Claustro de Profesores Especializado
Realizará un seguimiento personalizado del aprendizaje del alumno.
Tendencias:
No hemos encontrado resultados relativos a la búsqueda realizada.
Puedes volver a intentarlo de nuevo realizando una nueva búsqueda.
No hemos encontrado resultados relativos a la búsqueda realizada.
Puedes volver a intentarlo de nuevo realizado una nueva búsqueda.
Master en Inteligencia Artificial y Deep Learning
Garantizadas
Abierta
Online
1500 H
BECA
25 %
Precio: 1795 EUR
AHORA: 1346.25 EUR
Hasta el 30/11/2023
¡Puedes fraccionar tus pagos cómodamente!
Cuota
1346.25 €
200 €/primer mes
Resto de plazos: 1146.25 €/mes
Presentación
Según un estudio de Constellation Reserach, en 2025 el mercado de la inteligencia artificial superará los 100 mil millones de dólares. Asimismo, el 61% de las organizaciones que realizan una estrategia de innovación utiliza la IA para identificar oportunidades. Este hecho, ha provocado un incremento de la búsqueda de profesiones con conocimientos en el sector. Conviértete en el candidato ideal con el Master Inteligencia Artificial y Deep Learning
plan de estudios
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.
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.
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.
Salidas Profesionales
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.
temario
- Introducción a la inteligencia artificial
- Historia
- La importancia de la IA
- Tipos de inteligencia artificial
- Algoritmos aplicados a la inteligencia artificial
- 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
- 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
- Futuro de la inteligencia artificial
- Impacto de la IA en la industria
- El impacto económico y social global de la IA y su futuro
- Introducción
- Clasificación de algoritmos de aprendizaje automático
- Ejemplos de aprendizaje automático
- Diferencias entre el aprendizaje automático y el aprendizaje profundo
- Tipos de algoritmos de aprendizaje automático
- El futuro del aprendizaje automático
- Introducción
- Algoritmos
- Introducción
- Filtrado colaborativo
- Clusterización
- Sistemas de recomendación híbridos
- Clasificadores
- Algoritmos
- Componentes
- Aprendizaje
- Introducción
- El proceso de paso de DSS a IDSS
- Casos de aplicación
- Aprendizaje profundo
- Entorno de Deep Learning con Python
- Aprendizaje automático y profundo
- Redes neuronales
- Redes profundas y redes poco profundas
- Perceptrón de una capa y multicapa
- Ejemplo de perceptrón
- Tipos de redes profundas
- Trabajar con TensorFlow y Python
- Entrada y salida de datos
- Entrenar una red neuronal
- Gráficos computacionales
- Implementación de una red profunda
- El algoritmo de propagación directa
- Redes neuronales profundas multicapa
- ¿Qué es PLN?
- ¿Qué incluye el PLN?
- Ejemplos de uso de PLN
- Futuro del PLN
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- PLN en Python con la librería NLTK
- Otras herramientas para PLN
- Principios del análisis sintáctico
- Gramática libre de contexto
- Analizadores sintácticos (Parsers)
- Aspectos introductorios del análisis semántico
- Lenguaje semántico para PLN
- Análisis pragmático
- Aspectos introductorios
- Pasos en la extracción de información
- Ejemplo PLN
- Ejemplo PLN con entrada de texto en inglés
- Introducción a la Inteligencia artificial
- El Test de Turing
- Agentes Inteligentes
- Aplicaciones de la inteligencia artificial
- Aspectos introductorios
- ¿Qué es un chatbot?
- ¿Cómo funciona un chatbot?
- VoiceBots
- Desafios para los Chatbots
- Chatbots y el papel de la Inteligencia Artificial (IA)
- Usos y beneficios de los chatbots
- Diferencia entre bots, chatbots e IA
- Áreas de aplicación de Chatbots
- Desarrollo de un chatbot con ChatterBot y Python
- Desarrollo de un chatbot para Facebook Messenger con Chatfuel
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Compunting
- Aspectos legales en Protección de Datos
- Introducción
- El modelo relacional
- Lenguaje de consulta SQL
- MySQL. Una base de datos relacional
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python. Dream Team del Big Data
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
- Inteligencia Analítica de negocios
- La teoría de grafos y el análisis de redes sociales
- Presentación de resultados
- La visión artificial: definiciones y aspectos principales
- Ópticas
- Iluminación
- Cámaras
- Sistemas 3D
- Sensores
- Equipos compactos
- Metodologías para la selección del hardware
- Algoritmos
- Software
- Segmentación e interpretación de imágenes
- Metodologías para la selección del software
- Aplicaciones clásicas: discriminación, detección de fallos…
- Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
- Descripción general OpenCV
- Instalación OpenCV para Python en Windows
- Instalación OpenCV para Python en Linux
- Anaconda y OpenCV
- Manejo de archivos
- Leer una imagen con OpenCV
- Mostrar imagen con OpenCV
- Guardar una imagen con OpenCV
- Operaciones aritméticas en imágenes usando OpenCV
- Funciones de dibujo
- Redimensión de imágenes
- Erosión de imágenes
- Desenfoque de imágenes
- Bordeado de imágenes
- Escala de grises en imágenes
- Escalado, rotación, desplazamiento y detección de bordes
- Erosión y dilatación de imágenes
- Umbrales simples
- Umbrales adaptativos
- Umbral de Otsu
- Contornos de imágenes
- Incrustación de imágenes
- Intensidad en imágenes
- Registro de imágenes
- Extracción de primer plano
- Operaciones morfológicas en imágenes
- Pirámide de imágen
- Analizar imágenes usando histogramas
- Ecualización de histogramas
- Template matching
- Detección de campos en documentos usando Template matching
- Espacios de color en OpenCV
- Cambio de espacio de color
- Filtrado de color
- Denoising de imágenes en color
- Visualizar una imagen en diferentes espacios de color
- Detección de líneas
- Detección de círculos
- Detectar esquinas (Método Shi-Tomasi)
- Detectar esquinas (método Harris)
- Encontrar círculos y elipses
- Detección de caras y sonrisas
- Vecino más cercano (K-Nearest Neighbour)
- Agrupamiento de K-medias (K-Means Clustering)
- 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
- Contexto Sistemas Ciberfísicos (CPS)
- Características CPS
- Componentes CPS
- Ejemplos de uso
- Retos y líneas de trabajo futuras
metodología
Campus virtual
Acceso ilimitado desde cualquier dispositivo 24 horas al día los 7 días de la semana al Entorno Personal de Aprendizaje.
Materiales didácticos
Apoyo al alumno durante su formación.
Material Adicional
Proporcionado por los profesores para profundizar en cuestiones indicadas por el alumno.
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
Programa destinado a mejorar la empleabilidad de nuestros alumnos mediante orientación profesional de carrera y gestión de empleo y prácticas profesionales.
Comunidad
Formada por todos los alumnos de INESEM Business School para debatir y compartir conocimiento.
Revista Digital INESEM
Punto de encuentro de profesionales y alumnos con el que podrás comenzar tu aprendizaje colaborativo.
Master Class INESEM
Aprende con los mejores profesionales enseñando en abierto. Únete, aprende y disfruta.
Clases online
Podrás continuar tu formación y seguir desarrollando tu perfil profesional con horarios flexibles y desde la comodidad de tu casa.
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.
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
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
* Becas no acumulables entre sí.
* Becas aplicables a acciones formativas publicadas en inesem.es
* 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:
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 30 euros. Si deseas más información contacta con nosotros en el 958 050 205 y resolveremos todas tus dudas.
claustro
Claustro de profesores:
Rafael Marín
Ingeniero técnico en Informática de Sistemas por la Universidad de Granada (UGR).
Apasionado de la informática y de las nuevas
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
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
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
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.
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
TAMBIÉN PODRÍA INTERESARTE...
Otras Acciones Formativas relacionadas
5 RAZONES
PARA ELEGIR INESEM
RAZÓN
1
CLAUSTRO ESPECIALIZADO
Formado por profesores/as universitarios/as de prestigio y profesionales de contrastada experiencia
RAZÓN
2
PRÁCTICAS PROFESIONALES
Bolsa de empleo y practicas que te facilita la incorporación al mercado laboral. 90% de inserción laboral de nuestros alumnos
RAZÓN
3
CAMPUS
ONLINE
Estudia a tu ritmo en cualquier lugar y desde cualquier dispositivo
RAZÓN
4
PROGRAMA
DE BECAS
Descubre nuestro plan de becas y financia al 100% sin intereses el importe de tu matrícula
RAZÓN
5
CONTENIDOS ACTUALIZADOS
Te formarás en programas eminentemente prácticos adaptados a la realidad del mercado laboral
Hay muchas más motivos ¿Quieres conocerlos?
Por qué matricularme en INESEM
INESEM EMPLEA
Completa tu formación con nuestro Servicio de Orientación Profesional y nuestro Programa de Entrenamiento por Competencias.
Universidades colaboradoras
