Curso Gratuito Executive Master en Ética e Inteligencia Artificial

UNIDAD DIDÁCTICA 1. LA ÉTICA EN EL CONTEXTO CORPORATIVO.

1. Definición de ética.
2. Normas.
3. Principios éticos.
4. Los códigos éticos.

UNIDAD DIDÁCTICA 2. EL PROCESO DE TOMA DE DECISIONES.

1. La toma de decisiones.
2. Tipos de decisiones.
3. Criterios de decisión. Ambientes.
4. Decisiones secuenciales. Árboles de decisión.

UNIDAD DIDÁCTICA 3. EL MÉTODO RACIONAL O DE OPTIMIZACIÓN EN LA TOMA DE DECISIONES.

1. Introducción.
2. Los métodos cuantitativos.
3. Esquemas resumen.

UNIDAD DIDÁCTICA 4. LA IMPLEMENTACIÓN DE LAS DECISIONES.

1. Procesos de la implementación.
2. Evaluación.
3. Resultados.
4. Consecuencias de la no implementación.

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA

1. ¿Qué es Big Data?
2. La era de las grandes cantidades de información: historia del big data
3. La importancia de almacenar y extraer información
4. Big Data enfocado a los negocios
5. Open data
6. Información pública
7. IoT (Internet of Things–Internet de las cosas)

UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA

1. Diagnóstico inicial
2. Diseño del proyecto
3. Proceso de implementación
4. Monitorización y control del proyecto
5. Responsable y recursos disponibles
6. Calendarización
7. Alcance y valoración económica del proyecto

UNIDAD DIDÁCTICA 3. 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 4. 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 5. 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 6. 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 7. 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 8. 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 9. INTRODUCCIÓN A LA CIENCIA DE DATOS

1. ¿Qué es la ciencia de datos?
2. Herramientas necesarias para el científico de datos
3. Data Science & Cloud Computing
4. Aspectos legales en Protección de Datos

UNIDAD DIDÁCTICA 10. WEKA Y DATA MINING

1. ¿Qué es Weka?
2. Técnicas de Data Mining en Weka
3. Interfaces de Weka
4. Selección de atributos

UNIDAD DIDÁCTICA 11. PYTHON Y EL ANÁLISIS DE DATOS

1. Introducción a Python
2. ¿Qué necesitas?
3. Librerías para el análisis de datos en Python
4. MongoDB, Hadoop y Python. Dream Team del Big Data

UNIDAD DIDÁCTICA 12. R COMO HERRAMIENTA PARA BIG DATA

1. Introducción a R
2. ¿Qué necesitas?
3. Tipos de datos
4. Estadística Descriptiva y Predictiva con R
5. Integración de R en Hadoop

UNIDAD DIDÁCTICA 13. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

1. Obtención y limpieza de los datos (ETL)
2. Inferencia estadística
3. Modelos de regresión
4. Pruebas de hipótesis

UNIDAD DIDÁCTICA 14. ANÁLISIS DE LOS DATOS

1. Inteligencia Analítica de negocios
2. La teoría de grafos y el análisis de redes sociales
3. Presentación de resultados

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS

1. ¿Qué es la visualización de datos?
2. Importancia y herramientas de la visualización de datos
3. Visualización de datos: Principios básicos

UNIDAD DIDÁCTICA 2. TABLEAU

1. ¿Qué es Tableau? Usos y aplicaciones
2. Tableau Server: Arquitectura y Componentes
3. Instalación Tableau
4. Espacio de trabajo y navegación
5. Conexiones de datos en Tableau
6. Tipos de filtros en Tableau
7. Ordenación de datos, grupos, jerarquías y conjuntos
8. Tablas y gráficos en Tableau

UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)

1. Fundamentos D3
2. Instalación D3
3. Funcionamiento D3
4. SVG
5. Tipos de datos en D3
6. Diagrama de barras con D3
7. Diagrama de dispersión con D3

UNIDAD DIDÁCTICA 4. GOOGLE DATA

1. Google Data Studio

UNIDAD DIDÁCTICA 5. QLIKVIEW

1. Instalación y arquitectura
2. Carga de datos
3. Informes
4. Transformación y modelo de datos
5. Análisis de datos

UNIDAD DIDÁCTICA 6. POWER BI

1. Introducción a Power BI
2. Instalación de Power BI
3. Modelado de datos
4. Visualización de datos
5. Dashboards
6. Uso compartido de datos

UNIDAD DIDÁCTICA 7. CARTO

1. CartoDB

UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R

UNIDAD DIDÁCTICA 2. EJES

UNIDAD DIDÁCTICA 3. TÍTULOS

UNIDAD DIDÁCTICA 4. LEYENDAS

UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA

UNIDAD DIDÁCTICA 6. MÁRGENES

UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES

UNIDAD DIDÁCTICA 8. COLORES

UNIDAD DIDÁCTICA 9. TEMAS

UNIDAD DIDÁCTICA 10. LÍNEAS

UNIDAD DIDÁCTICA 11. TEXTO

UNIDAD DIDÁCTICA 12. COORDENADAS

UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS

UNIDAD DIDÁCTICA 14. CINTAS

UNIDAD DIDÁCTICA 15. SUAVIZADOS

UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

1. Introducción a la inteligencia artificial
2. Historia
3. La importancia de la IA

UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL

1. Tipos de inteligencia artificial

UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL

1. Algoritmos aplicados a la inteligencia artificial

UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA

1. Relación entre inteligencia artificial y big data
2. IA y Big Data combinados
3. El papel del Big Data en IA
4. Tecnologías de IA que se están utilizando con Big Data

UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS

1. Sistemas expertos
2. Estructura de un sistema experto
3. Inferencia: Tipos
4. Fases de construcción de un sistema
5. Rendimiento y mejoras
6. Dominios de aplicación
7. Creación de un sistema experto en C#
8. Añadir incertidumbre y probabilidades

UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL

1. Futuro de la inteligencia artificial
2. Impacto de la IA en la industria
3. El impacto económico y social global de la IA y su futuro

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING

1. Introducción
2. Clasificación de algoritmos de aprendizaje automático
3. Ejemplos de aprendizaje automático
4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
5. Tipos de algoritmos de aprendizaje automático
6. El futuro del aprendizaje automático

UNIDAD DIDÁCTICA 2. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

1. Introducción
2. Algoritmos

UNIDAD DIDÁCTICA 3. SISTEMAS DE RECOMENDACIÓN

1. Introducción
2. Filtrado colaborativo
3. Clusterización
4. Sistemas de recomendación híbridos

UNIDAD DIDÁCTICA 4. CLASIFICACIÓN

1. Clasificadores
2. Algoritmos

UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING

1. Componentes
2. Aprendizaje

UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN

1. Introducción
2. El proceso de paso de DSS a IDSS
3. Casos de aplicación

UNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW

1. Aprendizaje profundo
2. Entorno de Deep Learning con Python
3. Aprendizaje automático y profundo

UNIDAD DIDÁCTICA 8. SISTEMAS NEURONALES

1. Redes neuronales
2. Redes profundas y redes poco profundas

UNIDAD DIDÁCTICA 9. REDES DE UNA SOLA CAPA

1. Perceptrón de una capa y multicapa
2. Ejemplo de perceptrón

UNIDAD DIDÁCTICA 10. REDES MULTICAPA

1. Tipos de redes profundas
2. Trabajar con TensorFlow y Python

UNIDAD DIDÁCTICA 11. ESTRATEGIAS DE APRENDIZAJE

1. Entrada y salida de datos
2. Entrenar una red neuronal
3. Gráficos computacionales
4. Implementación de una red profunda
5. El algoritmo de propagación directa
6. Redes neuronales profundas multicapa

UNIDAD DIDÁCTICA 1. FUNDAMENTOS ÉTICOS APLICADOS A LA INTELIGENCIA ARTIFICIAL

UNIDAD DIDÁCTICA 2. ÉTICA Y POLÍTICA DE LA IA

UNIDAD DIDÁCTICA 3. RÉGIMEN JURÍDICO APLICABLE A LA IA

UNIDAD DIDÁCTICA 4. DEBATES ÉTICOS SOBRE REALIDAD VIRTUAL Y USO DE LA IA

UNIDAD DIDÁCTICA 5. CONTROVERSIAS ÉTICAS Y SOCIALES SOBRE LA MEJORA HUMANA APLICANDO INTELIGENCIA ARTIFICIAL

UNIDAD DIDÁCTICA 6. PROTECCIÓN DEL DATO Y DEL ALGORITMO EN IA

UNIDAD DIDÁCTICA 7. TECNOLOGÍAS DIGITALES EMERGENTES Y DERECHO

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN

1. ¿Qué es PLN?
2. ¿Qué incluye el PLN?
3. Ejemplos de uso de PLN
4. Futuro del PLN

UNIDAD DIDÁCTICA 2. PLN EN PYTHON

1. PLN en Python con la librería NLTK
2. Otras herramientas para PLN

UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN

1. Principios del análisis sintáctico
2. Gramática libre de contexto
3. Analizadores sintácticos (Parsers)

UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN

1. Aspectos introductorios del análisis semántico
2. Lenguaje semántico para PLN
3. Análisis pragmático

UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN

1. Aspectos introductorios
2. Pasos en la extracción de información
3. Ejemplo PLN
4. Ejemplo PLN con entrada de texto en inglés

UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT?

1. Aspectos introductorios
2. ¿Qué es un chatbot?
3. ¿Cómo funciona un chatbot?
4. VoiceBots
5. Desafios para los Chatbots

UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS

1. Chatbots y el papel de la Inteligencia Artificial (IA)
2. Usos y beneficios de los chatbots
3. Diferencia entre bots, chatbots e IA

UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS

1. Áreas de aplicación de Chatbots
2. Desarrollo de un chatbot con ChatterBot y Python
3. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

UNIDAD DIDÁCTICA 1. MARKETING, MERCHANDISING Y PUBLICIDAD EN IOB

1. Internet of Behavior

UNIDAD DIDÁCTICA 2. CIENCIAS COGNITIVAS DEL COMPORTAMIENTO

1. Ciencia cognitiva

UNIDAD DIDÁCTICA 3. NEUROPSICOLOGÍA Y CÓMO CAPTAR LA ATENCIÓN DE UN USUARIO

1. Neuropsicología

UNIDAD DIDÁCTICA 4. PRODUCTOS Y CONTENIDOS PERSONALIZADOS GRACIAS AL INTERNET OF BEHAVIORS (IOB)

1. Personalización IOB

UNIDAD DIDÁCTICA 5. VISIÓN POR COMPUTADORA Y ANÁLISIS FACIAL

1. La visión Artificial

UNIDAD DIDÁCTICA 6. PROCESAMIENTO AUTOMÁTICO DE IDIOMAS

1. Procesamiento del lenguaje natural

UNIDAD DIDÁCTICA 7. ANÁLISIS DE COMPORTAMIENTO Y SEGURIDAD OPERACIONAL

1. Análisis de comportamiento

UNIDAD DIDÁCTICA 8. DEL BIG DATA AL ANÁLISIS DE SENTIMIENTOS

1. Análisis de opinión

UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES

1. La visión artificial: definiciones y aspectos principales

UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL

1. Ópticas
2. Iluminación
3. Cámaras
4. Sistemas 3D
5. Sensores
6. Equipos compactos
7. Metodologías para la selección del hardware

UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL

1. Algoritmos
2. Software
3. Segmentación e interpretación de imágenes
4. Metodologías para la selección del software

UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0

1. Aplicaciones clásicas: discriminación, detección de fallos…
2. Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)

UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV

1. Descripción general OpenCV
2. Instalación OpenCV para Python en Windows
3. Instalación OpenCV para Python en Linux
4. Anaconda y OpenCV

UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS

1. Manejo de archivos
2. Leer una imagen con OpenCV
3. Mostrar imagen con OpenCV
4. Guardar una imagen con OpenCV
5. Operaciones aritméticas en imágenes usando OpenCV
6. Funciones de dibujo

UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES

1. Redimensión de imágenes
2. Erosión de imágenes
3. Desenfoque de imágenes
4. Bordeado de imágenes
5. Escala de grises en imágenes
6. Escalado, rotación, desplazamiento y detección de bordes
7. Erosión y dilatación de imágenes
8. Umbrales simples
9. Umbrales adaptativos
10. Umbral de Otsu
11. Contornos de imágenes
12. Incrustación de imágenes
13. Intensidad en imágenes
14. Registro de imágenes
15. Extracción de primer plano
16. Operaciones morfológicas en imágenes
17. Pirámide de imágen

UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING

1. Analizar imágenes usando histogramas
2. Ecualización de histogramas
3. Template matching
4. Detección de campos en documentos usando Template matching

UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR

1. Espacios de color en OpenCV
2. Cambio de espacio de color
3. Filtrado de color
4. Denoising de imágenes en color
5. Visualizar una imagen en diferentes espacios de color

UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS

1. Detección de líneas
2. Detección de círculos
3. Detectar esquinas (Método Shi-Tomasi)
4. Detectar esquinas (método Harris)
5. Encontrar círculos y elipses
6. Detección de caras y sonrisas

UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO

1. Vecino más cercano (K-Nearest Neighbour)
2. Agrupamiento de K-medias (K-Means Clustering)