Saltar al contenido
En colaboración con
Formación online Hasta el 100% Bonificado

Máster en Inteligencia Artificial Generativa e Inbound Marketing

Duración total 1500 horas
Modalidad Online
Convocatoria Abierta
Descargar Dossier

Precio 1.995 €

Solicitar información

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
  1. Conceptualización de la innovación tecnológica
  2. Competencias básicas de la innovación tecnológica
  3. Competitividad e innovación
  4. El proceso de innovación tecnológica
UNIDAD DIDÁCTICA 2. DESARROLLO DE ESTRATEGIAS DE INNOVACIÓN
  1. Características del entorno ante el cambio tecnológico
  2. Definición de estrategia tecnológica
  3. Objetivo de una estrategia tecnológica
  4. Tipos de estrategias tecnológicas
  5. Gestión de la tecnología. Planes tecnológicos
UNIDAD DIDÁCTICA 3. COOPERACIÓN TECNOLÓGICA
  1. La cooperación tecnológica entre organizaciones
  2. Modalidades de cooperación
  3. Fusiones, adquisiciones y conglomerados
  4. Alianzas estratégicas tecnológicas
UNIDAD DIDÁCTICA 4. VIGILANCIA TECNOLÓGICA E INTELIGENCIA
  1. Vigilancia del entorno empresarial
  2. Sistemas de vigilancia tecnológica
  3. Herramientas básicas para la vigilancia tecnológica
  4. Inteligencia competitiva
UNIDAD DIDÁCTICA 5. PROYECTOS DE INNOVACIÓN TECNOLÓGICA
  1. Conceptos básicos de proyectos de innovación
  2. Herramientas para la gestión de proyectos
  3. Ciclo de vida de un proyecto de innovación
  4. Organización del proyecto
  5. Dirección del proyecto
  6. Evaluación del proyecto
UNIDAD DIDÁCTICA 6. INTRODUCCIÓN AL LA TRANSFORMACIÓN DIGITAL
  1. Introducción a la transformación digital
  2. Concepto de innovación
  3. Concepto de tecnología
  4. Tipología de la tecnología
  5. Punto de vista de la ventaja competitiva
  6. Según su disposición en la empresa
  7. Desde el punto de vista de un proyecto
  8. Otros tipos de tecnología
  9. La innovación tecnológica
  10. Competencias básicas de la innovación tecnológica
  11. El proceso de innovación tecnológica
  12. Herramientas para innovar
  13. Competitividad e innovación
UNIDAD DIDÁCTICA 7. NUEVO ECOSISTEMA DIGITAL
  1. Community Manager
  2. Chief Data Officer
  3. Data Protection Officer
  4. Data Scientist
  5. Otros perfiles
  6. Desarrollo de competencias informáticas
  7. El Papel del CEO como líder en la transformación
UNIDAD DIDÁCTICA 8. EL NUEVO CLIENTE DIGITAL
  1. Rediseñando el customer experience
  2. La transformación de los canales de distribución: omnicanalidad
  3. Plan de marketing digital
  4. Buyer´s Journey
  5. Growth Hacking: estrategia de crecimiento
  6. El nuevo rol del marketing en el funnel de conversión
UNIDAD DIDÁCTICA 9. NUEVOS MERCADOS, NUEVAS OPORTUNIDADES
  1. Oportunidades de innovación derivadas de la globalización
  2. Como Inventar Mercados a través de la Innovación
  3. Etapas de desarrollo y ciclos de vida
  4. Incorporación al mercado
  5. Metodologías de desarrollo
UNIDAD DIDÁCTICA 10. PLAN DE TRANSFORMACIÓN DIGITAL
  1. Diagnóstico de la madurez digital de la empresa
  2. Análisis de la innovación en la empresa
  3. Elaboración del roadmap
  4. Provisión de financiación y recursos tecnológicos
  5. Implementación del plan de transformación digital
  6. Seguimiento del plan de transformación digital
MÓDULO 2. VENTAS Y MARKETING
UNIDAD DIDÁCTICA 1. ANÁLISIS DEL MERCADO Y LA CARTERA DE CLIENTES
  1. Introducción al mercado
  2. División del mercado
  3. Ley de oferta y demanda
  4. Estudios de mercado
  5. Ámbitos de aplicación del estudio de mercados
  6. Objetivos de la investigación de mercados
  7. Tipos de diseño de la investigación de los mercados
  8. Cartera de clientes
UNIDAD DIDÁCTICA 2. ESTRATEGIAS DE MARKETING EN EMPRESAS
  1. Planificación y marketing
  2. Determinación de la cartera de productos
  3. Gestión estratégica de precios
  4. Canales de comercialización
  5. Comunicación e imagen de negocio
  6. Estrategias de fidelización y gestión de clientes
UNIDAD DIDÁCTICA 3. EL PLAN DE MARKETING DIGITAL
  1. El plan de marketing digital
  2. Análisis de la competencia
  3. Análisis de la demanda
  4. DAFO, la situación actual
  5. Objetivos y estrategias del plan de marketing digital
  6. Estrategias básicas: segmentación, posicionamiento, competitiva y de crecimiento
  7. Posicionamiento e imagen de marca
  8. Captación y fidelización de usuarios
  9. Integración del plan de marketing digital en la estrategia de marketing en la empresa
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN AL INBOUND MARKETING
  1. ¿Qué es el Inbound Marketing?
  2. Marketing de Contenidos
  3. Marketing viral
  4. Video Marketing
  5. Reputación online
UNIDAD DIDÁCTICA 5. TÉCNICAS DE NEUROMARKETING MIX Y NEUROVENTAS
  1. Las 4 Ps en el neuromarketing
  2. Fundamentos y metodología de la neuroventa
  3. La neurocomunicación en la venta
  4. Estrategias producto servicio
  5. Packaging y neuromarketing
  6. Factor precio en neuromarketing
UNIDAD DIDÁCTICA 6. PLAN DE VENTAS
  1. Previsión y utilidad
  2. Análisis geográfico de la zona de ventas
  3. Marcar objetivos
  4. Diferencia entre objetivos y previsiones
  5. Cuotas de actividad
  6. Cuotas de participación
  7. Cuotas económicas y financieras
  8. Estacionalidad
  9. El plan de ventas
UNIDAD DIDÁCTICA 7. TIPOLOGÍA DE VENTAS
  1. Venta directa
  2. Venta a distancia
  3. Venta multinivel
  4. Venta personal
  5. Otros tipos de venta
UNIDAD DIDÁCTICA 8. POLÍTICA DE FIJACIÓN DE PRECIOS
  1. Análisis de la sensibilidad del precio
  2. Discriminación de precios
  3. Estrategias de precio
  4. Políticas de descuento
UNIDAD DIDÁCTICA 9. EXPERIENCE CUSTOMER
  1. Cómo monitorizar la experiencia del cliente
  2. Métricas de satisfacción y experiencia del cliente
  3. Generando valor añadido a cada cliente
  4. Neuromarketing
UNIDAD DIDÁCTICA 10. CRM
  1. Contextualización
  2. Fases del proceso de un CRM
  3. Beneficios y ventajas
  4. Implementación
  5. ¿Está preparada tu empresa?
  6. Errores más frecuentes
  7. 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
  1. ¿Qué es Big Data?
  2. ¿Y Thick Data? ¿Cuál es el matiz para diferenciar ambos términos?
  3. El gran auge del big data
  4. La importancia de almacenar y extraer información
  5. ¿Cual es el papel de las fuentes de datos?
  6. Soluciones novedosas gracias a la selección de datos
  7. Naturaleza de las fuentes de datos Big Data
UNIDAD DIDÁCTICA 2. TOMA DE DECISIONES INTELIGENTES
  1. Thick Data, el valor de lo cualitativo. Entender emociones humanas, intenciones y sentimientos
  2. Fases en un proyecto de Big Data
  3. Big Data enfocado a los negocios
  4. Apoyo del Big Data en el proceso de toma de decisiones
  5. Toma de decisiones operativas
UNIDAD DIDÁCTICA 3. CÓMO HACER CRECER UN NEGOCIO A TRAVÉS DEL BIG DATA Y SUS APLICACIONES
  1. Marketing estratégico y Big Data
  2. Open data
  3. Ejemplo de uso de Open Data
  4. IoT (Internet of Things-Internet de las cosas)
UNIDAD DIDÁCTICA 4.BIG DATA EN DIFERENTES SECTORES
  1. Relación entre inteligencia artificial y big data
  2. IA y Big Data combinados
  3. El papel del Big Data en IA
  4. Big Data en salud
  5. Necesidad de Big Data en la asistencia sanitaria
  6. Retos del big data en salud
  7. Big Data y People Analytics en RRHH
UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas Operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence
UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)
UNIDAD DIDÁCTICA 7. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de Textos y Web Mining
  6. Data mining y marketing
UNIDAD DIDÁCTICA 8. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de Datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP
UNIDAD DIDÁCTICA 9. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
  1. Visión General: ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube
UNIDAD DIDÁCTICA 10. INTERNET DE LAS COSAS
  1. Contexto Internet de las Cosas (IoT)
  2. ¿Qué es IoT?
  3. Elementos que componen el ecosistema IoT
  4. Arquitectura IoT
  5. Dispositivos y elementos empleados
  6. Ejemplos de uso
  7. Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 11. STORYTELLING
  1. ¿Qué es el Data Storytelling?
  2. Elementos clave del Data Storytelling
  3. ¿Por qué es importante el Data Storytelling?
  4. ¿Cómo hacer Data Storytelling?
UNIDAD DIDÁCTICA 12. ECOSISTEMA HADOOP
  1. ¿Qué es Hadoop? Relación con Big Data
  2. Instalación y configuración de insfraestructura y ecosistema Hadoop
  3. Sistema de archivos HDFS
  4. MapReduce con Hadoop
  5. Apache Hive
  6. Apache Hue
  7. Apache Spark
MÓDULO 4. INTELIGENCIA ARTIFICIAL, MACHINE LEARNING Y DEEP LEARNING
UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
  1. Concepto, evolución y aplicaciones de la inteligencia artificial
  2. Principales enfoques de la IA: simbólica, conexionista y basada en datos
  3. Sistemas expertos y evolución hacia la IA moderna
  4. Tipos y capacidades de los sistemas de inteligencia artificial
  5. IA generativa y nuevos paradigmas de inteligencia artificial
  6. Aplicaciones, oportunidades y limitaciones de la IA
UNIDAD DIDÁCTICA 2. DATOS Y APRENDIZAJE AUTOMÁTICO
  1. Fundamentos del machine learning
  2. Aprendizaje supervisado, no supervisado y por refuerzo
  3. Datos de entrenamiento, validación y prueba
  4. Preparación y transformación de datos
  5. Selección y construcción de variables (features)
  6. Algoritmos de aprendizaje automático y criterios de selección
UNIDAD DIDÁCTICA 3. ALGORITMOS DE APRENDIZAJE SUPERVISADO
  1. Regresión y predicción
  2. Clasificación y principales algoritmos
  3. Árboles de decisión y métodos ensemble
  4. Máquinas de vectores soporte (SVM)
UNIDAD DIDÁCTICA 4. ALGORITMOS DE APRENDIZAJE NO SUPERVISADO
  1. Clustering: K-means, jerárquico y DBSCAN
  2. Reducción de dimensionalidad: PCA y t-SNE
  3. Detección de anomalías
UNIDAD DIDÁCTICA 5. APRENDIZAJE POR REFUERZO
  1. Fundamentos del aprendizaje por refuerzo: agente, entorno, recompensa y política
  2. Métodos de aprendizaje por refuerzo: de Q-learning a los métodos basados en política
  3. Exploración frente a explotación y principales retos del aprendizaje por refuerzo
  4. Aplicaciones del aprendizaje por refuerzo: juegos, robótica y sistemas de recomendación
UNIDAD DIDÁCTICA 6. EVALUACIÓN Y DESARROLLO DE MODELOS DE MACHINE LEARNING
  1. Entrenamiento y evaluación de modelos
  2. Métricas de evaluación y selección según el problema
  3. Validación cruzada y partición de los datos
  4. Sobreajuste, infraajuste y regularización
  5. Optimización e hiperparámetros
  6. Interpretación y comparación de modelos
UNIDAD DIDÁCTICA 7. REDES NEURONALES Y DEEP LEARNING
  1. Fundamentos de las redes neuronales artificiales
  2. Perceptrón y redes neuronales multicapa
  3. Funciones de activación y arquitectura de una red
  4. Entrenamiento, descenso de gradiente y retropropagación
  5. Sobreajuste y técnicas de regularización en redes profundas
  6. Fundamentos y aplicaciones del deep learning
UNIDAD DIDÁCTICA 8. ARQUITECTURAS DE REDES NEURONALES PROFUNDAS
  1. Redes neuronales convolucionales (CNN)
  2. Redes recurrentes y modelos para datos secuenciales (RNN y LSTM)
  3. Transformers frente a las arquitecturas secuenciales anteriores
  4. Arquitecturas generativas: autoencoders y redes generativas antagónicas (GAN)
UNIDAD DIDÁCTICA 9. APLICACIONES Y TRANSFERENCIA DE APRENDIZAJE EN DEEP LEARNING
  1. Aplicaciones del deep learning en visión artificial
  2. Aplicaciones del deep learning en procesamiento del lenguaje natural
  3. Transferencia de aprendizaje y modelos preentrenados
UNIDAD DIDÁCTICA 10. APLICACIÓN, IMPACTO Y USO RESPONSABLE DE LA IA
  1. Sistemas de recomendación y soporte a la decisión
  2. Casos de uso de IA en diferentes sectores
  3. Sesgos, explicabilidad y transparencia
  4. Privacidad, seguridad, ética y gobernanza de la IA
  5. Impacto económico y social de la inteligencia artificial
MÓDULO 5. INTELIGENCIA ARTIFICIAL Y ÉTICA
UNIDAD DIDÁCTICA 1. INTELIGENCIA ARTIFICIAL Y FUNDAMENTOS ÉTICOS
  1. Ética normativa y ética aplicada
  2. Historia y caracteres de la ética de la inteligencia artificial
  3. Ética realista y ética ficción
  4. Inteligencia artificial como objeto y sujeto
  5. Singularidad tecnológica y futuro de la especie humana
  6. Machine ethics. Nuevos entes autónomos y estatus moral
  7. Controversias éticas de la aplicación de la inteligencia artificial
  8. Bioética e inteligencia artificial
  9. Democracia e inteligencia artificial
UNIDAD DIDÁCTICA 2. ÉTICA DE GOBERNANZA E INTELIGENCIA ARTIFICIAL
  1. Gobernanza como sistema de prevención y control de riesgos en la inteligencia artificial
  2. Papel de la UE en la gobernanza de la inteligencia artificial
  3. Evaluaciones de impacto social, ético y legal de inteligencia artificial de alto riesgo
  4. Elaboración de un plan de gobernanza
UNIDAD DIDÁCTICA 3. INTELIGENCIA ARTIFICIAL CONFIABLE. EXPLICABILIDAD Y SESGO
  1. Principios de la inteligencia artificial responsable
  2. Aspectos de diseño éticos para Machine Learning
  3. Inteligencia artificial explicable (XAI). Hacia la IA responsable
  4. Imparcialidad de Datos (Fairness). Control del sesgo en los modelos
  5. Escenarios con modelos de IA de alto riesgo
  6. Auditabilidad en los sistemas de inteligencia artificial
  7. Sandbox normativo piloto del futuro reglamentario de IA en España
  8. Transparencia en modelos de Machine Learning
  9. Análisis de herramientas software para medir la imparcialidad
UNIDAD DIDÁCTICA 4. ÉTICA DE LA INTELIGENCIA ARTIFICIAL
  1. Metodología de la ética en la inteligencia artificial
  2. Agentes artificiales morales
  3. Moralidad artificial desde un enfoque funcionalista
  4. Objeciones acerca de agencias morales artificiales
  5. Responsabilidad y Derechos de los robots
UNIDAD DIDÁCTICA 5. FILOSOFÍA POLÍTICA DE LA INTELIGENCIA ARTIFICIAL
  1. Introducción a la filosofía política de la inteligencia artificial
  2. Empleo e inteligencia artificial
  3. Relaciones humanas e inteligencia artificial
  4. Funciones de los Estados e inteligencia artificial
  5. Educación e inteligencia artificial
  6. Salud e inteligencia artificial
  7. Movilidad e inteligencia artificial
  8. Articulación entre ética y política sobre la inteligencia artificial
  9. Globalización e inteligencia artificial
UNIDAD DIDÁCTICA 6. INTELIGENCIA ARTIFICIAL, SOSTENIBILIDAD Y ÉTICA MEDIOAMBIENTAL
  1. Digitalización al servicio de los Objetivos de Desarrollo Sostenible (ODS)
  2. Estrategia Europea de transición hacia una economía sostenible
  3. Cambio climático global
  4. Mejora de eficiencia en procesos organizativos con IA
  5. Mejora de eficiencia en prácticas individuales con IA
  6. Ética ambiental e inteligencia artificial
UNIDAD DIDÁCTICA 7. ÉTICA DE LA GUERRA E INTELIGENCIA ARTIFICIAL
  1. Armas autónomas
  2. Intervenciones militares teledirigidas
  3. Ética de la guerra
UNIDAD DIDÁCTICA 8. TECNOLOGÍA, ÉTICA Y DERECHO DE LA REALIDAD VIRTUAL
  1. El metaverso
  2. Gemelos digitales humanos
  3. Creación de universos paralelos en 3D
UNIDAD DIDÁCTICA 9. ÉTICA DE LA INTELIGENCIA ARTIFICIAL INTERACTIVA Y ROBÓTICA SOCIAL
  1. Sistemas autónomos en el ámbito laboral
  2. Inteligencia artificial para la mejora de calidad de vida en ciudades. Mejora del impacto medioambiental
  3. Combinación de smart cities, internet de las cosas y big data
  4. Inteligencia artificial y cuidado personal y sexual
  5. Análisis ético de la incorporación de la robótica en la vida humana
UNIDAD DIDÁCTICA 10. INTELIGENCIA ARTIFICIAL, MEJORA HUMANA Y TRANSHUMANISMO
  1. Inteligencia artificial para restaurar funciones físicas y cognitivas deterioradas
  2. Optimizar las capacidades humanas con inteligencia artificial
  3. 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
  1. Introducción al customer journey
  2. Fases de la experiencia de cliente
  3. Propuestas de mejora
  4. Herramientas para crear un Customer Journey
  5. Tendencias
  6. Introducción al Buyer persona
  7. Cómo crear tu Buyer Persona
  8. 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
  1. Definición de Experiencia de Usuario
  2. Principios de la Experiencia de Usuario
  3. El papel del diseñador UX en el proceso de creación
  4. Etapas del diseño UX
  5. Técnicas para el diseño UX
  6. Herramientas UX
UNIDAD DIDÁCTICA 8. APLICACIONES DE LA I.A. EN EL MARKETING DIGITAL
  1. Desarrollo y aplicación de soluciones de I.A. en la gestión de contenidos digitales:
  2. Identificación de herramientas comunicativas y asistenciales en el marketing digital:
  3. Análisis del comportamiento del usuario on-line en el ámbito e-commerce:
UNIDAD DIDÁCTICA 9. IA Y AUTOMATIZACIÓN DEL MARKETING
  1. Análisis de la disciplina estratégica Customer Experience:
  2. Generalización de la metodología de marketing digital Funnel de conversión:
  3. Implantación de la I.A. en una estrategia de Marketing de Automatización integral:
  4. 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
  1. Concepto, evolución y aplicaciones del PLN
  2. Principales tareas del procesamiento del lenguaje
  3. Del PLN basado en reglas a los modelos basados en aprendizaje automático
  4. Representación del lenguaje: tokens, vectores y embeddings
  5. PLN multilingüe y retos del lenguaje natural
  6. Aplicaciones actuales del PLN
UNIDAD DIDÁCTICA 2. MODELOS DE LENGUAJE Y TRANSFORMERS
  1. Concepto y evolución de los modelos de lenguaje
  2. De las redes neuronales recurrentes a los Transformers en el procesamiento del lenguaje
  3. Modelos preentrenados y modelos fundacionales de PLN: BERT, GPT y otras familias
  4. Grandes modelos de lenguaje (LLM) aplicados al procesamiento del lenguaje
  5. Adaptación de modelos de lenguaje a tareas específicas de PLN: fine-tuning y transfer learning
  6. Criterios de selección de un modelo de lenguaje según la tarea de PLN
UNIDAD DIDÁCTICA 3. TÉCNICAS Y APLICACIONES DEL PLN
  1. Procesamiento y preparación de textos
  2. Clasificación y análisis de textos
  3. Extracción de información y reconocimiento de entidades
  4. Análisis de sentimientos y opiniones
  5. Generación, resumen y traducción automática
  6. Búsqueda semántica y recuperación de información
UNIDAD DIDÁCTICA 4. CHATBOTS E INTELIGENCIA ARTIFICIAL CONVERSACIONAL
  1. Evolución de los sistemas conversacionales
  2. Concepto y arquitectura de un chatbot
  3. Chatbots basados en reglas, intención y modelos de lenguaje
  4. LLM como motor de sistemas conversacionales
  5. Contexto, memoria y gestión del diálogo
  6. Voicebots y asistentes conversacionales
  7. Limitaciones y retos de los sistemas conversacionales
UNIDAD DIDÁCTICA 5. DISEÑO Y DESARROLLO DE SISTEMAS CONVERSACIONALES
  1. Diseño de experiencias conversacionales
  2. Definición de objetivos, usuarios y casos de uso
  3. Prompting y diseño de instrucciones
  4. Integración de modelos de lenguaje mediante API
  5. Embeddings y bases de datos vectoriales
  6. RAG (Retrieval-Augmented Generation)
  7. Evaluación y mejora de sistemas conversacionales
UNIDAD DIDÁCTICA 6. HERRAMIENTAS Y PLATAFORMAS PARA EL DESARROLLO DE SISTEMAS CONVERSACIONALES
  1. Frameworks de desarrollo: Rasa, Microsoft Bot Framework y Dialogflow
  2. Orquestación de aplicaciones con LLM: LangChain y LlamaIndex
  3. Plataformas no-code y low-code para chatbots
  4. Despliegue e integración en canales: web, WhatsApp y redes sociales
  5. Pruebas, monitorización y mantenimiento de un chatbot en producción
UNIDAD DIDÁCTICA 7. AGENTES DE IA Y SISTEMAS CONVERSACIONALES AVANZADOS
  1. Concepto y evolución de los agentes de IA
  2. Agentes basados en modelos de lenguaje
  3. Uso de herramientas y conexión con sistemas externos
  4. Memoria, planificación y ejecución de tareas
  5. Sistemas multimodales: texto, voz, imagen y vídeo
  6. Aplicaciones empresariales de agentes y asistentes de IA
UNIDAD DIDÁCTICA 8. SEGURIDAD, ÉTICA Y APLICACIONES DEL PLN Y LA IA CONVERSACIONAL
  1. Matriz de riesgo por caso de uso: dónde la seguridad y la ética del PLN son críticas
  2. Alucinaciones y limitaciones de los modelos de lenguaje
  3. Sesgos, privacidad y protección de datos
  4. Seguridad de los sistemas conversacionales
  5. Evaluación, supervisión y control de sistemas de IA
  6. Diseño responsable de experiencias conversacionales
  7. Tendencias y evolución de la IA conversacional
MÓDULO 8. CHATGPT E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTELIGENCIA ARTIFICIAL Y CHATGPT
  1. ¿Qué es ChatGPT?
  2. Cómo afecta la inteligencia artificial en ChatGPT?
  3. Versiones de ChatGPT y funcionalidades
  4. Usos de ChatGPT
  5. Beneficios de la IA y ChatGPT
UNIDAD DIDÁCTICA 2. CHATGPT Y SU FUNCIONAMIENTO
  1. ¿Cómo funciona ChatGPT?
  2. Diferencias entre ChatGPT y otros chatbots
  3. Procesamiento del Lenguaje Natural (PLN)
  4. Aprendizaje por transferencia
  5. Cómo entrenar un modelo de ChatGPT
UNIDAD DIDÁCTICA 3. CREACIÓN DE UN CHATBOT BÁSICO CON CHATGPT
  1. Elección de la plataforma de desarrollo
  2. Configuración del entorno de desarrollo
  3. Preparación de los datos de entrenamiento
  4. Entrenamiento del modelo de ChatGPT
  5. Integración del modelo en el chatbot
  6. Pruebas y mejora del modelo
UNIDAD DIDÁCTICA 4. MEJORA DE LA INTERACCIÓN CON EL USUARIO
  1. Análisis de la conversación con el usuario
  2. Personalización de la conversación
  3. Uso de emojis y respuestas con imágenes
  4. Integración de voz y audio
  5. Respuestas multilingües
UNIDAD DIDÁCTICA 5. INTEGRACIÓN DE CHATGPT EN UNA PÁGINA WEB O APLICACIÓN
  1. Integración del chatbot en una página web
  2. Integración del chatbot en una aplicación móvil
  3. Personalización del aspecto del chatbot
  4. Gestión de la seguridad y privacidad del usuario
UNIDAD DIDÁCTICA 6. MONETIZACIÓN DE UN CHATBOT
  1. Modelos de negocio para chatbots
  2. Monetización a través de publicidad
  3. Monetización a través de suscripciones
  4. Monetización a través de compras in-app
  5. Análisis del rendimiento y la rentabilidad
UNIDAD DIDÁCTICA 7. ÉTICA Y RESPONSABILIDAD EN LA IA Y LOS CHATBOTS
  1. Aspectos éticos y responsabilidad en la IA
  2. Sesgos en la IA y cómo evitarlos
  3. Derechos y privacidad del usuario
  4. Regulaciones y normativas sobre chatbots
  5. Responsabilidad social y ambiental
UNIDAD DIDÁCTICA 8. APLICACIONES AVANZADAS DE CHATGPT
  1. Chatbots para atención al cliente
  2. Chatbots para servicios financieros
  3. Chatbots para servicios de salud
  4. Chatbots para educación
  5. Chatbots para entretenimiento y ocio
UNIDAD DIDÁCTICA 9. HERRAMIENTAS Y RECURSOS PARA DESARROLLAR CHATBOTS CON CHATGPT
  1. Plataformas de desarrollo de Chatbots
  2. Librerías y frameworks para el desarrollo de IA
  3. Bases de datos y almacenamiento
  4. Recursos de formación y aprendizaje
  5. Comunidades y grupos de apoyo para desarrolladores
UNIDAD DIDÁCTICA 10. CASOS DE USO APLICADOS CON CHATGPT
  1. Desarrollo de un Chatbot avanzado
  2. Caso de estudio en atención al cliente
  3. Caso de estudio en educación
  4. Caso de estudio en salud
  5. 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.

Formulario de solicitud de información