Curso Gratuito Master en Inteligencia Artificial en el Aula + Titulación Universitaria

Información gratuita

Nombre y apellidos

Email

Teléfono

Situación laboral

País

Provincia

Acepto la Política de Privacidad, el Aviso Legal y la Política de Cookies de cursosgratuitos.es

Curso 100% Bonificable si eres trabajador contratado en el régimen general y envías la documentación de matrícula (en el caso de ser estudiante, desempleado, autónomo, funcionario o jubilado puedes realizar este curso de forma parcialmente subvencionada)

Busca otros cursos gratuitos

Para qué te prepara:

Este Master de Inteligencia Artificial en el Aula te prepara para implementar la IA en tu actividad docente. En esta área, la inteligencia artificial puede servir tanto para la evaluación de destrezas y conocimientos de tus alumnos, como para configurar asistentes virtuales personalizados y detectar precozmente de problemas educativos. Asimismo, te permitirá desarrollar una metodología docente más modernizada y personal que integra herramientas.

A quién va dirigido:

Este Master de Inteligencia Artificial en el Aula está destinado a cualquier docente que quiera aplicar la inteligencia artificial y nuevas tecnologías en clase para desarrollar nuevas metodologías educativas y facilitar sus labores profesionales. Es un máster muy especializado, por lo que se requiere un nivel avanzado en informática con conocimientos base de Python y Arduino.

Titulación:

Doble Titulación: - Titulación de Master en Inteligencia Artificial en el Aula con 1500 horas expedida por EUROINNOVA INTERNATIONAL ONLINE EDUCATION, miembro de la AEEN (Asociación Española de Escuelas de Negocios) y CLADEA (Consejo Latinoamericano de Escuelas de Administración) - Titulación Universitaria en Programación Robótica en el Aula con 5 Créditos Universitarios ECTS. Formación Continua baremable en bolsas de trabajo y concursos oposición de la Administración Pública.

Objetivos:

- Aprender a aplicar la inteligencia artificial y métodos educativos con ayuda de las nuevas tecnologías en el aula. - Profundizar en el funcionamiento del procesamiento del lenguaje natural, de la inteligencia artificial y del machine learning. - Adquirir nociones para crear algoritmos de aprendizaje automático con Tensorflow. - Aplicación de la inteligencia artificial en chatbots. - Ejecutar proyectos de transformación digital en el ámbito educativo.

Salidas Laborales:

Este Master de Inteligencia Artificial en el Aula es perfecto para los docentes que estén interesados en dominar la inteligencia artificial y otras herramientas digitales. Entre sus salidas laborales encontramos: investigador de inteligencia artificial, gestor de proyectos educativos de machine learning y profesor de inteligencia artificial y nuevas tecnologías.

Resumen:

¿Quieres digitalizar tus clases y explotar las alternativas que te aportan las nuevas tecnologías y la inteligencia artificial? Este Máster de Inteligencia Artificial en el Aula te enseña nuevas metodologías y tecnologías educativas emergentes que involucran innovaciones pedagógicas con el uso de las redes sociales, la realidad virtual, la inteligencia artificial, la robótica y otras herramientas digitales destinadas a la gamificación. Te especializamos en machine learning, procesamiento del lenguaje natural, redes neuronales, ideación de chatbots y otras invenciones de última generación. A su vez, te enseñamos a sacarle partido a la plataforma educativa Open P-Tech para nutrir tu formación tecnológica y la de tus alumnos.

Metodología:

Entre el material entregado en este curso se adjunta un documento llamado Guía del Alumno dónde aparece un horario de tutorías telefónicas y una dirección de e-mail dónde podrá enviar sus consultas, dudas y ejercicios. Además recibirá los materiales didácticos que incluye el curso para poder consultarlos en cualquier momento y conservarlos una vez finalizado el mismo.La metodología a seguir es ir avanzando a lo largo del itinerario de aprendizaje online, que cuenta con una serie de temas y ejercicios. Para su evaluación, el alumno/a deberá completar todos los ejercicios propuestos en el curso. La titulación será remitida al alumno/a por correo una vez se haya comprobado que ha completado el itinerario de aprendizaje satisfactoriamente.

Temario:

MÓDULO 1. INTRODUCCIÓN A LAS HUMANIDADES DIGITALES

UNIDAD DIDÁCTICA 1. LAS HUMANIDADES DIGITALES
  1. Orígenes y evolución
  2. Un acercamiento a la definición de humanidades digitales
UNIDAD DIDÁCTICA 2. ESPACIOS Y LÍNEAS DE ACCIÓN EN HUMANIDADES DIGITALES
  1. Las distintas olas de las humanidades digitales
  2. Ciencias sociales y humanidades digitales
  3. La investigación a través de los nuevos medios
  4. Espacios e infraestructuras: Labs, asociaciones y redes
UNIDAD DIDÁCTICA 3. HUMANIDADES DIGITALES, EDUCACIÓN Y CULTURA DIGITAL
  1. Aprender en el siglo XXI
  2. Extraer y construir conocimiento en la era digital
  3. La web semántica y el aprendizaje
  4. Hacia el aprendizaje colaborativo
UNIDAD DIDÁCTICA 4. INNOVAR EN LA CULTURA DIGITAL
  1. Hipermediaciones y nuevos ecosistemas colaborativos
  2. Espacio y tiempo de las hipermediaciones
  3. Desarrollar nuestras habilidades cognitivas
  4. Economía colaborativa y aprendizajes informales

MÓDULO 2. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

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

MÓDULO 3. MACHINE LEARNING Y DEEP LEARNING

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

MÓDULO 4. PROCESAMIENTO DE LENGUAJE NATURAL (PLN)

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. RECURSOS PARA EL PLN
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. PLN en Python con la librería NLTK
  5. 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

MÓDULO 5. CHATBOTS E INTELIGENCIA ARTIFICIAL

UNIDAD DIDÁCTICA 1 .¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?
  1. Introducción a la Inteligencia artificial
  2. El Test de Turing
  3. Agentes Inteligentes
  4. Aplicaciones de la inteligencia artificial
UNIDAD DIDÁCTICA 2. ¿QUÉ ES UN CHATBOT?
  1. Aspectos introductorios
  2. ¿Qué es un chatbot?
  3. ¿Cómo funciona un chatbot?
  4. VoiceBots
  5. Desafíos para los Chatbots
UNIDAD DIDÁCTICA 3. 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 4. 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

MÓDULO 6. MACHINE LEARNING CON ARDUINO Y TENSORFLOW 2.0

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN Y PRIMEROS PASOS
  1. ¿Qué es la inteligencia artificial?
  2. Hardware y software unidos por la Inteligencia Artificial
  3. Inteligencia Artificial y Visión Artificial
  4. Arduino: introducción
UNIDAD DIDÁCTICA 2. PREPARACIÓN DE ARDUINO Y CONFIGURACIÓN DE ENTORNO PYTHON
  1. Instalación de Arduino
  2. Configurando tu Arduino para Python
UNIDAD DIDÁCTICA 3. CODIFICACIÓN Y CONTROL DE ARDUINO CON PYTHON
  1. Control de Arduino
UNIDAD DIDÁCTICA 4. MANEJO DE ENTRADAS ANALÓGICAS CON PYTHON
  1. Manejo de entradas
  2. Entradas analógicas
UNIDAD DIDÁCTICA 5. USO DE SALIDAS ANALÓGICAS
  1. Salidas analógicas
  2. Valores analógicos en Arduino
UNIDAD DIDÁCTICA 6. INTRODUCCIÓN A MACHINE LEARNING
  1. Introducción al machine learning
  2. Aprendizaje supervisado
  3. Aprendizaje no supervisado
UNIDAD DIDÁCTICA 7. REDES NEURONALES, SERIES TEMPORALES Y PROBLEMAS DE REGRESIÓN
  1. Redes neuronales y deep learning
  2. Series Temporales
UNIDAD DIDÁCTICA 8. OBTENCIÓN DE PARÁMETROS EN ARDUINO Y GENERACIÓN DE CONJUNTOS DE DATOS
  1. Funciones y parámetros
  2. Variables y constantes especializadas
  3. Estructura de control
UNIDAD DIDÁCTICA 9. PROCESAMIENTO DE DATOS Y ETAPA DE ENTRENAMIENTO
  1. Introducción
  2. ¿Qué son los datos de entrenamiento de IA?
  3. ¿Por qué se requieren datos de entrenamiento de IA?
  4. ¿Cuántos datos son adecuados?
  5. ¿Qué afecta la calidad de los datos en el entrenamiento?
UNIDAD DIDÁCTICA 10. CREACIÓN DE RED NEURONAL ARTIFICIAL Y APLICACIONES CON ARDUINO Y TENSORFLOW CON KERAS
  1. Crear red neural paso a paso
  2. Redes neuronales: Aprendizaje
  3. Otras redes neuronales

MÓDULO 7. TECNOLOGÍAS Y TRANSFORMACIÓN DIGITAL DEL CENTRO EDUCATIVO

UNIDAD DIDÁCTICA 1. GESTIÓN Y DESARROLLO DE PROYECTOS DE TRANSFORMACIÓN DIGITAL
  1. Fundamentos para la transformación digital escolar
  2. Concepto y fases de la transformación digital
  3. Etapas para la transformación digital de centros educativos
UNIDAD DIDÁCTICA 2. METODOLOGÍAS Y TECNOLOGIAS EDUCATIVAS EMERGENTES
  1. La pizarra digital
  2. Wikis
  3. Blogs
  4. Blended Learning
  5. Realidad aumentada y entornos inmersivos
  6. Flipped Clasroom
  7. Aprendizaje basado en proyectos (ABP)
  8. Gamificación educativa
  9. Mobile learning
UNIDAD DIDÁCTICA 3. REDES SOCIALES EN EDUCACIÓN
  1. Las redes sociales en educación
  2. Rol del docente y del alumnado
  3. Ejemplos de redes sociales educativas
  4. Uso responsable
UNIDAD DIDÁCTICA 4. REALIDAD VIRTUAL Y AUMENTADA APLICADA A EDUCACIÓN
  1. Concepto y propiedades
  2. Tipos
  3. Construcción de recursos
  4. Fundamentos psicológicos
  5. Posibilidades educativas
  6. Aplicaciones educativas
UNIDAD DIDÁCTICA 5. INTELIGENCIA ARTIFICIAL EN EDUCACIÓN
  1. Evolución y Conceptualización de la Inteligencia artificial
  2. Investigación, desarrollo y tecnologías en IA
  3. Inteligencia artificial en educación
UNIDAD DIDÁCTICA 6. ROBÓTICA EDUCATIVA
  1. ¿Qué es la robótica educativa?
  2. Etapas educativas en las que se implementa
  3. Beneficios de la robótica educativa en educación
  4. Introducción de la robótica en el currículo
  5. Robótica educativa en Educación Infantil
  6. Robótica educativa en Educación Primaria
  7. Robótica educativa en la ESO

MÓDULO 8. PROGRAMACIÓN ROBÓTICA EN EL AULA

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA PROGRAMACIÓN. HERRAMIENTAS DE PROGRAMACIÓN. PRIMEROS PASOS CON ARDUINO
  1. Programación y lenguajes de programación
  2. Scratch, S4A, AppInventor, bitbloq, Arduino
  3. Proyecto Arduino
  4. Entradas y salidas digitales
UNIDAD DIDÁCTICA 2. PRIMEROS PASOS CON BITBLOQ
  1. Instalación y configuración de bitbloq
  2. Primer programa: “Hola Mundo”
  3. Sentencias condicionales if-else
  4. Sentencias condicionales switch-case
UNIDAD DIDÁCTICA 3. USO DE VARIABLES Y FUNCIONES. BUCLES DE CONTROL
  1. Variables locales y variables globales
  2. Funciones, parámetros y valor de retorno
  3. Bucle while
  4. Bucle for
UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A LA PROGRAMACIÓN DE ROBOTS MÓVILES. MONTANDO EL EVOLUTION
  1. Robots, tipos, aplicaciones Robots en el aula
  2. El PrintBot Evolution Montaje
  3. Primer Programa con el PrintBot Evolution
  4. Teleoperando el PrintBot Evolution desde Android
UNIDAD DIDÁCTICA 5. PROGRAMACIÓN DE UN ROBOT SIGUELÍNEAS
  1. ¿Qué es un sigue-líneas? ¿Cómo funciona?
  2. Programación de un sigue-líneas
  3. Modificaciones de un sigue-líneas
UNIDAD DIDÁCTICA 6. PROGRAMACIÓN DE UN ROBOT HUYE-LUZ
  1. ¿Qué es un huye-luz? ¿Cómo funciona?
  2. Programación de un huye-luz
  3. Modificaciones de un huye-luz
UNIDAD DIDÁCTICA 7. PROGRAMACIÓN DE UN ROBOT QUE ESQUIVA OBSTÁCULOS
  1. ¿Qué es un evita-obstáculos? ¿Cómo funciona?
  2. Programación de un evita-obstáculos
  3. Modificaciones de un evita-obstáculos
  4. Máquinas de estados
UNIDAD DIDÁCTICA 8. NEUROTECNOLOGÍA: VISIÓN ESPACIAL. HEMISFERIO DERECHO. PENSAMIENTO COMPUTACIONAL

MÓDULO 9. HERRAMIENTAS DIGITALES EN EL AULA

UNIDAD DIDÁCTICA 1. APLICACIÓN DE LA PIZARRA DIGITAL EN LA EDUCACIÓN
  1. Introducción
  2. Configuración y utilización de la PDI
  3. Uso innovador de la PDI en el desarrollo de clase
  4. Recursos educativos para la aplicación de la PDI en el aula
UNIDAD DIDÁCTICA 2. APLICACIÓN DE LAS TABLETS EN LA EDUCACIÓN
  1. Aplicación de las Tablets en la educación
UNIDAD DIDÁCTICA 3. LAS REDES SOCIALES EN EL AULA
  1. Introducción a la aplicación de las redes sociales a la educación
  2. Las redes sociales en la educación
  3. Seguridad y aspectos legales en las redes sociales
UNIDAD DIDÁCTICA 4. GAMIFICATION
  1. Introducción a la gamification
  2. Diseño de Gamification

MÓDULO 10. INTELIGENCIA ARTIFICIAL EN EL AULA CON OPEN P-TECH

UNIDAD DIDÁCTICA 1. PLATAFORMA OPEN P-TECH
UNIDAD DIDÁCTICA 2. MANEJO DE OPEN P-TECH: GESTIÓN DE ALUMNOS, CONTENIDOS Y PROCESO DE APRENDIZAJE
UNIDAD DIDÁCTICA 3. PENSAMIENTO COMPUTACIONAL CON SCRATCH
UNIDAD DIDÁCTICA 4. PLATAFORMA MACHINE LEARNING FOR KIDS. INICIACIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 5. PROYECTOS DE INTELIGENCIA ARTIFICIAL EN EL AULA