Máster en Inteligencia Artificial para Programadores
Descargar DossierPrecio 1.995 €
Resumen del curso
Descripción
La inteligencia artificial (IA) se ha convertido en un pilar fundamental en el mundo de la programación. Desde el análisis de datos hasta el desarrollo de sistemas autónomos, la IA impulsa avances revolucionarios.
Este Máster en Inteligencia Artificial para Programadores ofrece una formación completa en diversas ramas de la IA, dotando de las herramientas y habilidades necesarias para enfrentar los desafíos actuales y futuros en el ámbito tecnológico.
Desde la implementación de algoritmos de aprendizaje automático hasta la creación de sofisticados chatbots y sistemas de visión artificial, gracias a esta formación podrás adquirir conocimientos prácticos y teóricos para innovar en un amplio espectro de aplicaciones.
Objetivos
- Dominar conceptos fundamentales de IA y sus aplicaciones en programación.
- Implementar algoritmos de aprendizaje automático para análisis de datos.
- Desarrollar chatbots avanzados con técnicas de procesamiento de lenguaje natural.
- Aplicar técnicas de visión artificial para reconocimiento de objetos e imágenes.
- Manejar herramientas de Big Data y análisis estadístico para IA.
- Integrar modelos de lenguaje como Gemini y Copilot en proyectos de programación.
- Programar aplicaciones de visión artificial con OpenCV y Python.
¿Para qué te prepara?
Este Máster en Inteligencia Artificial para Programadores te prepara para destacar en un mercado laboral cada vez más impulsado por IA. Podrás desarrollar sistemas inteligentes, crear aplicaciones de vanguardia y resolver problemas complejos utilizando herramientas y técnicas de IA. Además, podrás enfrentar desafíos emergentes en áreas como procesamiento de lenguaje natural, visión artificial, análisis de datos y desarrollo de sistemas autónomos.
¿A quién va dirigido?
Este Máster en Inteligencia Artificial para Programadores está dirigido a profesionales de la programación, desarrollo de software y profesionales de la tecnología que deseen adquirir competencias avanzadas en inteligencia artificial. También es adecuado para aquellas personas interesadas en explorar nuevas oportunidades laborales en áreas relacionadas con la IA.
Salidas profesionales
Gracias a este Máster en Inteligencia Artificial para Programadores podrás trabajar en ámbitos como ingeniería de IA, desarrollo de chatbots, ciencia de datos, análisis de Big Data, ingeniería de sistemas autónomos, especialista en visión artificial, entre otros roles relacionados con la IA y la programación. Además, te especializarás para liderar proyectos innovadores.
Temario
MÓDULO 1. DATA MINING, INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO
UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS
- Minería de datos
- ¿Qué podemos hacer con data Mining?
- ¿Qué usos puede tener el data Mining?
- Metodología de la minería de datos
- Algunas técnicas estadísticas utilizadas en data mining
- Árboles de decisión
- Reglas de inducción
- Redes Bayesanas
- Algoritmos Genéticos
UNIDAD DIDÁCTICA 2. CICLO DATA MINING
- Ciclo data mining
- Minería de Textos y Web Mining
- Data mining y marketing
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
- Introducción a la inteligencia artificial
- Historia
- La importancia de la IA
UNIDAD DIDÁCTICA 4. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
- Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 5. 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 6. 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 7. 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 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
- Introducción
- Algoritmos
UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
- Introducción
- Filtrado colaborativo
- Clusterización
- Sistemas de recomendación híbridos
UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
- Clasificadores
- Algoritmos
UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
- Componentes
- Aprendizaje
UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
MÓDULO 2. 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 3. 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 4. ROBÓTICA E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. BASES Y ANTECEDENTES DE LA ROBÓTICA
- Concepto e historia
- Bases de la robótica actual
- Plataformas móviles
- Crecimiento esperado en la industria robótica
- Límites de la robótica actual
UNIDAD DIDÁCTICA 2. ROBÓTICA E INTELIGENCIA ARTIFICIAL
- Robótica
- Inteligencia artificial
- Objetivos de la inteligencia artificial
- Historia de la inteligencia artificial
- Lenguaje de programación: el idioma de los robots
- Investigación y desarrollo en áreas de la inteligencia artificial
- Robótica y la inteligencia artificial
UNIDAD DIDÁCTICA 3. USO DE LOS ROBOTS
- Introducción
- Robótica y beneficios
- Robótica industrial
- Futuro de la robótica
- Robótica y las nuevas tecnologías
- Tendencias
UNIDAD DIDÁCTICA 4. EVOLUCIÓN DE LOS ROBOTS. ROBOTISTA
- Evolución de la robótica
- Futuro de la robótica
- Robótica en la ingeniería e industria
UNIDAD DIDÁCTICA 5. EVOLUCIÓN DE LA INTELIGENCIA ARTIFICIAL. DISEÑADOR DE REDES NEURONALES ROBÓTICAS
- Inteligencia natural y artificial
- Inteligencia artificial y cibernética
- Autonomía en robótica
- Sistemas expertos
- Agentes virtuales con animación facial por ordenador
- Actualidad
UNIDAD DIDÁCTICA 6. PRÓTESIS ROBÓTICAS
- La robótica aplicada al ser humano: biónica
- Reseña histórica de las prótesis
- Diseño de prótesis en el siglo XX
- Investigaciones y desarrollo recientes en diseño de manos
- Sistemas protésicos
- Uso de materiales inteligentes en las prótesis
UNIDAD DIDÁCTICA 7. INFLUENCIA DE LA ROBÓTICA
- Introducción
- Situación actual y tendencias para el futuro
- Objetivos
- Metodología y estructura
MÓDULO 5. MÉTODOS ESTADÍSTICOS PARA INTELIGENCIA ARTIFICIAL (IA)
UNIDAD DIDÁCTICA 1. ESTADÍSTICA
- Introducción, concepto y funciones de la estadística
- Estadística descriptiva
- Estadística inferencial
- Medición y escalas de medida
- Variables: clasificación y notación
- Distribución de frecuencias
- Representaciones gráficas
- Propiedades de la distribución de frecuencias
- Medidas de posición
- Medidas de dispersión
- Medidas de forma
- Curva de Lorenz, coeficiente de Gini e índice de Theil
UNIDAD DIDÁCTICA 2. ANÁLISIS CONJUNTO DE VARIABLES
- Introducción al análisis conjunto de variables
- Asociación entre dos variables cualitativas
- Correlación entre dos variables cuantitativas
- Regresión lineal
UNIDAD DIDÁCTICA 3. DISTRIBUCIONES DE PROBABILIDAD
- Conceptos previos de probabilidad
- Variables discretas de probabilidad
- Distribuciones discretas de probabilidad
- Distribución normal
- Distribuciones asociadas a la distribución normal
UNIDAD DIDÁCTICA 4. ESTADÍSTICA INFERENCIAL
- Conceptos previos
- Métodos de muestreo
- Principales indicadores
UNIDAD DIDÁCTICA 5. CONTRASTE DE HIPÓTESIS
- Introducción a las hipótesis estadísticas
- Contraste de hipótesis
- Contraste de hipótesis paramétrico
- Tipologías de error
- Contrastes no paramétricos
UNIDAD DIDÁCTICA 6. REGRESIÓN LINEAL
- Introducción a los modelos de regresión
- Modelos de regresión: aplicabilidad
- Variables a introducir en el modelo de regresión
- Construcción del modelo de regresión
- Modelo de regresión lineal
- Modelo de regresión logística
- Factores de confusión
- Interpretación de los resultados de los modelos de regresión
UNIDAD DIDÁCTICA 7. INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA
- Estadística no paramétrica. Conceptos básicos
- Características de las pruebas
- Ventajas y desventajas del uso de métodos no paramétricos
- Identificación de las diferentes pruebas no paramétricas
UNIDAD DIDÁCTICA 8. PRUEBAS NO PARAMÉTRICAS PARA UNA MUESTRA
- Pruebas no paramétricas para una muestra
- Chi-cuadrado o ji-cuadrado
- Prueba de Kolmogorov-Smirnov para una muestra
- Prueba binomial
- Prueba de rachas
UNIDAD DIDÁCTICA 9. PRUEBAS NO PARAMÉTRICAS PARA DOS MUESTRAS RELACIONADAS
- Prueba de los signos
- Prueba del rango con signo de Wilcoxon
- Prueba de McNemar
UNIDAD DIDÁCTICA 10. PRUEBAS NO PARAMÉTRICAS PARA K MUESTRAS RELACIONADAS
- Pruebas para k muestras relacionadas
- Prueba de Cochran
- Prueba de Friedman
- Coeficiente de concordancia de W de Kendall
UNIDAD DIDÁCTICA 11. PRUEBAS NO PARAMÉTRICAS PARA DOS MUESTRAS INDEPENDIENTES
- Pruebas para dos muestras independientes
- Prueba U de Mann Whitney
- Prueba de Wald-Wolfowitz
- Prueba de reacciones extremas de Moses
- Prueba de Kolmogorov-Smirnov para dos muestras
UNIDAD DIDÁCTICA 12. PRUEBAS NO PARAMÉTRICAS PARA K MUESTRAS INDEPENDIENTES
- Pruebas no paramétricas para K muestras independientes
- Prueba de la mediana
- Prueba H de Kruskal-Wallis
- Prueba de Jonckheere-Terpstra
MÓDULO 6. INTELIGENCIA ARTIFICIAL PARA PROGRAMADORES
UNIDAD DIDÁCTICA 1. APRENDIZAJE AUTOMÁTICO (MACHINE LEARNING)
UNIDAD DIDÁCTICA 2. REDES NEURONALES ARTIFICIALES (RNA)
UNIDAD DIDÁCTICA 3. PROCESAMIENTO DE LENGUAJE NATURAL (NATURAL LANGUAGE PROCESSING - NLP)
UNIDAD DIDÁCTICA 4. VISIÓN ARTIFICIAL
UNIDAD DIDÁCTICA 5. PROCESAMIENTO DE DATOS MASIVOS (BIG DATA) EN INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 6. OPTIMIZACIÓN Y SINTONIZACIÓN DE MODELOS DE IA
UNIDAD DIDÁCTICA 7. APRENDIZAJE POR REFUERZO (REINFORCEMENT LEARNING)
UNIDAD DIDÁCTICA 8. DESPLIEGUE Y PRODUCCIÓN DE MODELOS DE IA
MÓDULO 7. HERRAMIENTAS COPILOT PARA INTELIGENCIA ARTIFICIAL (IA)
UNIDAD DIDÁCTICA 1. ¿QUÉ ES UNA HERRAMIENTA COPILOT?
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A LOS MODELOS DE LENGUAJE (LLM)
UNIDAD DIDÁCTICA 3. GEMINI: LA PROPUESTA DE GOOGLE
UNIDAD DIDÁCTICA 4. GEMINI COMO HERRAMIENTA COPILOT
UNIDAD DIDÁCTICA 5. INTEGRACIÓN DE GEMINI COMO HERRAMIENTA COPILOT
UNIDAD DIDÁCTICA 6. CHATGPT: FUNDAMENTOS Y FUNCIONAMIENTO
UNIDAD DIDÁCTICA 7. BING CHAT: EL MODELO DE MICROSOFT
UNIDAD DIDÁCTICA 8. ASPECTOS TÉCNICOS AVANZADOS DE LOS CHATBOTS
UNIDAD DIDÁCTICA 9. COPILOT CON DIFERENTES CHATBOTS
UNIDAD DIDÁCTICA 10. GITHUB COPILOT
UNIDAD DIDÁCTICA 11. GITHUB COPILOT Y PROGRAMACIÓN
UNIDAD DIDÁCTICA 12. CREACIÓN DE APP ANDROID CON COPILOT
MÓDULO 8. PROGRAMACIÓN DE VISIÓN ARTIFICIAL CON PYTHON Y OPENCV
UNIDAD DIDÁCTICA 1. 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 2. 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 3. 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 4. HISTOGRAMAS Y TEMPLATE MATCHING
- Analizar imágenes usando histogramas
- Ecualización de histogramas
- Template matching
- Detección de campos en documentos usando Template matching
UNIDAD DIDÁCTICA 5. 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 6. 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 7. APRENDIZAJE AUTOMÁTICO
- Vecino más cercano (K-Nearest Neighbour)
- Agrupamiento de K-medias (K-Means Clustering)
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.