958 050 205
100% Online
12 Meses
Flexibilidad horaria
1995€
1596€
-20% (hasta el 17/07/2026)
* Becas y descuentos no aplicables a formación programada
Seguridad y confianza en tus pagos online.- Presentación
- Temario
- Metodología
- Titulación
Descripción
¿Quién puede acceder al master?
El Máster en Inteligencia Artificial está dirigido a profesionales y titulados/as del sector tecnológico que deseen profundizar en áreas avanzadas como Machine Learning, Deep Learning, e IoT, así como explorar aplicaciones en robótica autónoma. Ideal para quienes buscan liderar proyectos innovadores y estratégicos en la industria 4.0 y la transformación digital.s ideal para aquellos que desean desarrollar habilidades en IA y estar preparados para las oportunidades laborales en este campo en auge.
Objetivos
- Comprender la relación entre IA y Big Data para optimizar procesos.
- Implementar redes neuronales para resolver problemas complejos.
- Desarrollar modelos de aprendizaje profundo eficientes.
- Aplicar sistemas ciberfísicos en entornos de la Industria 4.0.
- Diseñar sistemas de visión artificial para análisis en tiempo real.
- Implementar chatbots avanzados usando ChatGPT.
- Llevar a cabo estrategias de IA para transformación empresarial efectiva.
Salidas Profesionales
Las salidas laborales del Máster en Inteligencia Artificial abarcan distintos ámbitos profesionales vinculados al desarrollo y aplicación de sistemas inteligentes. Se puede acceder a puestos relacionados con la creación de algoritmos de machine learning y deep learning, así como con el diseño de soluciones de visión artificial. También se contemplan oportunidades en IoT.
Temario del Máster en Inteligencia Artificial
MÓDULO 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
- Introducción a la inteligencia artificial
- Historia
- La importancia de la IA
UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
- Tipos de inteligencia artificial
UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
- Algoritmos aplicados a la inteligencia artificial
UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
- Relación entre inteligencia artificial y big data
- IA y Big Data combinados
- El papel del Big Data en IA
- Tecnologías de IA que se están utilizando con Big Data
UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
- Sistemas expertos
- Estructura de un sistema experto
- Inferencia: Tipos
- Fases de construcción de un sistema
- Rendimiento y mejoras
- Dominios de aplicación
- Creación de un sistema experto en C#
- Añadir incertidumbre y probabilidades
UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
- Futuro de la inteligencia artificial
- Impacto de la IA en la industria
- El impacto económico y social global de la IA y su futuro
MÓDULO 2. FUNDAMENTOS DE MACHINE LEARNING
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING
- Introducción al Machine Learning
UNIDAD DIDÁCTICA 2. INTRODUCCIÓN A LAS REDES NEURONALES ARTIFICIALES (RNA)
- Introducción a las Redes Neuronales Artificiales (RNA)
UNIDAD DIDÁCTICA 3. CARACTERÍSTICAS DE LAS RNA
- Características de las RNA
UNIDAD DIDÁCTICA 4. CLASIFICACIÓN DE LAS RNA
- Clasificación de las RNA
UNIDAD DIDÁCTICA 5. FUNDAMENTOS DE LAS RNA
- Fundamentos de las RNA
UNIDAD DIDÁCTICA 6. MECANISMOS DE APRENDIZAJE
- Mecanismos de Aprendizaje
UNIDAD DIDÁCTICA 7. TOPOLOGÍAS DE LAS RNA
- Topologías de las RNA
UNIDAD DIDÁCTICA 8. EL PERCEPTRÓN
- El perceptrón
UNIDAD DIDÁCTICA 9. CONSTRUCCIÓN DE UNA RNA
- Construcción de una RNA
UNIDAD DIDÁCTICA 10. INTERPRETACIÓN DE RESULTADOS
- Gráficas de resultados
- Medidas de error de las RNA
- Definición del error aceptable
MÓDULO 3. FUNDAMENTOS DEL DEEP LEARNING
UNIDAD DIDÁCTICA 1. DEL MACHINE LEARNING AL APRENDIZAJE PROFUNDO
- Cómo surge el Deep Learning
- Evolución de las redes neuronales modernas
- Capacidades actuales de los modelos profundos
- Escenarios donde el Deep Learning supera a los métodos tradicionales
UNIDAD DIDÁCTICA 2. ANATOMÍA DE UNA RED NEURONAL PROFUNDA
- Neuronas artificiales y capas ocultas
- Propagación hacia adelante y ajuste de pesos
- Funciones de activación y comportamiento del modelo
- Inicialización de parámetros
- El problema del desvanecimiento del gradiente
UNIDAD DIDÁCTICA 3. ENTRENAMIENTO EFICIENTE DE MODELOS INTELIGENTES
- Descenso por gradiente y optimizadores modernos
- Batch, mini-batch y entrenamiento estocástico
- Técnicas de regularización
- Early stopping y control del sobreajuste
- Ajuste fino de hiperparámetros
UNIDAD DIDÁCTICA 4. REDES CONVOLUCIONALES Y VISIÓN COMPUTACIONAL
- Cómo interpreta imágenes una red neuronal
- Convoluciones, filtros y mapas de características
- Clasificación y detección de objetos
- Transfer learning aplicado a visión artificial
- Casos de uso en medicina, industria y seguridad
UNIDAD DIDÁCTICA 5. MODELOS SECUENCIALES Y MEMORIA ARTIFICIAL
- Redes recurrentes
- Arquitecturas LSTM y GRU
- Tratamiento de secuencias y datos temporales
- Predicción de series temporales
- Aplicaciones en lenguaje, audio y análisis financiero
UNIDAD DIDÁCTICA 6. TRANSFORMERS Y MODELOS GENERATIVOS
- El cambio de paradigma en inteligencia artificial
- Arquitectura Transformer
- Atención y autoatención
- Grandes modelos de lenguaje
- Generación de texto, imagen y audio
- IA generativa aplicada a entornos empresariales
UNIDAD DIDÁCTICA 7. ENTORNOS DE DESARROLLO PARA DEEP LEARNING
- TensorFlow y Keras
- PyTorch y ecosistema actual
- Entrenamiento con GPU
- Gestión de datasets complejos
- Exportación e implementación de modelos
UNIDAD DIDÁCTICA 8. INTERPRETABILIDAD Y RETOS DEL DEEP LEARNING
- Explicabilidad de modelos neuronales
- Sesgos y limitaciones
- Consumo computacional y sostenibilidad
- Seguridad en modelos avanzados
- Tendencias emergentes
MÓDULO 4. IOT (INTERNET DE LAS COSAS) Y SISTEMAS CIBERFÍSICOS EN LA INDUSTRIA 4.0
UNIDAD DIDÁCTICA 1. INTERNET DE LAS COSAS
- Contexto Internet de las Cosas (IoT)
- ¿Qué es IoT?
- Elementos que componen el ecosistema IoT
- Arquitectura IoT
- Dispositivos y elementos empleados
- Ejemplos de uso
- Retos y líneas de trabajo futuras
UNIDAD DIDÁCTICA 2. SISTEMAS CIBERFÍSICOS
- Contexto Sistemas Ciberfísicos (CPS)
- Características CPS
- Componentes CPS
- Ejemplos de uso
- Retos y líneas futuras
UNIDAD DIDÁCTICA 3. CONCEPTOS Y EQUIPOS UTILIZADOS EN AUTOMATIZACIÓN INDUSTRIAL
- Conceptos previos
- Objetivos de la automatización
- Grados de la automatización
- Clases de automatización
- Equipos para la automatización industrial
- Diálogo Hombre-máquina, HMI y SCADA
UNIDAD DIDÁCTICA 4. INDUSTRIA 4.0
- ¿Qué es la Industria 4.0?
- Sensores y captación de información
- Ciclo de vida de los productos en la Industria 4.0
- Modelos de negocio basados en la industria 4.0
- IoT industrial
UNIDAD DIDÁCTICA 5. VIGILANCIA TECNOLÓGICA
- Tipos de vigilancia tecnológica
- Aspectos esenciales de la vigilancia tecnológica
- Búsqueda de información
- Implantación de la vigilancia tecnológica
UNIDAD DIDÁCTICA 6. ESTUDIO DE LA TENDENCIA TECNOLÓGICA
- Introducción
- Concepto y nociones esenciales de la prospectiva tecnológica
- Tipología de técnicas para la prospectiva tecnológica
- Requisitos de implantación
MÓDULO 5. VISIÓN ARTIFICIAL Y SISTEMAS DE PERCEPCIÓN INTELIGENTE
UNIDAD DIDÁCTICA 1. CÓMO VEN LAS MÁQUINAS
- Fundamentos de visión artificial
- Captura y representación digital de imágenes
- Sensores, cámaras y adquisición visual
- Diferencias entre percepción humana y computacional
UNIDAD DIDÁCTICA 2. PROCESAMIENTO DIGITAL DE IMÁGENES
- Filtrado y transformación de imágenes
- Eliminación de ruido y mejora visual
- Detección de contornos y regiones
- Segmentación inteligente
- Reconocimiento de patrones
UNIDAD DIDÁCTICA 3. REDES NEURONALES PARA ANÁLISIS VISUAL
- CNN aplicadas a clasificación
- Modelos para detección de objetos
- Reconocimiento facial y biometría
- Entrenamiento con grandes volúmenes de imágenes
UNIDAD DIDÁCTICA 4. IA EN VÍDEO Y ANÁLISIS EN TIEMPO REAL
- Seguimiento de personas y objetos
- Interpretación automática de escenas
- Detección de movimiento y comportamiento
- Vigilancia inteligente
- Analítica avanzada en streaming de vídeo
UNIDAD DIDÁCTICA 5. VISIÓN ARTIFICIAL EN LA INDUSTRIA Y LA MOVILIDAD
- Inspección visual automatizada
- Vehículos autónomos y percepción del entorno
- Robótica guiada por visión
- Aplicaciones logísticas y productivas
- Gemelos digitales y sistemas visuales inteligentes
UNIDAD DIDÁCTICA 6. TENDENCIAS Y FUTURO DE LA VISIÓN ARTIFICIAL
- Visión artificial generativa y modelos multimodales
- Edge AI y procesamiento visual en dispositivos inteligentes
- Realidad aumentada y percepción aumentada
- Integración con robótica colaborativa e IoT
- Nuevas aplicaciones en salud, retail, seguridad y smart cities
- Evolución tecnológica y desafíos futuros de la percepción inteligente
MÓDULO 6. PROCESAMIENTO DEL LENGUAJE NATURAL E IA CONVERSACIONAL
UNIDAD DIDÁCTICA 1. EL LENGUAJE HUMANO DESDE LA PERSPECTIVA DE LA IA
- Qué es el procesamiento del lenguaje natural
- Ambigüedad y complejidad lingüística
- Evolución de los sistemas lingüísticos inteligentes
- Aplicaciones reales del PLN
UNIDAD DIDÁCTICA 2. PREPARACIÓN Y REPRESENTACIÓN DEL TEXTO
- Tokenización y limpieza textual
- Normalización lingüística
- Stemming y lematización
- Representación vectorial del lenguaje
- Embeddings y contexto semántico
UNIDAD DIDÁCTICA 3. MODELOS LINGÜÍSTICOS Y COMPRENSIÓN DEL TEXTO
- Modelos estadísticos aplicados al lenguaje
- Redes neuronales para texto
- Transformers y atención contextual
- Comprensión semántica avanzada
UNIDAD DIDÁCTICA 4. ANÁLISIS INTELIGENTE DE CONTENIDOS
- Clasificación automática de textos
- Análisis de sentimientos
- Detección de temas y tendencias
- Extracción de entidades
- Automatización documental
UNIDAD DIDÁCTICA 5. CHATBOTS, ASISTENTES Y SISTEMAS CONVERSACIONALES
- Arquitectura de un asistente virtual
- Gestión del diálogo
- Modelos conversacionales generativos
- Personalización de respuestas
- Integración en empresas y servicios digitales
UNIDAD DIDÁCTICA 6. IA GENERATIVA Y GRANDES MODELOS DE LENGUAJE
- Funcionamiento de los LLM
- Prompt Engineering
- Ajuste y especialización de modelos
- Riesgos asociados a la generación automática
- Futuro de la interacción humano-máquina
MÓDULO 7. ROBÓTICA AUTÓNOMA Y AUTOMATIZACIÓN INTELIGENTE
UNIDAD DIDÁCTICA 1. ROBOTS EN LA NUEVA ERA DIGITAL
- Evolución de la robótica
- Componentes físicos y lógicos
- Robots industriales, colaborativos y autónomos
- IA aplicada al movimiento inteligente
UNIDAD DIDÁCTICA 2. PERCEPCIÓN Y TOMA DE DECISIONES EN ROBÓTICA
- Sensores y captura del entorno
- Visión artificial aplicada a robots
- Navegación autónoma
- Planificación de trayectorias
- Localización y mapeo
UNIDAD DIDÁCTICA 3. ROBÓTICA COLABORATIVA EN ENTORNOS PRODUCTIVOS
- Interacción humano-máquina
- Seguridad operacional
- Automatización flexible
- Robots colaborativos en la industria 4.0
UNIDAD DIDÁCTICA 4. SISTEMAS AUTÓNOMOS INTELIGENTES
- Vehículos autónomos
- Drones inteligentes
- Robots de asistencia y servicios
- Automatización en logística y almacenes
UNIDAD DIDÁCTICA 5. IA Y AUTOMATIZACIÓN AVANZADA DE PROCESOS
- Automatización cognitiva
- Integración entre IA y RPA
- Optimización de operaciones complejas
- Ecosistemas inteligentes conectados
UNIDAD DIDÁCTICA 6. HACIA LA ROBÓTICA DEL FUTURO
- Robótica social
- Sistemas autoaprendientes
- Inteligencia colectiva entre robots
- Desafíos éticos y regulatorios
MÓDULO 8. CHATGPT E INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. INTELIGENCIA ARTIFICIAL Y CHATGPT
- ¿Qué es ChatGPT?
- Cómo afecta la inteligencia artificial en ChatGPT?
- Versiones de ChatGPT y funcionalidades
- Usos de ChatGPT
- Beneficios de la IA y ChatGPT
UNIDAD DIDÁCTICA 2. CHATGPT Y SU FUNCIONAMIENTO
- ¿Cómo funciona ChatGPT?
- Diferencias entre ChatGPT y otros chatbots
- Procesamiento del Lenguaje Natural (PLN)
- Aprendizaje por transferencia
- Cómo entrenar un modelo de ChatGPT
UNIDAD DIDÁCTICA 3. CREACIÓN DE UN CHATBOT BÁSICO CON CHATGPT
- Elección de la plataforma de desarrollo
- Configuración del entorno de desarrollo
- Preparación de los datos de entrenamiento
- Entrenamiento del modelo de ChatGPT
- Integración del modelo en el chatbot
- Pruebas y mejora del modelo
UNIDAD DIDÁCTICA 4. MEJORA DE LA INTERACCIÓN CON EL USUARIO
- Análisis de la conversación con el usuario
- Personalización de la conversación
- Uso de emojis y respuestas con imágenes
- Integración de voz y audio
- Respuestas multilingües
UNIDAD DIDÁCTICA 5. INTEGRACIÓN DE CHATGPT EN UNA PÁGINA WEB O APLICACIÓN
- Integración del chatbot en una página web
- Integración del chatbot en una aplicación móvil
- Personalización del aspecto del chatbot
- Gestión de la seguridad y privacidad del usuario
UNIDAD DIDÁCTICA 6. MONETIZACIÓN DE UN CHATBOT
- Modelos de negocio para chatbots
- Monetización a través de publicidad
- Monetización a través de suscripciones
- Monetización a través de compras in-app
- Análisis del rendimiento y la rentabilidad
UNIDAD DIDÁCTICA 7. ÉTICA Y RESPONSABILIDAD EN LA IA Y LOS CHATBOTS
- Aspectos éticos y responsabilidad en la IA
- Sesgos en la IA y cómo evitarlos
- Derechos y privacidad del usuario
- Regulaciones y normativas sobre chatbots
- Responsabilidad social y ambiental
UNIDAD DIDÁCTICA 8. APLICACIONES AVANZADAS DE CHATGPT
- Chatbots para atención al cliente
- Chatbots para servicios financieros
- Chatbots para servicios de salud
- Chatbots para educación
- Chatbots para entretenimiento y ocio
UNIDAD DIDÁCTICA 9. HERRAMIENTAS Y RECURSOS PARA DESARROLLAR CHATBOTS CON CHATGPT
- Plataformas de desarrollo de Chatbots
- Librerías y frameworks para el desarrollo de IA
- Bases de datos y almacenamiento
- Recursos de formación y aprendizaje
- Comunidades y grupos de apoyo para desarrolladores
UNIDAD DIDÁCTICA 10. CASOS DE USO APLICADOS CON CHATGPT
- Desarrollo de un Chatbot avanzado
- Caso de estudio en atención al cliente
- Caso de estudio en educación
- Caso de estudio en salud
- Caso de estudio en ocio
MÓDULO 9. IA EN EL ENTRETENIMIENTO Y LOS MEDIOS
UNIDAD DIDÁCTICA 1. IMPACTO DE LA IA EN LA INDUSTRIA CREATIVA
- Introducción a la industria creativa
- Transformaciones en los procesos de producción artística
- Inteligencia artificial aplicada al cine y la animación
- Aplicaciones en la música y la composición digital
- Innovación en los videojuegos y narrativas interactivas
- Retos éticos y repercusiones en los modelos creativos
UNIDAD DIDÁCTICA 2. GENERACIÓN AUTOMÁTICA DE CONTENIDO: GUIONES, MÚSICA E IMAGEN
- Principios básicos de la generación automática de contenidos
- Creación de guiones y narrativas con modelos generativos
- Aplicaciones de la IA en la composición musical
- Producción de imágenes y estilos visuales sintéticos
- Colaboración entre procesos humanos y automatizados
- Limitaciones creativas y desafíos técnicos de la generación automática
UNIDAD DIDÁCTICA 3. DOBLAJE Y SÍNTESIS DE VOZ CON MODELOS INTELIGENTES
- Fundamentos tecnológicos de la síntesis de voz
- Métodos de clonación y recreación vocal
- Automatización del doblaje en entornos audiovisuales
- Sincronización de voz generada con personajes digitales
- Aplicaciones en accesibilidad y comunicación interactiva
- Consideraciones éticas y legales sobre el uso de voces sintéticas
UNIDAD DIDÁCTICA 4. IA EN VIDEOJUEGOS: PERSONAJES, NARRATIVAS Y MUNDOS DINÁMICOS
- Inteligencia artificial en la evolución de personajes no jugables
- Creación de narrativas adaptativas e interactivas
- Generación procedimental de escenarios y misiones
- Adaptación de la dificultad en función del jugador
- Experiencias inmersivas en mundos dinámicos
- Tendencias futuras en el desarrollo de videojuegos inteligentes
UNIDAD DIDÁCTICA 5. RECOMENDACIÓN PERSONALIZADA EN PLATAFORMAS DE STREAMING
- Sistemas de recomendación basados en IA
- Filtrado colaborativo y análisis de preferencias de usuario
- Personalización de contenidos en catálogos digitales
- Influencia en los hábitos de consumo cultural
- Problemas de sesgo y privacidad en la recomendación personalizada
UNIDAD DIDÁCTICA 6. IA PARA LA EDICIÓN DE VÍDEO: EFECTOS VISUALES Y POSTPRODUCCIÓN
- Posibilidades que ofrece la edición de vídeo
- Automatización de tareas de edición audiovisual
- Reconocimiento de escenas y optimización del montaje
- Aplicación de algoritmos en la mejora de calidad visual
- Creación de efectos especiales con inteligencia artificial
- Integración en los flujos de trabajo de postproducción
UNIDAD DIDÁCTICA 7. SEGUIMIENTO DE AUDIENCIAS Y ANÁLISIS DE TENDENCIAS
- Recopilación de datos de consumo digital
- Técnicas de análisis aplicadas a la medición de audiencias
- Identificación de patrones y segmentación de usuarios
- Predicción de tendencias en el mercado cultural
- Uso estratégico de la información en comunicación y marketing
UNIDAD DIDÁCTICA 8. REALIDAD AUMENTADA Y VIRTUAL POTENCIADAS POR IA
- Conceptos fundamentales de entornos inmersivos
- Inteligencia artificial aplicada a la realidad aumentada
- Personalización de experiencias en realidad virtual
- Adaptación en tiempo real de la interacción con el usuario
- Aplicaciones culturales, educativas y de entretenimiento
- Futuro de la convergencia entre IA, AR y VR
MÓDULO 10. TESTING DE INTELIGENCIA ARTIFICIAL, VALIDACIÓN Y ASEGURAMIENTO DE MODELOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL TESTING DE SISTEMAS BASADOS EN IA
- Qué es el testing de inteligencia artificial
- Diferencias entre testing tradicional y testing de IA
- Riesgos asociados a modelos inteligentes
- Ciclo de vida de validación de un sistema de IA
UNIDAD DIDÁCTICA 2. CALIDAD DEL DATO Y PREPARACIÓN PARA VALIDACIÓN
- Integridad y consistencia de datasets
- Detección de datos corruptos o incompletos
- Sesgos derivados de los datos de entrenamiento
- Validación de calidad antes del entrenamiento
- Estrategias de balanceo y limpieza
UNIDAD DIDÁCTICA 3. MÉTRICAS Y EVALUACIÓN DE MODELOS INTELIGENTES
- Métricas en clasificación y regresión
- Precision, recall y F1-score
- Curvas ROC y rendimiento predictivo
- Evaluación comparativa entre modelos
- Interpretación avanzada de resultados
UNIDAD DIDÁCTICA 4. TESTING FUNCIONAL Y COMPORTAMIENTO DE MODELOS
- Validación funcional de sistemas inteligentes
- Evaluación de respuestas inesperadas
- Robustez frente a entradas atípicas
- Testing de estrés y comportamiento límite
- Simulación de escenarios reales
UNIDAD DIDÁCTICA 5. TESTING EN IA GENERATIVA Y MODELOS LINGÜÍSTICOS
- Evaluación de modelos generativos
- Detección de alucinaciones
- Verificación de coherencia y contexto
- Testing de prompts y respuestas complejas
- Seguridad y control de generación automática
UNIDAD DIDÁCTICA 6. DETECCIÓN DE SESGOS Y EXPLICABILIDAD
- Sesgos algorítmicos y discriminación
- Fairness en sistemas inteligentes
- Interpretabilidad de modelos
- Técnicas XAI aplicadas al testing
- Auditoría y trazabilidad de decisiones
UNIDAD DIDÁCTICA 7. AUTOMATIZACIÓN DEL TESTING EN IA
- Frameworks y herramientas de testing
- Automatización de pruebas inteligentes
- Pipelines de validación continua
- Monitorización automatizada de modelos
- Integración de testing en MLOps
UNIDAD DIDÁCTICA 8. MONITORIZACIÓN Y MANTENIMIENTO EN PRODUCCIÓN
- Drift de datos y degradación del modelo
- Supervisión continua del rendimiento
- Sistemas de alerta y observabilidad
- Reentrenamiento y recalibración
- Estrategias de mantenimiento evolutivo
UNIDAD DIDÁCTICA 9. CUMPLIMIENTO, SEGURIDAD Y CERTIFICACIÓN DE IA
- Requisitos regulatorios en sistemas inteligentes
- Validación ética y legal
- Seguridad en modelos desplegados
- Certificación y estándares de calidad
- Tendencias actuales en AI Testing
MÓDULO 11. DESARROLLO DE SOLUCIONES BASADAS EN INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. PLANIFICACIÓN DE PROYECTOS DE IA
- Identificación de necesidades y oportunidades
- Diseño estratégico de soluciones inteligentes
- Viabilidad técnica y operativa
- Definición de arquitectura funcional
UNIDAD DIDÁCTICA 2. ENTORNOS Y ECOSISTEMAS DE DESARROLLO
- Configuración de entornos de trabajo
- Herramientas y frameworks actuales
- Gestión de dependencias y versiones
- Entornos colaborativos para IA
UNIDAD DIDÁCTICA 3. ARQUITECTURAS TECNOLÓGICAS PARA SOLUCIONES DE IA
- Arquitecturas escalables para IA
- Microservicios y soluciones distribuidas
- Integración entre modelos y aplicaciones
- Sistemas multimodales y procesamiento híbrido
UNIDAD DIDÁCTICA 4. DESARROLLO DE APIS Y SERVICIOS INTELIGENTES
- APIs para modelos de inteligencia artificial
- Integración con aplicaciones web y móviles
- Automatización de flujos inteligentes
- Comunicación entre servicios y plataformas
UNIDAD DIDÁCTICA 5. IA EN LA NUBE Y ENTORNOS ESCALABLES
- Cloud Computing aplicado a IA
- Infraestructura distribuida
- Escalabilidad y balanceo de carga
- Optimización de recursos computacionales
UNIDAD DIDÁCTICA 6. CONTENERIZACIÓN Y DESPLIEGUE DE MODELOS
- Virtualización y contenedores
- Docker aplicado a inteligencia artificial
- Orquestación de servicios inteligentes
- Publicación y despliegue continuo
UNIDAD DIDÁCTICA 7. MLOPS Y AUTOMATIZACIÓN DEL CICLO DE VIDA
- Introducción a MLOps
- Automatización de entrenamiento y despliegue
- Integración continua y entrega continua
- Versionado de modelos y datasets
- Gestión operativa de modelos inteligentes
UNIDAD DIDÁCTICA 8. SEGURIDAD Y PROTECCIÓN DE SOLUCIONES INTELIGENTES
- Seguridad en APIs y servicios IA
- Protección frente a ataques adversariales
- Gestión segura de datos y modelos
- Continuidad y recuperación de servicios
UNIDAD DIDÁCTICA 9. OPTIMIZACIÓN Y RENDIMIENTO DE SISTEMAS BASADOS EN IA
- Reducción de latencia
- Optimización de inferencia
- Edge AI y procesamiento eficiente
- Escalabilidad avanzada de soluciones inteligentes
MÓDULO 12. GOBIERNO, ESTRATEGIA Y TRANSFORMACIÓN EMPRESARIAL CON INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. DIRECCIÓN ESTRATÉGICA DE INICIATIVAS DE IA
- Cómo definir una estrategia corporativa basada en IA
- Madurez digital y adopción organizacional
- Priorización de iniciativas inteligentes
- Alineación entre negocio, tecnología y datos
UNIDAD DIDÁCTICA 2. GOBERNANZA DEL DATO Y TOMA DE DECISIONES
- Modelos de gobierno del dato
- Calidad, trazabilidad y control de la información
- Políticas de acceso y gestión de datos sensibles
- Inteligencia artificial orientada a la toma de decisiones
- Cuadros de mando inteligentes
UNIDAD DIDÁCTICA 3. GESTIÓN DEL CAMBIO EN ORGANIZACIONES IMPULSADAS POR IA
- Transformación cultural en entornos automatizados
- Adaptación de equipos y nuevos perfiles profesionales
- Liderazgo en procesos de innovación tecnológica
- Resistencia al cambio y estrategias de adopción
- Modelos de colaboración entre áreas técnicas y de negocio
UNIDAD DIDÁCTICA 4. IA APLICADA A LA EXPERIENCIA DEL CLIENTE
- Personalización avanzada de servicios
- Customer journey basado en analítica inteligente
- Automatización de la atención y soporte
- Modelos predictivos de comportamiento del cliente
- Fidelización mediante inteligencia artificial
UNIDAD DIDÁCTICA 5. DIRECCIÓN DE PRODUCTOS INTELIGENTES
- Diseño de productos digitales basados en IA
- Roadmaps tecnológicos
- Gestión de ciclos de vida de productos inteligentes
- Escalabilidad y evolución funcional
- Monetización de soluciones basadas en datos
UNIDAD DIDÁCTICA 6. IA EN FINANZAS, NEGOCIO Y OPERACIONES CORPORATIVAS
- Automatización financiera inteligente
- Predicción y análisis de riesgos
- Optimización de operaciones empresariales
- IA aplicada a supply chain y logística corporativa
- Inteligencia de negocio y analítica avanzada
UNIDAD DIDÁCTICA 7. MARCOS LEGALES Y REGULACIÓN INTERNACIONAL DE LA IA
- Regulación europea sobre inteligencia artificial
- Cumplimiento normativo y responsabilidad empresarial
- Propiedad intelectual en sistemas generativos
- Gestión legal de datos y automatización
- Auditorías regulatorias en entornos inteligentes
Metodología
EDUCA LXP se basa en 6 pilares
Item
Distintiva
EDUCA EDTECH Group es proveedor de conocimiento. Respaldado por el expertise de nuestras instituciones educativas, el alumnado consigue una formación relevante y avalada por un sello de calidad como es el grupo EDUCA EDTECH.
Realista
La metodología EDUCA LXP prescinde de conocimientos excesivamente teóricos o de métodos prácticos poco eficientes. La combinación de contenidos en constante actualización y el seguimiento personalizado durante el proceso educativo hacen de EDUCA LXP una metodología única.
Student First
La metodología EDUCA LXP y la formación del grupo EDUCA EDTECH conciben al estudiante como el centro de la experiencia educativa, nutriéndose de su retroalimentación. Su feedback es nuestro motor del cambio.
Inteligencia Artificial
La personalización en el aprendizaje no sería posible sin una combinación precisa entre experiencia académica e investigación tecnológica, así como la Inteligencia Artificial. Por eso contamos con herramientas IA de desarrollo propio, adaptadas a cada institución educativa del grupo.
Profesionales en activo
Nuestro equipo de profesionales docentes, además de ser especialistas en su sector, cuentan con una formación específica en el manejo de herramientas tecnológicas que conforman el ecosistema EDUCA EDTECH.
Timeless Learning
La formación debe ser una experiencia de vida, concibiendo el e-learning como una excelente solución para los desafíos de la educación convencional. Entendemos el aprendizaje como un acompañamiento continuo del estudiante en cada momento de su vida.
Titulación del Máster en Inteligencia Artificial
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."
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.
También podría interesarte...
Otras Acciones Formativas relacionadas
Explora nuestras Áreas Formativas
Construye tu carrera profesional
Descubre nuestro amplio Catálogo Formativo, incluye programas de Cursos Superior, Expertos, Master Profesionales y Master Universitarios en las diferentes Áreas Formativas para impulsar tu carrera profesional.
Máster en Inteligencia Artificial
100% Online
12 Meses
Flexibilidad horaria
1995€
1596€
1995€
1596€