Máster en Inteligencia Artificial

El Máster en Inteligencia Artificial se imparte en modalidad Online.

¿Qué es Inteligencia Artificial?
La inteligencia artificial (IA) se refiere al estudio, desarrollo y aplicación de técnicas informáticas que les permiten a las computadoras adquirir ciertas habilidades propias de la inteligencia humana. Algunas de estas son:
• Entender las situaciones y los contextos.
• Identificar objetos y reconocer sus significados.
• Analizar y resolver problemas.Aprender a realizar nuevas tareas.
• Comprender el lenguaje natural.
• Reconocer imágenes.

Salidas Laborales
• Data Scientist
• Experto en Inteligencia Artificial
• Experto en Deep Learning
• Experto en NLP
• Experto en Visión Artificial o
• Experto en dirección de proyectos de Ciencia de Datos e Inteligencia Artificial.

Otros Datos: Profesores Expertos, Formación online tutorizada, Clases/Tutorías en directo, Formación basada en la práctica y en el desarrollo de ejercicios, Programa De Becas Personalizadas y Acceso a Bolsa de Empleo.

Prácticas: Prácticas en empresas especializadas (opcionales). Disponemos de una red de empresas colaboradoras para que puedas cursar tus prácticas.

Este programa está dirigido a personas de diferentes perfiles que quieran orientarse hacia profesiones emergentes relacionadas con la Inteligencia Artificial. Los perfiles pueden ser de tres tipos:
• Perfiles TIC: Personas con conocimientos en informática y programación, ya sea que tengan conocimientos en el área y estén buscando su primer empleo o que ya estén trabajando en el sector TI y quieran especializarse en Inteligencia Artificial.
• Perfiles cuantitativos: Graduados en carreras con un componente cuantitativo fuerte, como estadística, matemáticas, ingenierías, física… que quieran dedicarse a la inteligencia artificial profesionalmente.
• Perfiles de negocio: Graduados y profesionales en diferentes áreas de empresa y economía que quieran especializarse en dirigir equipos, liderar proyectos y vender proyectos de Inteligencia Artificial. Este máster les permitirá adquirir un background técnico sólido en esta área.

1. Adquirirás una visión integradora de la Inteligencia Artificial y el dominio de técnicas avanzadas de Machine Learning, Deep Learning, Natural, Language Processing (NLP), Artificial Vision…
2. Conocerás los procesos de diseño, desarrollo e implementación de sistemas inteligentes por medio del uso de técnicas de Inteligencia Artificial y computación en la nube.
3. Pondrás en práctica los conocimientos teóricos con las herramientas y librerías de software más utilizadas en la industria: Python (Pandas, Numpy, Matplotlib, Skit-Learn…),TensorFlow, Keras, Anaconda, Jupyter Notebooks…
4. Aprenderás qué es la Inteligencia Artificial de una forma práctica mediante casos reales y utilizarás las herramientas y técnicas algorítmicas más punteras en el estado del arte para resolverlos.

Módulo 1: Nociones teóricas iniciales
• Desambiguación de términos: ¿Machine Learning? ¿Deep Learning? ¿Data Science? ¿Big Data?
• Evolución histórica de la Inteligencia Artificial
• Machine Learning: Aprendizaje supervisado, no supervisado y por refuerzo
• Aprendizaje supervisado: Regresión y clasificación

Módulo 2: Herramientas básicas
• Primeros pasos con R
• Programación en Python
• Linux Shell essentials
• Introducción al ecosistema Big Data
• Introducción a la programación distribuida
• Programación distribuida: Py-Spark
• Visión general del ecosistema de bases de datos NoSQL (Clave-valor, Columnares, Documentales y de Grafos)
• NoSQL: MongoDB con PyMongo
• Herramientas y técnicas de visualización
• Visión general de las herramientas Cloud disponibles

Módulo 3: Algoritmos de Machine Learning y su implementación
• ¿Qué es un modelo de machine learning? ¿Qué es el entrenamiento? ¿Cómo valido que mis modelos generalizan correctamente?
• Regresión Lineal
• Regresión Logística
• Algoritmos de agrupamiento (K-Means, Clustering espectral, Clustering jerárquico…)
• Support Vector Machines (SVM)
• Árboles de Decisión y Random Forests
• K Nearest Neighbors (KNN)
• Redes Bayesianas
• Modelos Ocultos de Markov
• Algoritmos de reducción de la dimensionalidad (PCA, t-SNE…)
• Algoritmos de selección de modelos y búsqueda inteligente de hiper parámetros (grid search, random search, cross validation…)
• Modelos Ensemble y Sistemas multi-agente
• Ecosistema Data Science en Python: Skit Learn, Pandas, Numpy, Matplotlib…
• Pre-procesamiento de datos numéricos (Normalización, discretización, estandarización…)

Módulo 4: Deep Learning
• Introducción a los sistemas cognitivos y al aprendizaje profundo
• Perceptrones multi capa (MLP)
• Aspectos prácticos en el entrenamiento de redes neuronales y computación en GPU/TPU
• Redes Convolucionales (CNN)
• Redes Recurrentes (RNN)
• Auto-Encoders
• Redes Generativas Adversarias (GAN)
• Deep Reinforcement Learning (DRL)
• Deep Learning Frameworks: Keras, TensorFlow, Pytorch…

Módulo 5: Procesamiento de Lenguaje Natural
• Pre-procesamiento de texto y creación de corpus (tokenización, lematización, separación de oraciones…)
• Conceptos clave de análisis a nivel de documento (TF-IDF, BoW…)
• Topic Modeling (LDA y LSI)
• Análisis morfológico y morfosintáctico (PoS Tagging)
• Named Entity Recognition
• Embeddings
• Deep Learning aplicado a NLP
• La revolución de los modelos Deep Learning de lenguaje basados en contexto (BERT, ELMo…)
• Modelos de generación de texto y agentes conversacionales
• Ecosistema NLP en Python: NLTK, gensim, spacy, rasa…

Módulo 6: TFM (Opcional)
• El alumno presentará una propuesta de proyecto al docente, que utilice algoritmos y tecnologías vistos en este máster para la resolución de un problema real de negocio.
• Una vez aprobada la propuesta el alumno lo realizará
• Al entregarlo el docente dará su feedback y si este es positivo el alumno tendrá una mención especial en su diploma y prioridad en nuestra bolsa de empleo.

Claustro de profesores:
Daniel Martínez García
Experto en Inteligencia Artificial con dilatada experiencia en el sector. Fue durante años director de I+D en la División de Inteligencia Artificial de Altran y actualmente dirige la parte de Inteligencia Artificial en MonoM (Grupo Álava). Tiene un máster en Big Data y otro en Deep Learning e imparte clases en universidades y escuelas de negocios.

400 horas