Tecnología Informática foto 3
Máster en Inteligencia Artificial

Máster en Inteligencia Artificial

por GRUPO ATRIUM

  1. Masters
  2. /
  3. Masters de Big Data
  4. /
  5. Masters de Big Data Online
  6. /
  7. Master Inteligencia Artificial
  • Lugar/Modalidad:

    Modalidad: Online

  • Duración:

    400 horas

  • 2397 EUR

Prácticas en empresas especializadas

Descripción

¿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.

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

Metodología

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.

Requisitos

Dirigido a:

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.

Objetivos

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¿

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.

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¿

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.

¿Qué Salidas Profesionales tiene el Master?

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.

Temario

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 ID 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.

Programas Relacionados Big Data

MÁSTER EN DATA SCIENCE Y BUSINESS ANALYTICS PARA PROFESIONALES

MÁSTER EN DATA SCIENCE Y BUSINESS ANALYTICS PARA PROFESIONALES

IMF Business School, en colaboración con la Universidad Nebrija, pone en marcha el Máster en Data Science y Business Analytics para profesionales. Este programa pretende proporcionar a sus alumnos las competencias necesarias para poder entender y extraer todo el valor de los datos que dispone una empresa, desde una perspectiva d...

MÁSTER EN BIG DATA AND DATA INTELLIGENCE

MÁSTER EN BIG DATA AND DATA INTELLIGENCE

La gestión inteligente de datos se hace cada vez más necesaria sobretodo actualmente, en el que los conceptos tradicionales han ido evolucionando a estructuras más complejas y diversas y por lo tanto necesitan de fuentes de mayor calidad y consistencia....

CURSO SUPERIOR EN BIG DATA

CURSO SUPERIOR EN BIG DATA

El Análisis de datos es el siguiente paso obligado después de haber implementado modelos de gestión y cambios en la programación de nuestras plataformas empresariales, el modelo CLOUD Data lejos de ser una tendencia, ha llegado para quedarse. Hoy en día TODO se puede y se debe analizar. BIG DATA...

MÁSTER ONLINE BIG DATA ANALYTICS AND PROCESSING FOUNDATIONS

MÁSTER ONLINE BIG DATA ANALYTICS AND PROCESSING FOUNDATIONS

Certifícate como experto en Big Data Processing. Qué es Big Data? Son conjuntos de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales, tales como bases de datos relacionales y es...