Para qué te prepara:
El Máster en Inteligencia Artificial y Deep Learning busca la formación en un ámbito cada vez más demandado por multitud de empresas que apuestan por el desarrollo de software y sistemas inteligentes gracias a la aplicación de la Inteligencia Artificial, el Machine Learning, el IOT y el Deep Learning. Promoviendo una revolución en la empresa con la Industria 4.0.
A quién va dirigido:
Este Máster en Inteligencia Artificial y Deep Learning busca formar a profesionales en uno de los sectores laborales más demandados en la actualidad, el del comportamiento inteligente y automatizado de cualquier sistema. Si eres un apasionado de las nuevas tecnologías y tienes inquietudes sobre todo lo que nos depara el futuro tecnológico, este es tu máster.
Titulación:
Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales “Enseñanza no oficial y no conducente a la obtención de un título con carácter oficial o certificado de profesionalidad.”
Objetivos:
- Manejar, programar y parametrizar herramientas avanzadas de machine learning para la creación de software inteligente. - Construir sistemas inteligentes capaces de dar respuesta a la demanda actual. - Conocer el desarrollo de chatbots. - Desarrollar un sistema Deep Learning. - Descubrir la visión artificial, el iot y su aplicación para la industria 4.0.
Salidas Laborales:
Mediante la realización de este Máster en Inteligencia Artificial y Deep Learning podrás trabajar como Director de proyectos en inteligencia artificial, Ingeniero Software y Programador de Inteligencia Artificial en proyectos de Deep learning, entre otros muchos campos.
Resumen:
El Máster en Inteligencia Artificial y Deep Learning proporciona formación en un ámbito cada vez más demandado por las empresas que apuestan por el desarrollo de software y sistemas inteligentes gracias al Deep Learning, el IOT y la visión artificial, así como la construcción de sistemas artificiales con capacidad de interacción con su entorno y los usuarios. Este Máster en Inteligencia Artificial y Deep Learning busca formar a profesionales en uno de los sectores laborales más demandados en la actualidad, el del comportamiento inteligente y automatizado de cualquier sistema. Si eres un apasionado de las nuevas tecnologías y tienes inquietudes sobre todo lo que nos depara el futuro tecnológico, este es tu máster. En INESEM podrás trabajar en un Entorno Personal de Aprendizaje donde el alumno es el protagonista asesorado por un equipo docente especialista en el sector.
Metodología:
Con nuestra metodología de aprendizaje online, el alumno comienza su andadura en INESEM Business School a través de un campus virtual diseñado exclusivamente para desarrollar el itinerario formativo con el objetivo de mejorar su perfil profesional. El alumno debe avanzar de manera autónoma a lo largo de las diferentes unidades didácticas así como realizar las actividades y autoevaluaciones correspondientes. La carga de horas de la acción formativa comprende las diferentes actividades que el alumno realiza a lo largo de su itinerario. Las horas de teleformación realizadas en el Campus Virtual se complementan con el trabajo autónomo del alumno, la comunicación con el docente, las actividades y lecturas complementarias y la labor de investigación y creación asociada a los proyectos. Para obtener la titulación el alumno debe aprobar todas la autoevaluaciones y exámenes y visualizar al menos el 75% de los contenidos de la plataforma. Por último, es necesario notificar la finalización de la acción formativa desde la plataforma para comenzar la expedición del título.
Temario:
MÓDULO 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
MÓDULO 2. MACHINE LEARNING Y DEEP LEARNING
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING
UNIDAD DIDÁCTICA 2. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
UNIDAD DIDÁCTICA 3. SISTEMAS DE RECOMENDACIÓN
UNIDAD DIDÁCTICA 4. CLASIFICACIÓN
UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING
UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN
UNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
UNIDAD DIDÁCTICA 8. SISTEMAS NEURONALES
UNIDAD DIDÁCTICA 9. REDES DE UNA SOLA CAPA
UNIDAD DIDÁCTICA 10. REDES MULTICAPA
UNIDAD DIDÁCTICA 11. ESTRATEGIAS DE APRENDIZAJE
MÓDULO 3. PROCESAMIENTO DE LENGUAJE NATURAL (PLN)
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN
UNIDAD DIDÁCTICA 2. RECURSOS PARA EL PLN
UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN
UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN
UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN
MÓDULO 4. CHATBOTS E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1 .¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?
UNIDAD DIDÁCTICA 2. ¿QUÉ ES UN CHATBOT?
UNIDAD DIDÁCTICA 3. RELACIÓN ENTRE IA Y CHATBOTS
UNIDAD DIDÁCTICA 4. ÁMBITOS DE APLICACIÓN CHATBOTS
MÓDULO 5. DATA SCIENCE Y PROGRAMACIÓN ESTADÍSTICA CON PYTHON Y R
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA CIENCIA DE DATOS
UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
UNIDAD DIDÁCTICA 3. PYTHON Y EL ANÁLISIS DE DATOS
UNIDAD DIDÁCTICA 4. R COMO HERRAMIENTA PARA BIG DATA
UNIDAD DIDÁCTICA 5. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
UNIDAD DIDÁCTICA 6. ANÁLISIS DE LOS DATOS
MÓDULO 6. MACHINE LEARNING CON ARDUINO Y TENSORFLOW 2.0
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN Y PRIMEROS PASOS
UNIDAD DIDÁCTICA 2. PREPARACIÓN DE ARDUINO Y CONFIGURACIÓN DE ENTORNO PYTHON
UNIDAD DIDÁCTICA 3. CODIFICACIÓN Y CONTROL DE ARDUINO CON PYTHON
UNIDAD DIDÁCTICA 4. MANEJO DE ENTRADAS ANALÓGICAS CON PYTHON
UNIDAD DIDÁCTICA 5. USO DE SALIDAS ANALÓGICAS
UNIDAD DIDÁCTICA 6. INTRODUCCIÓN A MACHINE LEARNING
UNIDAD DIDÁCTICA 7. REDES NEURONALES, SERIES TEMPORALES Y PROBLEMAS DE REGRESIÓN
UNIDAD DIDÁCTICA 8. OBTENCIÓN DE PARÁMETROS EN ARDUINO Y GENERACIÓN DE CONJUNTOS DE DATOS
UNIDAD DIDÁCTICA 9. PROCESAMIENTO DE DATOS Y ETAPA DE ENTRENAMIENTO
UNIDAD DIDÁCTICA 10. CREACIÓN DE RED NEURONAL ARTIFICIAL Y APLICACIONES CON ARDUINO Y TENSORFLOW CON KERAS
MÓDULO 7. VISIÓN ARTIFICIAL Y SU APLICACIÓN EN LA INDUSTRIA 4.0
UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES
UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL
UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL
UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0
MÓDULO 8. PROGRAMACIÓN DE VISIÓN ARTIFICIAL CON PYTHON Y OPENCV
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN E INSTALACIÓN DE OPENCV
UNIDAD DIDÁCTICA 2. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS
UNIDAD DIDÁCTICA 3. TRATAMIENTO DE IMÁGENES
UNIDAD DIDÁCTICA 4. HISTOGRAMAS Y TEMPLATE MATCHING
UNIDAD DIDÁCTICA 5. COLORES Y ESPACIOS DE COLOR
UNIDAD DIDÁCTICA 6. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS
UNIDAD DIDÁCTICA 7. APRENDIZAJE AUTOMÁTICO
MÓDULO 9. IOT (INTERNET DE LAS COSAS) Y SISTEMAS CIBERFÍSICOS EN LA INDUSTRIA 4.0
UNIDAD DIDÁCTICA 1. INTERNET DE LAS COSAS
UNIDAD DIDÁCTICA 2. SISTEMAS CIBERFÍSICOS
MÓDULO 10. PROYECTO FIN DE MÁSTER