Master en Inteligencia Artificial Aplicada
practicas
Prácticas Garantizadas
convocatoria
Convocatoria Abierta
modalidad
Online
duracion
1500 H
precio
1895 EUR 1421.25 EUR
practicas
Prácticas
Garantizadas
convocatoria
Convocatoria
Abierta
Las acciones formativas de INESEM tienen modalidad online
Modalidad
Online
Duración de las acciones formativas de INESEM
Duración
1500 H
BECA 25 %
Precio: 1895 EUR AHORA: 1421.25 EUR
Hasta el 29/02/2024
¡Puedes fraccionar tus pagos cómodamente!

Cuota

1421.25 €
350 €/primer mes
Resto de plazos: 1071.25 €/mes

Presentación

Si quieres convertirte en un experto en Inteligencia Artificial, en este Master en Inteligencia Artificial Aplicada aprenderás todas las técnicas y herramientas utilizadas en IA, desde Machine learning, Deep Learning y Visión artificial hasta su aplicación mediante chat GPT, Arduino o mecatrónica.

Adquirirás las habilidades necesarias para impulsar tu carrera en el mundo de la IA, permitiéndote destacar en el mercado laboral actual.

Con reconocimiento de:

QS Stars Rating System
plan de estudios

Para qué te prepara

Gracias a este Máster en Inteligencia Artificial Aplicada aprenderás a explotar esta tecnología mediante el uso de diferentes técnicas y herramientas en multitud de áreas y sectores. Aprenderás a analizar información con Python y R, verás los principios éticos a seguir para la implantación de la IA, desarrollarás chatbots mediante procesamiento de lenguaje natural, explotarás Chat GPT y verás su uso en Mecatrónica, Arduino y visión artificial.


Objetivos
  • Estudiar los conceptos básicos de Big Data, Business Intelligence y Data Science.
  • Desarrollar habilidades en Machine Learning y Deep Learning.
  • Aprender a crear Chatbots con Chat GPT.
  • Conocer el uso de la Inteligencia Artificial en Mecatrónica.
  • Entender la relación entre Ciencias del Comportamiento, Big Data e Inteligencia Artificial.
  • Saber cómo utilizar Python y OpenCV para la Visión Artificial.
  • Comprender los conceptos de ética en la Inteligencia Artificial.

A quién va dirigido

El Máster en Inteligencia Artificial Aplicada está destinado a graduados con formación en áreas de Ingeniería, Ciencias de la Computación, Informática, Matemáticas, Estadística, Economía y Negocios o profesionales que les interese la inteligencia artificial y quieran saber cómo se aplica en diferentes áreas y con diferentes metodologías.


Salidas Profesionales

La inteligencia artificial está en pleno auge. Todas las empresas están buscando profesionales en esta tecnología para diferenciarse del resto de competidores y obtener una ventaja competitiva. Gracias a este Master en Inteligencia Artificial Aplicada optarás a puestos como Data Scientist, IA Engineer, Arquitecto de soluciones de inteligencia artificial o Prompt Engineer.

temario

  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. 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. Filtrado colaborativo
  3. Clusterización
  4. Sistemas de recomendación híbridos
  1. Clasificadores
  2. Algoritmos
  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. Cómo usar loc en Pandas
  2. Cómo eliminar una columna en Pandas
  1. Pivot tables en pandas
  1. Python Pandas fusionando marcos de datos
  1. Algortimo de Naive bayes
  2. Tipos de Naive Bayes
  1. Máquinas de vectores soporte (Support Vector Machine-SVM)
  2. ¿Cómo funciona SVM?
  3. Núcleos SVM
  4. Construcción de clasificador en Scikit-learn
  1. K-nearest Neighbors (KNN)
  2. Implementación de Python del algoritmo KNN
  1. Algorimto de Random Forest
  1. Ética normativa y ética aplicada
  2. Historia y caracteres de la ética de la inteligencia artificial
  3. Ética realista y ética ficción
  4. Inteligencia artificial como objeto y sujeto
  5. Singularidad tecnológica y futuro de la especie humana
  6. Machine ethics. Nuevos entes autónomos y estatus moral
  7. Controversias éticas de la aplicación de la inteligencia artificial
  8. Bioética e inteligencia artificial
  9. Democracia e inteligencia artificial
  1. Gobernanza como sistema de prevención y control de riesgos en la inteligencia artificial
  2. Papel de la UE en la gobernanza de la inteligencia artificial
  3. Evaluaciones de impacto social, ético y legal de inteligencia artificial de alto riesgo
  4. Elaboración de un plan de gobernanza
  1. Principios de la inteligencia artificial responsable
  2. Aspectos de diseño éticos para Machine Learning
  3. Inteligencia artificial explicable (XAI). Hacia la IA responsable
  4. Imparcialidad de Datos (Fairness). Control del sesgo en los modelos
  5. Escenarios con modelos de IA de alto riesgo
  6. Auditabilidad en los sistemas de inteligencia artificial
  7. Sandbox normativo piloto del futuro reglamentario de IA en España
  8. Transparencia en modelos de Machine Learning
  9. Análisis de herramientas software para medir la imparcialidad
  1. Metodología de la ética en la inteligencia artificial
  2. Agentes artificiales morales
  3. Moralidad artificial desde un enfoque funcionalista
  4. Objeciones acerca de agencias morales artificiales
  5. Responsabilidad y Derechos de los robots
  1. Introducción a la filosofía política de la inteligencia artificial
  2. Empleo e inteligencia artificial
  3. Relaciones humanas e inteligencia artificial
  4. Funciones de los Estados e inteligencia artificial
  5. Educación e inteligencia artificial
  6. Salud e inteligencia artificial
  7. Movilidad e inteligencia artificial
  8. Articulación entre ética y política sobre la inteligencia artificial
  9. Globalización e inteligencia artificial
  1. Digitalización al servicio de los Objetivos de Desarrollo Sostenible (ODS)
  2. Estrategia Europea de transición hacia una economía sostenible
  3. Cambio climático global
  4. Mejora de eficiencia en procesos organizativos con IA.
  5. Mejora de eficiencia en prácticas individuales con IA.
  6. Ética ambiental e inteligencia artificial
  1. Armas autónomas
  2. Intervenciones militares teledirigidas
  3. Ética de la guerra
  1. El metaverso
  2. Gemelos digitales humanos
  3. Creación de universos paralelos en 3D
  1. Sistemas autónomos en el ámbito laboral
  2. Inteligencia artificial para la mejora de calidad de vida en ciudades. Mejora del impacto medioambiental
  3. Combinación de smart cities, internet de las cosas y big data
  4. Inteligencia artificial y cuidado personal y sexual
  5. Análisis ético de la incorporación de la robótica en la vida humana
  1. Inteligencia artificial para restaurar funciones físicas y cognitivas deterioradas
  2. Optimizar las capacidades humanas con inteligencia artificial
  3. Debate académico sobre transhumanismo y poshumanismo
  1. ¿Qué es PLN?
  2. ¿Qué incluye el PLN?
  3. Ejemplos de uso de PLN
  4. Futuro del PLN
  1. PLN en Python con la librería NLTK
  2. 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. Desafios 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. 1.¿Qué es Chat GPT?
  2. Cómo afecta la inteligencia artificial en Chat GPT?
  3. Versiones de Chat GPT y funcionalidades
  4. Usos de Chat GPT
  5. Beneficios de la IA y Chat GPT
  1. ¿Cómo funciona Chat GPT?
  2. Diferencias entre Chat GPT y otros chatbots
  3. Procesamiento del Lenguaje Natural (PLN)
  4. Aprendizaje por transferencia
  5. Cómo entrenar un modelo de Chat GPT
  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 Chat GPT
  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 responsablidad 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. Salidas analógicas
  2. Valores analógicos en Arduino
  1. Introducción al machine learning
  2. Aprendizaje supervisado
  3. Aprendizaje no supervisado
  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. Inteligencia Artificial: introducción
  2. Inteligencia de los seres vivos
  3. Inteligencia Artificial
  4. Dominios de aplicación
  5. El campo de la mecatrónica
  6. Las posibilidades de la Inteligencia Artificial
  7. Mecatrónica e Inteligencia Artificial
  1. ¿Qué es un sistema experto en polígonos?
  2. Estructura de un sistema experto
  3. Inferencia: tipos
  4. Construcción de sistemas expertos
  1. Introducción a la lógica difusa
  2. Conjuntos difusos y grados de pertenencia
  3. Operadores sobre los conjuntos difusos
  4. Creación de reglas
  5. Fuzzificación y defuzzificación
  1. Introducción a la búsqueda de rutas
  2. Rutas y grafos
  3. Algoritmos exhaustivos de búsqueda de rutas e "inteligentes"
  4. Implementación
  1. ¿Qué son los algoritmos genéticos?
  2. Evolución biológica y artificial
  3. Elección de la representación
  4. Evaluación, selección y supervivencia
  5. Reproducción: crossover y mutación
  6. Dominios de aplicación
  1. Introducción a las redes neuronales
  2. Origen biológico
  3. La neurona formal
  4. Perceptrón
  5. Redes feed-forward
  6. Aprendizaje
  7. Otras redes
  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)

metodología

claustro

Claustro de Profesores Especializado

Realizará un seguimiento personalizado del aprendizaje del alumno.

campus virtual

Campus virtual

Acceso ilimitado desde cualquier dispositivo 24 horas al día los 7 días de la semana al Entorno Personal de Aprendizaje.

materiales didácticos

Materiales didácticos

Apoyo al alumno durante su formación.

material adicional

Material Adicional

Proporcionado por los profesores para profundizar en cuestiones indicadas por el alumno.

Centro de atención al estudiante (CAE)

Centro de atención al estudiante (CAE)

Asesoramiento al alumno antes, durante, y después de su formación con un teléfono directo con el claustro docente 958 050 242.

inesem emplea

INESEM emplea

Programa destinado a mejorar la empleabilidad de nuestros alumnos mediante orientación profesional de carrera y gestión de empleo y prácticas profesionales.

comunidad

Comunidad

Formada por todos los alumnos de INESEM Business School para debatir y compartir conocimiento.

revista digital

Revista Digital INESEM

Punto de encuentro de profesionales y alumnos con el que podrás comenzar tu aprendizaje colaborativo.

masterclass

Master Class INESEM

Aprende con los mejores profesionales enseñando en abierto. Únete, aprende y disfruta.

Clases online

Clases online

Podrás continuar tu formación y seguir desarrollando tu perfil profesional con horarios flexibles y desde la comodidad de tu casa.

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.

becas

Becas y financiación

Hemos diseñado un Plan de Becas para facilitar aún más el acceso a nuestra formación junto con una flexibilidad económica. Alcanzar tus objetivos profesionales e impulsar tu carrera profesional será más fácil gracias a los planes de Inesem.

Si aún tienes dudas solicita ahora información para beneficiarte de nuestras becas y financiación.

Financiación 100% sin intereses

Información sobre becas Becas aplicables sólamente tras la recepción de la documentación necesaria en el Departamento de Asesoramiento Académico. Más información en el 958 050 205 o vía email en formacion@inesem.es

Información sobre becas * Becas no acumulables entre sí.

Información sobre becas * Becas aplicables a acciones formativas publicadas en inesem.es

Información sobre becas * Becas no aplicables a formación programada.

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."
Titulación:
Titulacion de INESEM

INESEM Business School se ocupa también de la gestión de la Apostilla de la Haya, previa demanda del estudiante. Este sello garantiza la autenticidad de la firma del título en los 113 países suscritos al Convenio de la Haya sin necesidad de otra autenticación. El coste de esta gestión es de 65 euros. Si deseas más información contacta con nosotros en el 958 050 205 y resolveremos todas tus dudas.

claustro

Claustro de profesores:
Bibiana
Bibiana Moreno Leyva

CEO de EducaLMS, proyecto de innovación educativa. Técnica superior en desarrollo de aplicaciones informáticas. Cuenta con más de seis años de

Leer más
Rafael
Rafael Marín

Ingeniero técnico en Informática de Sistemas por la Universidad de Granada (UGR). 
Apasionado de la informática y de las nuevas

Leer más
Daniel
Daniel Cabrera

Licenciado en Ciencias Físicas y con Máster en Implantación, Gestión y Auditoría de Sistemas de Seguridad de Información ISO 27001-27002. /> Administrador de sistemas durante más de 15 años, gestor de plataformas de alta capacidad, escalabilidad y rendimiento. Siempre a la última en todo lo relacionado con tecnologías Cloud, DevOps, SER, etc.
 

Leer más
Daniel
Daniel Rodriguez

Licenciado en Ingeniería Técnica en Informática de Sistemas. Cuenta con más de 10 años de experiencia en el desarrollo y soporte de la aplicación

Leer más
Isaías
Isaías Aranda Cano

Grado Superior en Administración de Sistemas Informáticos. Especialista en ciberseguridad y en el diseño, implementación y gestión de servicios en

Leer más
Juan Antonio
Juan Antonio Cortés Ibáñez
Graduado en Ingeniería Informática por la UGR con Máster Universitario Oficial en Ciencia de Datos e Ingeniería de Computadores por la UGR. Leer más
Francisco Antonio
Francisco Antonio Navarro Matarín

Técnico Superior en PRL y director de Seguridad habilitado por el Ministerio del Interior. Auditor de Sistemas de Gestión: Calidad y PRL. Máster en

Leer más
TAMBIÉN PODRÍA INTERESARTE...
Otras Acciones Formativas relacionadas

5 RAZONES

PARA ELEGIR INESEM

Hay muchas más motivos ¿Quieres conocerlos?

Por qué matricularme en INESEM
logo
ARTÍCULOS RELACIONADOS
Cargando artículos
INESEM EMPLEA

Completa tu formación con nuestro Servicio de Orientación Profesional y nuestro Programa de Entrenamiento por Competencias.

inesem emplea inesem emplea inesem emplea
Universidades colaboradoras
La universidad Antonio de Nebrija es Universidad colaboradora con INESEM Business School La universidad a Distancia de Madrid es Universidad colaboradora con INESEM Business School

Este sitio web utiliza cookies propias y de terceros para mejorar los servicios relacionados con tus preferencias, mediante el análisis de tus hábitos de navegación. En caso de que rechace las cookies, no podremos asegurarle el correcto funcionamiento de las distintas funcionalidades de nuestra página web. Puede obtener más información y cambiar su configuración en nuestra política de cookies.

Tardarás 3 minutos

El responsable del tratamiento es INST. EUROPEO DE ESTUDIOS EMPRESARIALES, S.A.U