1. Inicio
  2. Capacitación Profesional
  3. Informática y programación
  4. IFCT0019. Inteligencia artificial aplicada a la empresa.

- Aplicar en empresas conocimientos acerca de la inteligencia artificial, sus diversas ramas y más específicamente aquellas relacionadas con Big Data, Deep Learning y los algoritmos relacionados con estas nuevas tecnologías.
- Implementar aplicaciones basadas en IA para ser usadas en la empresa.
- Navegar por la historia de la inteligencia artificial para saber la esencia sobre la que se sustenta el complejo mundo de esta tecnología, reconociendo así la razón de su existencia y desarrollo de su potencial.
- Distinguir los tipos de aprendizaje automático para construir modelos predictivos basados en inteligencia artificial, conociendo los numerosos algoritmos y conjuntos de algoritmos que se pueden utilizar.
- Descubrir distintos modelos predictivos, aprendiendo el funcionamiento de una plataforma de aprendizaje automático.
- Revelar las oportunidades que ofrecen la inteligencia artificial y el big data para el mundo de las empresas, descubriendo herramientas que tienen integrada este tipo de tecnología y métodos de trabajo que sirven para fomentar una cultura Data Driven dentro de los negocios para ser más competitivos.
- Aportar una visión estratégica que permita identificar oportunidades de negocio basados en inteligencia artificial, conociendo ejemplos, herramientas y recursos humanos.
- Proveer una comprensión integral y práctica del lenguaje de programación Python en su aplicación en el desarrollo de soluciones de inteligencia artificial.

Unidad 1. Introducción a la inteligencia artificial
Introducción
Definición. Historia
Principio y campos de aplicaciones
Ramas de la inteligencia artificial. Algoritmos
Machine/Deep Learning
Big data: el cambio en la IA
Resumen

Unidad 2. Algoritmos de la IA
Introducción
Machine Learning, Deep Learning y aprendizaje por refuerzo
Machine Learning: modelos supervisados
Construcción de un modelo de Machine Learning
Métricas de rendimiento de un modelo de Machine Learning
Algoritmos de inteligencia artificial
Machine Learning: modelos no supervisados
Aprendizaje por refuerzo
Modelos profundos (Deep Learning)
Resumen

Unidad 3. Ejemplos de modelos
Introducción
Procesamiento de datos con Orange y Weka
Orange
Weka
Resumen

Unidad 4. Aplicaciones en la empresa
Introducción
Recursos humanos y técnicas de datos. People Analytics
Predicción: stocks, demandas, comportamientos
Segmentación: análisis de oferta. Identificar tendencias
Fidelización de clientes usando aprendizaje reforzado
Estrategias nacionales para el desarrollo de la inteligencia artificial
Recomendaciones web
Mejora de procesos
Resumen

Unidad 5. Recursos basados en inteligencia artificial aplicables a la empresa
Introducción
Oportunidades que ofrece la inteligencia artificial
Impacto de la inteligencia artificial en las empresas
Recursos basados en inteligencia artificial aplicables a la empresa
Resumen

Unidad 6. Python e inteligencia artificial: fundamentos y aplicaciones avanzadas
Introducción
Fundamentos de big data
Técnicas de minería de datos
Big data e inteligencia artificial
ChatGPT y los sesgos de la inteligencia artificial generativa
Pasos para construir un proyecto de k
     Definir el objetivo
     Obtener los datos
     Limpiar los datos
     Enriquecer los datos
     Encontrar insights
     Desplegar Machine Learning
     Iterar
Los profesionales del big data
     Ingeniero de datos
     Analistas de datos
     Arquitecto de datos
     Especialista en IA
     Científico de datos
Sistemas de aprendizaje automático vs sistemas de aprendizaje manual
     Arquitectura de big Data: marco integral de herramientas tecnológicas
Construcción de un proyecto de Machine Learning
Usos, métodos, enfoques del aprendizaje automático y lenguajes de programación
     Métodos de aprendizaje automático
     Enfoques algorítmicos
     K-Nearets Neighbors (KNN)
     Árboles de decisión
     Aprendizaje profundo
     Aprendizaje por refuerzo
Construcción de un clasificador de aprendizaje automático en Python con Scikit Learn
     Configuración de un entorno de programación Python
     Pasos para la instalación de Python 3
          Importar Scikit Learn
          Importar el conjunto de datos de Scikit Learn
          Organizar datos en conjuntos
          Construcción del modelo y evaluación de las predicciones
Construcción de una red neural para el reconocimiento de números escritos a mano en TensorFlow con Python
     Configuración del proyecto
     Importar datos de MNIST
     Definición de la arquitectura de la red neuronal artificial
     Construcción del gráfico de TensorFlow
     Proceso de entrenamiento y pruebas
Generación de código con inteligencia artificial
Gemini
Vertex AI
Resumen

Cursos relacionados

¿Quieres ver todas las acciones formativas relacionadas？

Ver todos