Máster en Inteligencia Artificial para la Transformación de Negocios

Módulo 1- La IA: Fundamentos y principales tecnologías

En este módulo el estudiante se introducirá en el mundo de la IA y su aplicación en los negocios, abordando temas como:

• Conceptos claves de la IA.
• Historia de la IA, poniendo foco en los hitos clave, tales como el Test de Turing, el desarrollo de soluciones DSS/IDSS, apoyo en la toma de decisiones, etc.
• Principales tecnologías IA, con una reseña especial a la IA generativa, por su momento actual
• La organización “data-driven”.
• Bases de ejecución de proyectos de IA y su diferencia con la ejecución tradicional de IT.

Módulo 2- Impacto socio-económico de la IA

En este módulo, el estudiante adquirirá una visión integrada del concepto de IA en el contexto socioeconómico actual. En este, el estudiante verá temas como:

• Impacto económico de la IA e industria 4.0.
• Impacto de la IA en las personas: consideraciones éticas, sociales y legales.
• Modelo de adopción y madurez de IA en las organizaciones. IA Maturity Models como herramienta de posicionamiento de las organizaciones.

A raíz del impulso que están tomando las tecnologías de IA generativa, se incluirán casos de aplicación en las diferentes industrias. También se analizarán los principales problemas éticos y legales que suscitan este tipo de tecnologías.

Módulo 3- Introducción al Machine Learning: datos y algoritmos

Este módulo introducirá al estudiante en el Machine Learning, proporcionando aquellos conceptos clave para su correcta comprensión. Se tratarán temas como:

• Conceptos clave de Machine Learning.
• La importancia de los datos.
• Calidad y gobierno de los datos.
• Algoritmos Machine Learning: riesgos y limitaciones

Módulo 4- Modelos Machine Learning: optimización y aplicaciones

En este módulo se proporcionarán las claves para optimizar el resultado de los modelos de Machine Learning, a la vez que se abordará el proceso vinculado a la minimización de riesgos en la generación de aplicaciones basadas en IA. Los temas que se trabajarán son:

• Optimización de los modelos.
• Calidad de datos para una analítica robusta.
• Generación de aplicaciones basadas en Machine Learning.

Módulo 5- Redes Neuronales

A lo largo de este quinto módulo, el estudiante se adentrará en el mundo de las Redes Neuronales y verá temas como:

• Diseño de redes neuronales.
• Monitorización y detección de problemas en entrenamientos de redes neuronales.
• Arquitecturas para problemas cognitivos: visión por computador y análisis de series temporales.
• Redes generativas.
• Reutilización y adaptación de modelos neuronales pre-entrenados.
• Desarrollo de redes neuronales con PyTorch

Módulo 6- Procesado de lenguaje natural

En este módulo se revisarán de forma detallada las técnicas y modelos para diferentes casos de uso habituales de procesado de lenguaje natural en lengua española:

• Tokenización de palabras y subpalabras. Separación de oraciones.
• Clasificación de textos.
• Etiquetado de secuencias, reconocimiento de entidades con nombre.
• Representación de palabras en espacio vectorial: semántica distribucional y contextual.
• Modelos de secuencia a secuencia: traducción, paráfrasis y resumen.
• Transformers: El estado del arte en NLP.
• BERT para NLP.

Módulo 7- Aplicaciones empresariales de la IA y su impacto de negocio

En este módulo se introducirá al estudiante en las principales aplicaciones de negocio de la IA. Algunos de los temas que se abordarán son:

• Interacción inteligente: la optimización de la experiencia de cliente, a través de la hiperpersonalización, interfaces conversacionales y explotación de datos en tiempo real.
• Productos y servicios inteligentes: las capacidades que proporciona la IA y la búsqueda de nuevos modelos de negocio y mercados.
• Operaciones inteligentes: combinación de la IA con soluciones de automatización, para habilitar el autoaprendizaje.
• Funciones de soporte corporativas inteligentes (seguridad, RRHH, tecnología, etc.): el uso de la IA para aumentar la inteligencia humana y mejorar la toma de decisiones.

Módulo 8- Modelos de IA basados en el cliente

En este último módulo del programa se profundizará en las aplicaciones de la IA a los procesos de relación con el cliente. Alguno de los puntos del módulo son los siguientes:

• Atracción: Redes Sociales y Paid Media.
• Experiencia: Personalización contenidos y customer journey.
• Venta: Upselling y cross selling.
• Servicio: chatbots y asistentes inteligentes.

Módulo 9- Frameworks de IA

En este módulo el estudiante conocerá los principales y frameworks de IA que existen y se utilizan en el mercado. Entre otros puntos, se profundizará en:

• Proveedores de AIaaS cloud (Microsoft, Amazon, Google, IBM) y alternativas open source para tareas de NLP, Computer Vision, MLOps, series temporales...
• Repositorios de datasets y modelos pre-entrenados como HuggingFace y TensorFlow Hub.
• Herramientas para el diseño, entrenamiento, y gestión del ciclo de vida de sistemas basados en IA.

Módulo 10- Proyectos de IA

El estudiante verá los aspectos más relevantes de la dirección e implementación de proyectos de IA desde un punto de vista metodológico, de los recursos materiales y humanos.

Los temas que se abordarán son:

• Tipos de proyectos IA y sus factores de complejidad.
• Metodología:
  • Construcción de modelos: Entrenamiento vs Reutilización.
  • Operacionalización de modelos: MLOps, Trusted AI, AI Governance.
• Recursos materiales.
  • Infraestructura para la IA (Computación y Almacenamiento).
  • Herramientas para la construcción y operacionalización de modelos.
• Recursos humanos. Perfiles específicos e impacto en perfiles tradicionales.

Talleres

Taller 1. Aplicación sobre lenguaje Python • (Taller Tecnológico)
Este taller eleva los conocimientos básicos sobre Python introducidos en el curso nivelador, avanzando en el conocimiento sobre la aplicación de este lenguaje de programación. A lo largo de este taller, los estudiantes, adquirirán una visión práctica sobre la aplicación del lenguaje de programación más utilizado actualmente en el ámbito de la Inteligencia Artificial y el Machine Learning: Python. Adicionalmente, podrán obtener Badge “Python for Data Science” de Cognitive Class.
Nota: Para poder realizar este taller, es requisito indispensable tener conocimientos en programación.

Taller 2. Potenciación de proyectos de Big Data mediante Machine Learning • (Taller Business)
En este taller, los estudiantes verán los diferentes usos del Machine Learning en el entorno Big Data. Además, este taller permitirá a los estudiantes a dominar cómo la IA se relaciona con el Big Data. Como es un taller práctico, los estudiantes trabajarán, a modo de ejemplo, con un caso de uso de marketing digital. En concreto, verán cómo se realiza hoy la compra programática de medios digitales y cómo se puede optimizar mediante técnicas de Machine Learning combinada con entornos de Big Data. De esta forma, verán el beneficio de negocio que aporta esta combinación de tecnologías y cómo extrapolarlo a otros procesos.

Taller 3. Preparación a la Certificación en PSM® (Professional Scrum Master)

Es una certificación orientada a demostrar conocimiento de Scrum y las responsabilidades de Scrum Master. El objetivo de la certificación es validar los conocimientos y habilidades de los estudiantes. La certificación es reconocida y respetada mundialmente porque pone a prueba una verdadera comprensión de Scrum y como aplicarlo. Una vez que se obtiene no se necesita renovación.

Herramientas

• Phyton Software: Software que permite programar en lenguaje Python. Se trata de uno de los lenguajes de programación más usados actualmente. Es un lenguaje multiparadigma.
• PyTorch: Paquete de Python diseñado para realizar cálculos numéricos haciendo uso de la programación de tensores.
• Servicios APIS (Amazon): Servicio de AWS que permite crear, publicar, mantener, monitorizar y proteger las API de REST y de WebSocket a cualquier escala.
• Tensor Flow: Biblioteca de software libre que se utiliza para realizar cálculos numéricos mediante diagramas de flujos.
• Huggingface.co: Librería líder para la utilización y entrenamiento de modelos fundacionales y large language models, además de la mayor fuente de modelos pre-entrenados del mundo.