Máster en Inteligencia Artificial e Ingeniería del Conocimiento
Descargar DossierPrecio 1.995 €
Resumen del curso
Descripción
Hoy en día, es clave administrar con éxito y profesionalidad la dirección y planificación estratégica de las TIC en cualquier institución.
Gracias a este Master en Inteligencia artifical e Ingeniería del Conocimiento serás capaz de gestionar toda la información que ofrece el Big Data y aplicar diferentes tecnologías y herramientas de business inteliigence y Data Science para la gestión del conocimiento empresarial. Además, mediante diferentes técnicas de inteligencia artificial, machine learning y Deep learning estarás preparado para abordar los principales retos de futuro.
En INESEM podrás trabajar en un Entorno Personal de Aprendizaje donde el alumno es el protagonista, avalado por un amplio grupo de tutores especialistas en el sector.
Objetivos
- Ser capaz de llevar a cabo una gestión del conocimiento y la información profesional y de calidad.
- Utilizar herramientas Big Data y Business Intelligence profesionales.
- Analizar fuentes de información mediante técnicas de Data Science y programación estadística con Python y R.
- Gestionar las principales tecnologías de inteligencia artificial, machine learning y Deep learning.
- Poder procesar el lenguaje natural y crear chatbots con inteligencia artificial.
- Aplicar las principales técnicas de ciberseguridad en cualquier proceso empresarial.
¿Para qué te prepara?
Gracias a este Master en Inteligencia artifical e Ingeniería del Conocimiento serás capaz de gestionar toda la información que ofrece el Big Data y aplicar diferentes tecnologías y herramientas de business inteliigence y Data Science para la gestión del conocimiento empresarial. Además, mediante diferentes técnicas de inteligencia artificial, machine learning y Deep learning estarás preparado para abordar los principales retos de futuro.
¿A quién va dirigido?
El Master en Inteligencia Artificial e Ingeniería del Conocimiento está pensado para profesionales que trabajen con datos empresariales ya que podrás utilizar las principales tecnologías actuales y de esa forma realizar una gestión del conocimiento más actualizada y avanzada. También está pensado para estudiantes que quieran especializarse en la ciencia de datos.
Salidas profesionales
Saber gestionar la información empresarial es clave para una correcta gestión del conocimiento. Mediante la realización de este Master en Inteligencia artificial e Ingeniería del Conocimiento optarás a puestos tan demandados hoy día como Consultor de Business Intelligence, Experto en soluciones Big Data, Responsable de ciberseguridad empresarial o IA Engineer.
Temario
MÓDULO 1. GESTIÓN DEL CONOCIMIENTO Y LA INFORMACIÓN
UNIDAD DIDÁCTICA 1. LA GESTIÓN DEL CONOCIMIENTO
- Contextualización
- Capital intelectual
- Barreras a la gestión del conocimiento
- Transferencia de conocimiento
- Innovación en la organización
UNIDAD DIDÁCTICA 2. DETECTAR, ORGANIZAR Y CATEGORIZAR EL CONOCIMIENTO DE LA ORGANIZACIÓN
- Gestión eficiente del conocimiento
- Etapas en la clasificación del conocimiento
- Big Data
- Business Intelligence
UNIDAD DIDÁCTICA 3. LA PROPIEDAD INTELECTUAL
- Contextualización
- Sujetos de la propiedad intelectual
- Derechos sobre la propiedad intelectual
- Medios de protección de la propiedad intelectual
UNIDAD DIDÁCTICA 4. LA PROPIEDAD INDUSTRIAL
- Nociones generales de la propiedad industrial
- Titularidad y autoría de las innovaciones
- Tipos de protección según su naturaleza
- Fundamentos jurídicos de la propiedad industrial
UNIDAD DIDÁCTICA 5. EL SECRETO EMPRESARIAL
- Necesidad de protección del conocimiento en el seno de la empresa
- Ideas protegibles
- El deber de secreto de los empleados
- El deber de secreto con terceros en el ámbito de la empresa
- Cloud computing: base de datos sensibles
- Protección de datos en la empresa
UNIDAD DIDÁCTICA 6. MODELOS DE GESTIÓN DEL CONOCIMIENTO
- Contextualización
- Tipología de modelos
- Principales modelos de gestión del conocimiento
UNIDAD DIDÁCTICA 7. IMPLEMENTACIÓN DE LA GESTIÓN DEL CONOCIMIENTO
- ¿Qué hace falta para poder aplicar la gestión del conocimiento?
- Pasos a seguir para una adecuada implementación
UNIDAD DIDÁCTICA 8. GESTIÓN DE LA SEGURIDAD DE LOS TRATAMIENTOS
- Sistemas de Gestión de Seguridad de la Información (SGSI)
- Seguridad aplicada a las TI y a la documentación
- Planificación y gestión de la Recuperación de Desastres
MÓDULO 2. TECNOLOGÍAS PARA LA GESTIÓN DEL CONOCIMIENTO
UNIDAD DIDÁCTICA 1. HERRAMIENTAS 2.0 PARA LA GESTIÓN DEL CONOCIMIENTO
- Contextualización
- Herramientas de búsqueda y clasificación de información
- Aplicación del Business Intelligence
- Herramientas para transformación de información en conocimiento
- Herramientas de simulación
UNIDAD DIDÁCTICA 2. EL PAPEL DE LAS TIC’S EN LA GESTIÓN DEL CONOCIMIENTO
- Contextualización
- Evolución teórica de las TICs
- Evolución técnica
UNIDAD DIDÁCTICA 3. 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
UNIDAD DIDÁCTICA 4. MONITORIZACIÓN Y ESCUCHA ACTIVA
- ¿Por qué es importante?
- Consejos para realizar escucha activa
- Ventajas de la escucha activa
- Herramientas de monitorización
UNIDAD DIDÁCTICA 5. HERRAMIENTAS DE ACCESO AL CONOCIMIENTO
- Acceso al conocimiento organizacional
- Intranet y portal de conocimiento corporativo
- Directorio de expertos y páginas amarillas
- Repositorios digitales
- Wiki
- Mapas de conocimiento
UNIDAD DIDÁCTICA 6. TRANSFERENCIA TECNOLÓGICA
- Conceptualización de la transferencia tecnológica
- Mecanismo de transferencia tecnológica
- PARTICULARIDADES DE LA LICENCIA
- Especificaciones del contrato Know-How
- Nuevas tendencias en transferencia tecnológica: Spin-Off y Joint Ventures
- Ejemplos reales de transferencia tecnológica
MÓDULO 3. BIG DATA INTRODUCTION
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. FUENTES DE DATOS
- Definición y relevancia de la selección de las fuentes de datos
- Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 3. OPEN DATA
- Definición, Beneficios y Características
- Ejemplo de uso de Open Data
UNIDAD DIDÁCTICA 4. 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 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
- Definiendo el concepto de Business Intelligence y sociedad de la información
- Arquitectura de una solución de 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. BIG DATA Y MARKETING
- Apoyo del Big Data en el proceso de toma de decisiones
- Toma de decisiones operativas
- Marketing estratégico y Big Data
- Nuevas tendencias en management
UNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATA
- Concepto de web semántica
- Linked Data Vs Big Data
- Lenguaje de consulta SPARQL
UNIDAD DIDÁCTICA 9. 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
MÓDULO 4. HERRAMIENTAS Y ANÁLISIS BIG DATA
UNIDAD DIDÁCTICA 1. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
- ¿Qué es una base de datos NoSQL?
- Bases de datos Relaciones Vs Bases de datos NoSQL
- Tipo de Bases de datos NoSQL. Teorema de CAP
- Sistemas de Bases de datos NoSQL
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB
- ¿Qué es MongoDB?
- Funcionamiento y uso de MongoDB
- Primeros pasos con MongoDB. Instalación y shell de comandos
- Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
- Actualización de datos en MongoDB. Sentencias set y update
- Trabajando con índices en MongoDB para optimización de datos
- Consulta de datos en MongoDB
UNIDAD DIDÁCTICA 3. 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
UNIDAD DIDÁCTICA 4. WEKA Y DATA MINING
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka
- Interfaces de Weka
- Selección de atributos
UNIDAD DIDÁCTICA 5. PENTAHO
- Una aproximación a Pentaho
- Soluciones que ofrece Pentaho
- MongoDB & Pentaho
- Hadoop & Pentaho
- Weka & Pentaho
MÓDULO 5. BUSINESS INTELLIGENCE Y HERRAMIENTAS DE VISUALIZACIÓN
UNIDAD DIDÁCTICA 1. 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 2. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
- Aproximación al concepto de DataMart
- Procesos de extracción, transformación y carga de datos (ETL)
- Data Warehou
- Herramientas de Explotación
- Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS
- Visión General. ¿Por qué DataWarehouse?
- Estructura y Construcción
- Fases de implantación
- Características
- Data Warehouse en la nube
UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA
- Tipos de herramientas para BI
- Productos comerciales para BI
- Productos Open Source para BI
- Beneficios de las herramientas de BI
UNIDAD DIDÁCTICA 5. 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 6. 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 7. 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 8. LOOKER STUDIO (GOOGLE DATA STUDIO)
- Visualización de datos
- Tipologías de gráficos
- Fuentes de datos
- Creación de informes
UNIDAD DIDÁCTICA 9. QLIKVIEW
- Instalación y arquitectura
- Carga de datos
- Informes
- Transformación y modelo de datos
- Análisis de datos
UNIDAD DIDÁCTICA 10. POWER BI
- Introducción a Power BI
- Instalación de Power BI
- Modelado de datos
- Visualización de datos
- Dashboards
- Uso compartido de datos
UNIDAD DIDÁCTICA 11. CARTO
- CartoDB
MÓDULO 6. DATA SCIENCE Y PROGRAMACIÓN ESTADÍSTICA CON PYTHON Y R
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Compunting
- Aspectos legales en Protección de Datos
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
- Introducción
- El modelo relacional
- Lenguaje de consulta SQL
- MySQL. Una base de datos relacional
UNIDAD DIDÁCTICA 3. 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 4. 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 5. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
UNIDAD DIDÁCTICA 6. ANÁLISIS DE LOS DATOS
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
MÓDULO 7. 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 8. 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 9. CIBERSEGURIDAD APLICADA A INTELIGENCIA ARTIFICIAL (IA), SMARTPHONES, INTERNET DE LAS COSAS (IOT) E INDUSTRIA 4.0
UNIDAD DIDÁCTICA 1. CIBERSEGURIDAD EN NUEVAS TECNOLOGÍAS
- Concepto de seguridad TIC
- Tipos de seguridad TIC
- Aplicaciones seguras en Cloud
- Plataformas de administración de la movilidad empresarial (EMM)
- Redes WiFi seguras
- Caso de uso: Seguridad TIC en un sistema de gestión documental
UNIDAD DIDÁCTICA 2. CIBERSEGURIDAD EN SMARTPHONES
- Buenas prácticas de seguridad móvil
- Protección de ataques en entornos de red móv
UNIDAD DIDÁCTICA 3. INTELIGENCIA ARTIFICIAL (IA) Y CIBERSEGURIDAD
- Inteligencia Artificial
- Tipos de inteligencia artificial
- Impacto de la Inteligencia Artificial en la ciberseguridad
UNIDAD DIDÁCTICA 4. CIBERSEGURIDAD E INTERNET DE LAS COSAS (IOT)
- 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
- Vulnerabilidades de IoT
- Necesidades de seguridad específicas de IoT
UNIDAD DIDÁCTICA 5. SEGURIDAD INFORMÁTICA EN LA INDUSTRIA 4.0
- Industria 4.0
- Necesidades en ciberseguridad en la Industria 4.0
MÓDULO 10. 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.