Solicitud de información
Overview
El Curso Universitario en Inteligencia Artificial es un programa especializado de Ciencia de Datos con una metodología 100% online sincrónica (con instructor en vivo) y ejecutivo. Pensado para cualquier estudiante, independientemente de su ubicación física, graduación o especialidad profesional.
Esta especialidad dota al alumno de todos los conocimientos técnicos necesarios para ejecutar cualquier proyecto de ciencia de datos en sus distintas vertientes: analítica avanzada, aprendizaje automático (Machine Learning), aprendizaje profundo (Deep Learning) o Big Data.
El programa educativo es ejecutivo, y está diseñado para que cualquier profesional, sea de la especialidad o profesión que sea, pueda adquirir estos conocimientos técnicos y los pueda aplicar en cualquier ámbito. Se fundamenta en el principio de "aprender haciendo", por lo que este plan de estudio se enfoca en resolver casos de negocios.
El programa completo consta de 5 asignaturas y al final de cada módulo el estudiante estará plenamente capacitado para poner en práctica todos los conocimientos adquiridos. Al final del programa, el estudiante estará preparado para abordar cualquier proyecto de ciencia de datos de complejidad moderada con total autonomía.
Targeted to
- Dirigido a titulados universitarios que estén interesados en esta formación.
Objetives
Facilitar que cualquier profesional que usa datos de manera habitual y no tenga conocimientos técnicos ni fundamentos de programación o ciencia de datos, sea capaz de desarrollar proyectos de Analítica Avanzada o Aprendizaje Automático con total autonomía usando Python como lenguaje de programación.
Objetivos Específicos
- Desarrollar proyectos de Ciencia de datos aplicado.
- Estructurar un proyecto de Ciencia de datos, de principio a fin.
- Diseñar algoritmos y modelos estadísticos de aprendizaje automático.
- Estudiar la computabilidad de un problema.
- Desarrollar código en Python para Ciencia de datos.
- Interpretar resultados de modelos predictivos.
- Desarrollo de soluciones de datos.
- Aplicación de aprendizaje profundo.
- Reconocimiento de imagen.
- Análisis de previsiones, Regresión, Clasificación, Agrupación, Asociación y Detección de anomalías.
- Comprensión del diseño de una infraestructura de datos.
- Gestión integral del gobierno del dato.
In association with
El Curso Universitario en Inteligencia Artificial es un programa especializado de Ciencia de Datos con una metodología 100% online sincrónica (con instructor en vivo) y ejecutivo. Pensado para cualquier estudiante, independientemente de su ubicación física, graduación o especialidad profesional.
Esta especialidad dota al alumno de todos los conocimientos técnicos necesarios para ejecutar cualquier proyecto de ciencia de datos en sus distintas vertientes: analítica avanzada, aprendizaje automático (Machine Learning), aprendizaje profundo (Deep Learning) o Big Data.
El programa educativo es ejecutivo, y está diseñado para que cualquier profesional, sea de la especialidad o profesión que sea, pueda adquirir estos conocimientos técnicos y los pueda aplicar en cualquier ámbito. Se fundamenta en el principio de "aprender haciendo", por lo que este plan de estudio se enfoca en resolver casos de negocios.
El programa completo consta de 5 asignaturas y al final de cada módulo el estudiante estará plenamente capacitado para poner en práctica todos los conocimientos adquiridos. Al final del programa, el estudiante estará preparado para abordar cualquier proyecto de ciencia de datos de complejidad moderada con total autonomía.
Targeted to
- Dirigido a titulados universitarios que estén interesados en esta formación.
Objetives
Facilitar que cualquier profesional que usa datos de manera habitual y no tenga conocimientos técnicos ni fundamentos de programación o ciencia de datos, sea capaz de desarrollar proyectos de Analítica Avanzada o Aprendizaje Automático con total autonomía usando Python como lenguaje de programación.
Objetivos Específicos
- Desarrollar proyectos de Ciencia de datos aplicado.
- Estructurar un proyecto de Ciencia de datos, de principio a fin.
- Diseñar algoritmos y modelos estadísticos de aprendizaje automático.
- Estudiar la computabilidad de un problema.
- Desarrollar código en Python para Ciencia de datos.
- Interpretar resultados de modelos predictivos.
- Desarrollo de soluciones de datos.
- Aplicación de aprendizaje profundo.
- Reconocimiento de imagen.
- Análisis de previsiones, Regresión, Clasificación, Agrupación, Asociación y Detección de anomalías.
- Comprensión del diseño de una infraestructura de datos.
- Gestión integral del gobierno del dato.
-
Program
Program
Ciencia de datos para analistas de negocio - 6 ECTS
- Introducción y conceptos fundamentales
- Estructura de datos para análisis
- Análisis avanzado de datos
- Algoritmos no supervisados
- Algoritmos supervisados de regresión
- Algoritmos supervisados de clasificación
- Análisis de texto y Procesamiento de Lenguaje Natural
- Data Storytelling
- Modelos de optimización lineal con PulP
- Valor económico de la ciencia de datos
Aprendizaje Automático con Python - 6 ECTS
- Flujo de trabajo de Aprendizaje Automático
- Manipulación de datos con Pandas
- Análisis exploratorio de datos
- Análisis de series de tiempo y manipulación de fechas
- Análisis de regresión con scikit-learn
- Análisis de clasificación con scikit-learn
- Análisis de agrupación con scikit-learn
- Análisis de texto con NLTK
- Puesta en producción con streamlit y Gradio
Gobernanza de datos y Diseño de soluciones - 6 ECTS
- El ciclo CRISP-DM
- Fundamentos del gobierno de datos
- Calidad de datos
- Gestión de la metadata
- Gestión de riesgos de datos
- Gestión de seguridad de datos
- Infraestructura óptima para la gestión y gobierno de datos
- Ciclo de madurez de la gestión de datos
- Desing thinking
- Metodologías Agile
Fundamentos de Ingeniería de Big Data - 6 ECTS
- Introducción a Big Data
- El papel de un Ingeniero de datos
- Infraestructuras de datos
- Bases de datos clásicas para analítica
- Bases de datos NoSQL
- Herramientas de ETL
- Procesado y limpieza de datos
- Infraestructuras de Big Data
Aprendizaje Profundo e Inteligencia Artificial - 6 ECTS
- Introducción y tipos de redes neuronales
- Regresión con redes neuronales
- Clasificación con redes neuronales
- Series temporales con redes neuronales
- Análisis de imagen con redes neuronales
- Aplicaciones complejas de detección de imágenes y sonidos
- Exploración y análisis de proyectos con redes neuronales
- Aplicaciones avanzadas de redes neuronales
Proyecto Final de curso
- Documentación de un proyecto
- Ejecución y desarrollo de una solución
- Validación de resultados
- Presentación del proyecto
- Evaluación final
Teachers
- Pablo Barrachina Pastor. Ingeniero Técnico en Informática de Gestión. Universidad Politécnica de Alicante. CAP por UPV.
- Pablo Campos Sover. Ingeniero Técnico en Informática de Gestión. Universidad Politécnica de Alicante. Project Manager Certificado.
- Pablo Jesús Moreno González. Diplomado en Ciencias Empresariales. Universidad de Málaga. Postgrado en Inteligencia Artificial. Universidad de Texas – McCombs School of Business.
- Luca Ariel Piatelli. Licenciado en Administración de Empresas. Universidad del Aconcagua. Master en Inteligencia de Negocios. ENEB.
- Pau Sempere Sánchez. Máster en Ingeniería Informática. Universidad Politécnica de Alicante. Ciencias Computacionales. American University in Bulgaria.
-
Methodology and materials
Teaching system and study methodology
Metodología 100% online sincrónica (con instructor en vivo).
El sistema de evaluación del aprendizaje es continuo y se fundamenta en la realización de diferentes tipos de actividades didácticas:
- Actividades de aprendizaje: pruebas de evaluación basadas en la generación colectiva del conocimiento.
- Test de autoevaluación: pruebas de evaluación on-line interactivas.
- Actividades de Evaluación Continua (AEC): supuestos y casos prácticos, trabajos de búsqueda de información, realización y presentación de informes.
- Examen o Caso práctico final al final de cada asignatura.
Este tipo de prueba de evaluación permite constatar el cumplimiento de los objetivos de aprendizaje previstos en cada asignatura. Los modelos de casos prácticos serán elaborados por los profesores respectivos
Teaching materials
El material didáctico está compuesto por:
- Presentaciones elaboradas por los profesores.
- Block de notas con casos prácticos resueltos (Python).
- Material de estudio adicional.
-
Calendar and Fees
Duration, enrollment periods and start dates
Para información acerca de fechas de inicio y plazos de matrícula puede rellenar el formulario de Solicitud de Información o ponerse directamente en contacto con la empresa.
Fees and payment methods
Precio 3.990,00€.
Forma de pago: Tarjeta bancaria (débito / crédito), Transferencia bancaria.