIDÁCTICA 7. NUEVO ECOSISTEMA DIGITAL
- Community Manager
- Chief Data Officer
- Data Protection Officer
- Data Scientist
- Otros perfiles
- Desarrollo de competencias informáticas
- El Papel del CEO como líder en la transformación
UNIDAD DIDÁCTICA 8. EL NUEVO CLIENTE DIGITAL
- Rediseñando el customer experience
- La transformación de los canales de distribución: omnicanalidad
- Plan de marketing digital
- Buyer´s Journey
- Growth Hacking: estrategia de crecimiento
- El nuevo rol del marketing en el funnel de conversión
UNIDAD DIDÁCTICA 9. NUEVOS MERCADOS, NUEVAS OPORTUNIDADES
- Oportunidades de innovación derivadas de la globalización
- Como Inventar Mercados a través de la Innovación
- Etapas de desarrollo y ciclos de vida
- Incorporación al mercado
- Metodologías de desarrollo
UNIDAD DIDÁCTICA 10. PLAN DE TRANSFORMACIÓN DIGITAL
- Diagnóstico de la madurez digital de la empresa
- Análisis de la innovación en la empresa
- Elaboración del roadmap
- Provisión de financiación y recursos tecnológicos
- Implementación del plan de transformación digital
- Seguimiento del plan de transformación digital
MÓDULO 2. VENTAS Y MARKETING
UNIDAD DIDÁCTICA 1. ANÁLISIS DEL MERCADO Y LA CARTERA DE CLIENTES
- Introducción al mercado
- División del mercado
- Ley de oferta y demanda
- Estudios de mercado
- Ámbitos de aplicación del estudio de mercados
- Objetivos de la investigación de mercados
- Tipos de diseño de la investigación de los mercados
- Cartera de clientes
UNIDAD DIDÁCTICA 2. ESTRATEGIAS DE MARKETING EN EMPRESAS
- Planificación y marketing
- Determinación de la cartera de productos
- Gestión estratégica de precios
- Canales de comercialización
- Comunicación e imagen de negocio
- Estrategias de fidelización y gestión de clientes
UNIDAD DIDÁCTICA 3. EL PLAN DE MARKETING DIGITAL
- El plan de marketing digital
- Análisis de la competencia
- Análisis de la demanda
- DAFO, la situación actual
- Objetivos y estrategias del plan de marketing digital
- Estrategias básicas: segmentación, posicionamiento, competitiva y de crecimiento
- Posicionamiento e imagen de marca
- Captación y fidelización de usuarios
- Integración del plan de marketing digital en la estrategia de marketing en la empresa
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN AL INBOUND MARKETING
- ¿Qué es el Inbound Marketing?
- Marketing de Contenidos
- Marketing viral
- Video Marketing
- Reputación online
UNIDAD DIDÁCTICA 5. TÉCNICAS DE NEUROMARKETING MIX Y NEUROVENTAS
- Las 4 Ps en el neuromarketing
- Fundamentos y metodología de la neuroventa
- La neurocomunicación en la venta
- Estrategias producto servicio
- Packaging y neuromarketing
- Factor precio en neuromarketing
UNIDAD DIDÁCTICA 6. PLAN DE VENTAS
- Previsión y utilidad
- Análisis geográfico de la zona de ventas
- Marcar objetivos
- Diferencia entre objetivos y previsiones
- Cuotas de actividad
- Cuotas de participación
- Cuotas económicas y financieras
- Estacionalidad
- El plan de ventas
UNIDAD DIDÁCTICA 7. TIPOLOGÍA DE VENTAS
- Venta directa
- Venta a distancia
- Venta multinivel
- Venta personal
- Otros tipos de venta
UNIDAD DIDÁCTICA 8. POLÍTICA DE FIJACIÓN DE PRECIOS
- Análisis de la sensibilidad del precio
- Discriminación de precios
- Estrategias de precio
- Políticas de descuento
UNIDAD DIDÁCTICA 9. EXPERIENCE CUSTOMER
- Cómo monitorizar la experiencia del cliente
- Métricas de satisfacción y experiencia del cliente
- Generando valor añadido a cada cliente
- Neuromarketing
UNIDAD DIDÁCTICA 10. CRM
- Contextualización
- Fases del proceso de un CRM
- Beneficios y ventajas
- Implementación
- ¿Está preparada tu empresa?
- Errores más frecuentes
- CRM para solucionar problemas de la empresa
MÓDULO 3. BIG DATA & BUSINESS INTELLIGENCE FUNDAMENTALS
UNIDAD DIDÁCTICA 1.LA REVOLUCIÓN DE LOS DATOS MASIVOS: BIG DATA Y THICK DATA
- ¿Qué es Big Data?
- ¿Y Thick Data? ¿Cuál es el matiz para diferenciar ambos términos?
- El gran auge del big data
- La importancia de almacenar y extraer información
- ¿Cual es el papel de las fuentes de datos?
- Soluciones novedosas gracias a la selección de datos
- Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 2. TOMA DE DECISIONES INTELIGENTES
- Thick Data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
- Fases en un proyecto de Big Data
- Big Data enfocado a los negocios
- Apoyo del Big Data en el proceso de toma de decisiones
- Toma de decisiones operativas
UNIDAD DIDÁCTICA 3. CÓMO HACER CRECER UN NEGOCIO A TRAVÉS DEL BIG DATA Y SUS APLICACIONES
- Marketing estratégico y Big Data
- Open data
- Ejemplo de uso de Open Data
- IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 4.BIG DATA EN DIFERENTES SECTORES
- Relación entre inteligencia artificial y big data
- IA y Big Data combinados
- El papel del Big Data en IA
- Big Data en salud
- Necesidad de Big Data en la asistencia sanitaria
- Retos del big data en salud
- Big Data y People Analytics en RRHH
UNIDAD DIDÁCTICA 5. 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 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
- Cuadros de Mando Integrales (CMI)
- Sistemas de Soporte a la Decisión (DSS)
- Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 7. 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 8. 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 9. 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 10. INTERNET DE LAS COSAS
- Contexto Internet de las Cosas (IoT)
- ¿Qué es IoT?
- Elementos que componen el ecosistema IoT
- Arquitectura IoT
- Dispositivos y elementos empleados
- Ejemplos de uso
- Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 11. STORYTELLING
- ¿Qué es el Data Storytelling?
- Elementos clave del Data Storytelling
- ¿Por qué es importante el Data Storytelling?
- ¿Cómo hacer Data Storytelling?
UNIDAD DIDÁCTICA 12. ECOSISTEMA HADOOP
- ¿Qué es Hadoop? Relación con Big Data
- Instalación y configuración de insfraestructura y ecosistema Hadoop
- Sistema de archivos HDFS
- MapReduce con Hadoop
- Apache Hive
- Apache Hue
- Apache Spark
MÓDULO 4. INTELIGENCIA ARTIFICIAL, MACHINE LEARNING Y DEEP LEARNING
UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
- Concepto, evolución y aplicaciones de la inteligencia artificial
- Principales enfoques de la IA: simbólica, conexionista y basada en datos
- Sistemas expertos y evolución hacia la IA moderna
- Tipos y capacidades de los sistemas de inteligencia artificial
- IA generativa y nuevos paradigmas de inteligencia artificial
- Aplicaciones, oportunidades y limitaciones de la IA
UNIDAD DIDÁCTICA 2. DATOS Y APRENDIZAJE AUTOMÁTICO
- Fundamentos del machine learning
- Aprendizaje supervisado, no supervisado y por refuerzo
- Datos de entrenamiento, validación y prueba
- Preparación y transformación de datos
- Selección y construcción de variables (features)
- Algoritmos de aprendizaje automático y criterios de selección
UNIDAD DIDÁCTICA 3. ALGORITMOS DE APRENDIZAJE SUPERVISADO
- Regresión y predicción
- Clasificación y principales algoritmos
- Árboles de decisión y métodos ensemble
- Máquinas de vectores soporte (SVM)
UNIDAD DIDÁCTICA 4. ALGORITMOS DE APRENDIZAJE NO SUPERVISADO
- Clustering: K-means, jerárquico y DBSCAN
- Reducción de dimensionalidad: PCA y t-SNE
- Detección de anomalías
UNIDAD DIDÁCTICA 5. APRENDIZAJE POR REFUERZO
- Fundamentos del aprendizaje por refuerzo: agente, entorno, recompensa y política
- Métodos de aprendizaje por refuerzo: de Q-learning a los métodos basados en política
- Exploración frente a explotación y principales retos del aprendizaje por refuerzo
- Aplicaciones del aprendizaje por refuerzo: juegos, robótica y sistemas de recomendación
UNIDAD DIDÁCTICA 6. EVALUACIÓN Y DESARROLLO DE MODELOS DE MACHINE LEARNING
- Entrenamiento y evaluación de modelos
- Métricas de evaluación y selección según el problema
- Validación cruzada y partición de los datos
- Sobreajuste, infraajuste y regularización
- Optimización e hiperparámetros
- Interpretación y comparación de modelos
UNIDAD DIDÁCTICA 7. REDES NEURONALES Y DEEP LEARNING
- Fundamentos de las redes neuronales artificiales
- Perceptrón y redes neuronales multicapa
- Funciones de activación y arquitectura de una red
- Entrenamiento, descenso de gradiente y retropropagación
- Sobreajuste y técnicas de regularización en redes profundas
- Fundamentos y aplicaciones del deep learning
UNIDAD DIDÁCTICA 8. ARQUITECTURAS DE REDES NEURONALES PROFUNDAS
- Redes neuronales convolucionales (CNN)
- Redes recurrentes y modelos para datos secuenciales (RNN y LSTM)
- Transformers frente a las arquitecturas secuenciales anteriores
- Arquitecturas generativas: autoencoders y redes generativas antagónicas (GAN)
UNIDAD DIDÁCTICA 9. APLICACIONES Y TRANSFERENCIA DE APRENDIZAJE EN DEEP LEARNING
- Aplicaciones del deep learning en visión artificial
- Aplicaciones del deep learning en procesamiento del lenguaje natural
- Transferencia de aprendizaje y modelos preentrenados
UNIDAD DIDÁCTICA 10. APLICACIÓN, IMPACTO Y USO RESPONSABLE DE LA IA
- Sistemas de recomendación y soporte a la decisión
- Casos de uso de IA en diferentes sectores
- Sesgos, explicabilidad y transparencia
- Privacidad, seguridad, ética y gobernanza de la IA
- Impacto económico y social de la inteligencia artificial
MÓDULO 5. 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 6. INBOUND MARKETING E INTELIGENCIA ARTIFICIAL (IA)
UNIDAD DIDÁCTICA 1. INBOUND MARKETING FUNDAMENTALS
UNIDAD DIDÁCTICA 2. CUSTOMER JOURNEY Y BUYER PERSONA
- Introducción al customer journey
- Fases de la experiencia de cliente
- Propuestas de mejora
- Herramientas para crear un Customer Journey
- Tendencias
- Introducción al Buyer persona
- Cómo crear tu Buyer Persona
- Herramientas
UNIDAD DIDÁCTICA 3. CREACIÓN DE CONTENIDO ATRACTIVO
UNIDAD DIDÁCTICA 4. SEO Y OPTIMIZACIÓN DE MOTORES DE BÚSQUEDA
UNIDAD DIDÁCTICA 5. GENERACIÓN DE LEADS Y ESTRATEGIAS DE CAPTACIÓN
UNIDAD DIDÁCTICA 6. SOCIAL MEDIA Y PARTICIPACIÓN EN REDES SOCIALES
UNIDAD DIDÁCTICA 7. EXPERIENCIA DE USUARIO -UX
- Definición de Experiencia de Usuario
- Principios de la Experiencia de Usuario
- El papel del diseñador UX en el proceso de creación
- Etapas del diseño UX
- Técnicas para el diseño UX
- Herramientas UX
UNIDAD DIDÁCTICA 8. APLICACIONES DE LA I.A. EN EL MARKETING DIGITAL
- Desarrollo y aplicación de soluciones de I.A. en la gestión de contenidos digitales:
- Identificación de herramientas comunicativas y asistenciales en el marketing digital:
- Análisis del comportamiento del usuario on-line en el ámbito e-commerce:
UNIDAD DIDÁCTICA 9. IA Y AUTOMATIZACIÓN DEL MARKETING
- Análisis de la disciplina estratégica Customer Experience:
- Generalización de la metodología de marketing digital Funnel de conversión:
- Implantación de la I.A. en una estrategia de Marketing de Automatización integral:
- Demostración en la plataforma eCommerce Wordpress
UNIDAD DIDÁCTICA 10. ESTRATEGIAS DE CONTENIDO AVANZADAS
UNIDAD DIDÁCTICA 11. OPTIMIZACIÓN Y ADAPTACIÓN CONTINUA
MÓDULO 7. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. FUNDAMENTOS DEL PROCESAMIENTO DEL LENGUAJE NATURAL
- Concepto, evolución y aplicaciones del PLN
- Principales tareas del procesamiento del lenguaje
- Del PLN basado en reglas a los modelos basados en aprendizaje automático
- Representación del lenguaje: tokens, vectores y embeddings
- PLN multilingüe y retos del lenguaje natural
- Aplicaciones actuales del PLN
UNIDAD DIDÁCTICA 2. MODELOS DE LENGUAJE Y TRANSFORMERS
- Concepto y evolución de los modelos de lenguaje
- De las redes neuronales recurrentes a los Transformers en el procesamiento del lenguaje
- Modelos preentrenados y modelos fundacionales de PLN: BERT, GPT y otras familias
- Grandes modelos de lenguaje (LLM) aplicados al procesamiento del lenguaje
- Adaptación de modelos de lenguaje a tareas específicas de PLN: fine-tuning y transfer learning
- Criterios de selección de un modelo de lenguaje según la tarea de PLN
UNIDAD DIDÁCTICA 3. TÉCNICAS Y APLICACIONES DEL PLN
- Procesamiento y preparación de textos
- Clasificación y análisis de textos
- Extracción de información y reconocimiento de entidades
- Análisis de sentimientos y opiniones
- Generación, resumen y traducción automática
- Búsqueda semántica y recuperación de información
UNIDAD DIDÁCTICA 4. CHATBOTS E INTELIGENCIA ARTIFICIAL CONVERSACIONAL
- Evolución de los sistemas conversacionales
- Concepto y arquitectura de un chatbot
- Chatbots basados en reglas, intención y modelos de lenguaje
- LLM como motor de sistemas conversacionales
- Contexto, memoria y gestión del diálogo
- Voicebots y asistentes conversacionales
- Limitaciones y retos de los sistemas conversacionales
UNIDAD DIDÁCTICA 5. DISEÑO Y DESARROLLO DE SISTEMAS CONVERSACIONALES
- Diseño de experiencias conversacionales
- Definición de objetivos, usuarios y casos de uso
- Prompting y diseño de instrucciones
- Integración de modelos de lenguaje mediante API
- Embeddings y bases de datos vectoriales
- RAG (Retrieval-Augmented Generation)
- Evaluación y mejora de sistemas conversacionales
UNIDAD DIDÁCTICA 6. HERRAMIENTAS Y PLATAFORMAS PARA EL DESARROLLO DE SISTEMAS CONVERSACIONALES
- Frameworks de desarrollo: Rasa, Microsoft Bot Framework y Dialogflow
- Orquestación de aplicaciones con LLM: LangChain y LlamaIndex
- Plataformas no-code y low-code para chatbots
- Despliegue e integración en canales: web, WhatsApp y redes sociales
- Pruebas, monitorización y mantenimiento de un chatbot en producción
UNIDAD DIDÁCTICA 7. AGENTES DE IA Y SISTEMAS CONVERSACIONALES AVANZADOS
- Concepto y evolución de los agentes de IA
- Agentes basados en modelos de lenguaje
- Uso de herramientas y conexión con sistemas externos
- Memoria, planificación y ejecución de tareas
- Sistemas multimodales: texto, voz, imagen y vídeo
- Aplicaciones empresariales de agentes y asistentes de IA
UNIDAD DIDÁCTICA 8. SEGURIDAD, ÉTICA Y APLICACIONES DEL PLN Y LA IA CONVERSACIONAL
- Matriz de riesgo por caso de uso: dónde la seguridad y la ética del PLN son críticas
- Alucinaciones y limitaciones de los modelos de lenguaje
- Sesgos, privacidad y protección de datos
- Seguridad de los sistemas conversacionales
- Evaluación, supervisión y control de sistemas de IA
- Diseño responsable de experiencias conversacionales
- Tendencias y evolución de la IA conversacional
MÓDULO 8. CHATGPT E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTELIGENCIA ARTIFICIAL Y CHATGPT
- ¿Qué es ChatGPT?
- Cómo afecta la inteligencia artificial en ChatGPT?
- Versiones de ChatGPT y funcionalidades
- Usos de ChatGPT
- Beneficios de la IA y ChatGPT
UNIDAD DIDÁCTICA 2. CHATGPT Y SU FUNCIONAMIENTO
- ¿Cómo funciona ChatGPT?
- Diferencias entre ChatGPT y otros chatbots
- Procesamiento del Lenguaje Natural (PLN)
- Aprendizaje por transferencia
- Cómo entrenar un modelo de ChatGPT
UNIDAD DIDÁCTICA 3. CREACIÓN DE UN CHATBOT BÁSICO CON CHATGPT
- Elección de la plataforma de desarrollo
- Configuración del entorno de desarrollo
- Preparación de los datos de entrenamiento
- Entrenamiento del modelo de ChatGPT
- Integración del modelo en el chatbot
- Pruebas y mejora del modelo
UNIDAD DIDÁCTICA 4. MEJORA DE LA INTERACCIÓN CON EL USUARIO
- Análisis de la conversación con el usuario
- Personalización de la conversación
- Uso de emojis y respuestas con imágenes
- Integración de voz y audio
- Respuestas multilingües
UNIDAD DIDÁCTICA 5. INTEGRACIÓN DE CHATGPT EN UNA PÁGINA WEB O APLICACIÓN
- Integración del chatbot en una página web
- Integración del chatbot en una aplicación móvil
- Personalización del aspecto del chatbot
- Gestión de la seguridad y privacidad del usuario
UNIDAD DIDÁCTICA 6. MONETIZACIÓN DE UN CHATBOT
- Modelos de negocio para chatbots
- Monetización a través de publicidad
- Monetización a través de suscripciones
- Monetización a través de compras in-app
- Análisis del rendimiento y la rentabilidad
UNIDAD DIDÁCTICA 7. ÉTICA Y RESPONSABILIDAD EN LA IA Y LOS CHATBOTS
- Aspectos éticos y responsabilidad en la IA
- Sesgos en la IA y cómo evitarlos
- Derechos y privacidad del usuario
- Regulaciones y normativas sobre chatbots
- Responsabilidad social y ambiental
UNIDAD DIDÁCTICA 8. APLICACIONES AVANZADAS DE CHATGPT
- Chatbots para atención al cliente
- Chatbots para servicios financieros
- Chatbots para servicios de salud
- Chatbots para educación
- Chatbots para entretenimiento y ocio
UNIDAD DIDÁCTICA 9. HERRAMIENTAS Y RECURSOS PARA DESARROLLAR CHATBOTS CON CHATGPT
- Plataformas de desarrollo de Chatbots
- Librerías y frameworks para el desarrollo de IA
- Bases de datos y almacenamiento
- Recursos de formación y aprendizaje
- Comunidades y grupos de apoyo para desarrolladores
UNIDAD DIDÁCTICA 10. CASOS DE USO APLICADOS CON CHATGPT
- Desarrollo de un Chatbot avanzado
- Caso de estudio en atención al cliente
- Caso de estudio en educación
- Caso de estudio en salud
- Caso de estudio en ocio
MÓDULO 9. PROYECTO FIN DE MASTER (PFM)
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.