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)

  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

  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

  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)

  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

  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

  1. Visión General: ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube

  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?

  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

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

  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

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

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

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

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

  1. Tipos de inteligencia artificial

  1. Algoritmos aplicados a la inteligencia artificial

  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

  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

  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

  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

  1. Introducción
  2. Algoritmos

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

  1. Clasificadores
  2. Algoritmos

  1. Componentes
  2. Aprendizaje

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

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

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

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

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

  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

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

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

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

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

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

  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

  1. ¿Qué es ChatGPT?
  2. Cómo afecta la inteligencia artificial en ChatGPT?
  3. Versiones de ChatGPT y funcionalidades
  4. Usos de ChatGPT
  5. Beneficios de la IA y ChatGPT

  1. ¿Cómo funciona ChatGPT?
  2. Diferencias entre ChatGPT y otros chatbots
  3. Procesamiento del Lenguaje Natural (PLN)
  4. Aprendizaje por transferencia
  5. Cómo entrenar un modelo de ChatGPT

  1. Elección de la plataforma de desarrollo
  2. Configuración del entorno de desarrollo
  3. Preparación de los datos de entrenamiento
  4. Entrenamiento del modelo de ChatGPT
  5. Integración del modelo en el chatbot
  6. Pruebas y mejora del modelo

  1. Análisis de la conversación con el usuario
  2. Personalización de la conversación
  3. Uso de emojis y respuestas con imágenes
  4. Integración de voz y audio
  5. Respuestas multilingües

  1. Integración del chatbot en una página web
  2. Integración del chatbot en una aplicación móvil
  3. Personalización del aspecto del chatbot
  4. Gestión de la seguridad y privacidad del usuario

  1. Modelos de negocio para chatbots
  2. Monetización a través de publicidad
  3. Monetización a través de suscripciones
  4. Monetización a través de compras in-app
  5. Análisis del rendimiento y la rentabilidad

  1. Aspectos éticos y responsabilidad en la IA
  2. Sesgos en la IA y cómo evitarlos
  3. Derechos y privacidad del usuario
  4. Regulaciones y normativas sobre chatbots
  5. Responsabilidad social y ambiental

  1. Chatbots para atención al cliente
  2. Chatbots para servicios financieros
  3. Chatbots para servicios de salud
  4. Chatbots para educación
  5. Chatbots para entretenimiento y ocio

  1. Plataformas de desarrollo de Chatbots
  2. Librerías y frameworks para el desarrollo de IA
  3. Bases de datos y almacenamiento
  4. Recursos de formación y aprendizaje
  5. Comunidades y grupos de apoyo para desarrolladores

  1. Desarrollo de un Chatbot avanzado
  2. Caso de estudio en atención al cliente
  3. Caso de estudio en educación
  4. Caso de estudio en salud
  5. Caso de estudio en ocio

  1. ¿Qué es la inteligencia artificial?
  2. Hardware y software unidos por la Inteligencia Artificial
  3. Inteligencia Artificial y Visión Artificial
  4. Arduino: introducción

  1. Instalación de Arduino
  2. Configurando tu Arduino para Python

  1. Control de Arduino

  1. Manejo de entradas
  2. Entradas analógicas

  1. Salidas analógicas
  2. Valores analógicos en Arduino

  1. Introducción al machine learning
  2. Aprendizaje supervisado
  3. Aprendizaje no supervisado

  1. Redes neuronales y deep learning
  2. Series Temporales

  1. Funciones y parámetros
  2. Variables y constantes especializadas
  3. Estructura de control

  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?

  1. Crear red neural paso a paso
  2. Redes neuronales: Aprendizaje
  3. Otras redes neuronales

  1. Contexto Internet de las Cosas (IoT)
  2. ¿Qué es IoT?
  3. Elementos que componen el ecosistema IoT
  4. Arquitectura IoT
  5. Dispositivos y elementos empleados
  6. Ejemplos de uso
  7. Retos y líneas de trabajo futuras

  1. Contexto Sistemas Ciberfísicos (CPS)
  2. Características CPS
  3. Componentes CPS
  4. Ejemplos de uso
  5. Retos y líneas de trabajo futuras

  1. Conceptos previos
  2. Objetivos de la automatización
  3. Grados de la automatización
  4. Clases de automatización
  5. Equipos para la automatización industrial
  6. Diálogo Hombre-máquina, HMI y SCADA

  1. ¿Qué es la Industria 4.0?
  2. Sensores y captación de información
  3. Ciclo de vida de los productos en la Industria 4.0
  4. Modelos de negocio basados en la industria 4.0
  5. IoT industrial

  1. Tipos de vigilancia tecnológica
  2. Aspectos esenciales de la vigilancia tecnológica
  3. Búsqueda de información
  4. Implantación de la vigilancia tecnológica

  1. Introducción
  2. Concepto y nociones esenciales de la prospectiva tecnológica
  3. Tipología de técnicas para la prospectiva tecnológica
  4. Requisitos de implantación

  1. Internet of Behavior

  1. Ciencia cognitiva

  1. Neuropsicología

  1. Personalización IOB

  1. La visión Artificial

  1. Procesamiento del lenguaje natural

  1. Análisis de comportamiento

  1. Análisis de opinión

  1. La visión artificial: definiciones y aspectos principales

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

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

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

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

  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

  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 imagen

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

  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

  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

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