1. Inicio
  2. Capacitación Profesional
  3. Informática y programación
  4. (Formación mixta: Aula virtual+online). 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.

Índice parte aula virtual:

1. Introducción a las aplicaciones de Inteligencia Artificial
1.1 Como la IA ayuda en tareas cotidianas
1.2 Tipos de herramientas de IA y principales usos
1.3 ChatGPT como ejemplo de IA conversacional

2. ChatGPT y usos prácticos
2.1 Redacción de textos y mejora del lenguaje
2.2 Resolución de problemas y generación de ideas
2.3 Cómo aprovechar ChaTGPT en proyectos educativos o laborales

3. Herramientas de IA para tareas diarias
3.1 Corrección de textos y sugerencias de estilo
3.2 Diseño gráfico simplificado

4. IA para automatización y productividad
4.1 MAke: creación de flujos de trabajo automáticos
4.2 N&N: organización y planificación asistida por IA

5. Creación de contenidos con IA
5.1 Herramientas de redacción optimizada
5.2 Creación de videos a partir de textos
5.3 Diseño de presentaciones atractivas

6. Aspectos clave para usar la IA de forma responsable
6.1 Limitaciones comunes en las herramientas de IA
6.2 Ética en el uso de herramientas para trabajos académicos o creativos
6.3 Consejos para combinar creatividad humanda con el apoyo de IA

Índice parte online:

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