El Máster en Inteligencia Artificial. Gestión e Implantación de Modelos ofrece una especialización avanzada para profesionales que buscan liderar la integración estratégica de la IA en sus organizaciones, optimizando procesos y estrategias empresariales. Este programa te proporciona una comprensión profunda de los modelos y algoritmos que impulsan la innovación, abordando desde los fundamentos de la Inteligencia Artificial y sus diversos tipos, hasta la implementación de proyectos de IA de principio a fin. Te especializarás en la gestión de modelos de IA, explorando algoritmos de Machine Learning y Deep Learning para una toma de decisiones estratégicas informadas y la resolución de desafíos complejos. Adquirirás habilidades críticas en la preparación de datos de autoservicio, utilizando herramientas esenciales como Excel, Talend y Dataprep by Trifacta para optimizar la calidad, accesibilidad y gobernanza de la información, un pilar fundamental para el éxito de cualquier iniciativa de IA. Profundizarás en Data Mining, extrayendo valor y patrones ocultos que impulsarán la innovación y la ventaja competitiva en diversos sectores. Esta formación te permitirá gestionar e implantar modelos de IA con solvencia técnica y estratégica, posicionándote como un referente en la dirección de proyectos tecnológicos avanzados y la optimización de procesos mediante la Inteligencia Artificial, contribuyendo directamente al crecimiento, la eficiencia operativa y la transformación digital de tu organización.
Objectives
Liderar la conceptualización y desarrollo de iniciativas de IA, comprendiendo su potencial estratégico y limitaciones.
Diseñar estrategias para la implementación de algoritmos de Machine Learning y Deep Learning, optimizando su aplicación organizacional.
Gestionar la preparación y procesamiento de datos con herramientas como Excel, Talend y Dataprep by Trifacta, asegurando la calidad para modelos de IA.
Implementar proyectos de IA de principio a fin, desde el diseño hasta la puesta en producción, garantizando su integración efectiva.
Evaluar el impacto de las soluciones de IA, midiendo su rendimiento y ajustando estrategias para maximizar el retorno de la inversión.
Tomar decisiones informadas sobre la selección y aplicación de tipos de IA, alineándolas con los objetivos de negocio.
Integrar la visión global del Data Mining para extraer patrones y conocimientos valiosos, impulsando la innovación y ventaja competitiva.
Dirigir equipos multidisciplinares en la ejecución de proyectos de IA, fomentando la colaboración y la eficiencia.
Methodology
At Educa PHAROS, we use a highly practical methodology focused on the direct application of knowledge in the student’s professional environment, combining theoretical content with real-world case studies, digital tools, and the guidance of a specialized teaching team.
Program
The State of the Art in Artificial Intelligence
Philosophy of Artificial Intelligence
The Future of Artificial Intelligence
Project Development Processes Using Artificial Intelligence
Data: Your Greatest Asset
Machine Learning
Deep Learning
Transformers
Synthetic Data Generation
Hyperparameters in Artificial Intelligence Models
Linear Regression
Nonlinear Regression and Support Vector Machines (SVM)
Decision Trees and Random Forests
Fuzzy Logic and Gradient Descent
Recommendation Systems
Setting Up the Development Environment: Anaconda, Visual Studio Code, and Python
Input Dataset and Data Processing
TensorHub, TensorFlow, and Keras
Image Processing
Generating Artificial Intelligence Models
Introduction
Alfabetización de los datos
Trabajar con datos
Soluciones y técnicas para tratamiento de datos
Gestión de la calidad de datos
Trabajar con datos en Excel
Conjunto de datos (DATASET)
Data Cleasing con Excel
Data Wrangling con Excel
Data Blending en Excel
Instalación Talend Data Preparation Desktop
Trabajar con datos en Talend
Data Cleasing con Talend
Data Wrangling con Talend
Data Blending con Talend
Registro en dataprep by Trifacta
Trabajar con datos con Dataprep by Trifacta
Data Cleasing con Trifacta
Data Wrangling con Dataprep by Trifacta
Data Blending con Dataprep by Trifacta
Introduction
Regresión lineal, múltiple y logística (I)
Regresión lineal, múltiple y logística (II)
Máquina de vectores soporte (SVM)
Árboles de decisión
KNN (K-Nearest Neighbors)
Naive bayes
Evaluación de modelos supervisados
Ejercicio de ejemplo
Ejercicio propuesto
Introducción a clustering: propósito y métricas
K-means clustering
Clústering jerárquico, otras técnicas y ejemplos
Análisis de componentes principales (PCA)
Ejercicio de ejemplo PCA
Redes neuronales artificiales (ANN) (I)
Redes neuronales artificiales (ANN) (II)
Redes neuronales artificiales (ANN) (III)
Ejercicio de ejemplo
Ejercicio propuesto
Introduction
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
Introduction
Algoritmos
Introduction
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
Clasificadores
Algoritmos
Componentes
Aprendizaje
Introduction
El proceso de paso de DSS a IDSS
Casos de aplicación
Deep Learning
Entorno de Deep Learning con Python
Aprendizaje automático y profundo
Redes neuronales
Redes profundas y redes poco profundas
Perceptrón de una capa y multicapa
Ejemplo de perceptrón
Tipos de redes profundas
Entrada y salida de datos
Entrenar una red neuronal
Gráficos computacionales
Implementación de una red profunda
El algoritmo de propagación directa
Redes neuronales profundas multicapa
Introducción a Power BI
Diferentes tipos de Power BI: ¿es realmente gratis?
Sumerjámonos en ello: primer informe simple
Power Query: fuente de datos
Transformación de datos
Modelado de datos
Comenzando con DAX (I)
Comenzando con DAX (II)
Dominando DAX (I)
Dominando DAX (II)
Tabla y matriz
Tendencias
Cómo filtrar tus datos adecuadamente
Marcadores
Obtención de detalles
Entendiendo Power BI Service
Compartiendo contenido en Power BI Service
Comparando Power BI Service y Power Report Service
Integrando Python y R en Power BI Desktop
Introduciendo Bravo para Power BI Desktop
- Regresión Lineal.
- Regresión Logística.
- Redes Neuronales.
- Clustering.
Principal Component Analysis (PCA).
- Redes neuronales profundas.
- Optimización de algoritmos.
- Redes neuronales convolucionales.
- Redes neuronales recurrentes.
- NPL. Procesamiento de lenguaje natural.
- Creación de Tablas e informes.
- Transformación y filtrado de datos.
- Visualización de los datos.
- Cálculo. Relaciones entre tablas de datos, métricas e indicadores.
- Panel de control dinámico e interactivo.
- Aplicación. Clasificación de objetos en imágenes.
- Aplicación. Detección de objetos en imágenes.
- Aplicación. Reconocimiento facial.
- Aplicación. Detección de palabras para asistentes de voz.
- Aplicación. Business Intelligence.
Cuarta revolución industrial
Transformación digital en las empresas
Fundamentos y puntos clave
Beneficios
Tecnologías habilitadoras
Big Data
Cloud Computing
Blockchain
Artificial Intelligence
Realidad virtual y aumentada
BIM
Robots colaborativos
Fabricación aditiva
Hiperconectividad
IOT
Manufacturing Execution System (MES)
Integración y eficiencia de procesos
Casos de uso
Nuevas metodologías: agile, lean startup o design thinking
Change Management
Introduction
Elementos clave para la gestión de proyectos de IA
Características de los proyectos de IA
Introducción a las principales metodologías ágiles y de ideación
Integración de las diferentes metodologías
Introduction
Fase I: Empatizar
Fase II: Definir
Fase III: Idear
Fase IV: prototipar
Lean start-up. Conceptos básicos
Lean Start-up. Herramientas
Scrum. Introducción
Scrum. Roles
Scrum. Ceremonias y artefactos
Introduction
Ideando el proyecto
Ejecutando el proyecto
Algunos consejos a la hora de implementar las metodologías
Educa PHAROS is a training solution for businesses that centralizes learning, simplifies user management, and allows progress to be tracked through dashboards and reports.
It is designed for organizations that want to develop internal skills, standardize role-based training, and have traceability and learning metrics.
It includes learning paths by profile, user and permission management, progress reports, certification, and access to masterclasses or live sessions (depending on the plan).
It is based on best practices in security, access control, learning tracking, and implementation support. Customize this text according to your commitments (SLA, compliance, etc.).
Educa PHAROS is a next-generation training model that places a company’s human capital at the forefront. Through a platform that adapts to each company’s corporate image and offers a total of more than 900 courses, it provides training tailored to each organization’s specific needs. The unlimited flat-rate plan provides each company with the number of courses that best suits its needs, as well as the ability to determine which employees will have access.
Digital Transformation and Smart Infrastructure 
Spanish 
Credits: 60 ECTS
Leadership and Management 
Spanish
60 ECTS