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.

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

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

Ejemplos de modelos

• Introducción
• Procesamiento de datos con Orange y Weka
• Orange
• Weka
• Resumen

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

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

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