Executive Master en Ética e Inteligencia Artificial

MÓDULO 1. FUNDAMENTO DE ÉTICA EMPRESARIAL UNIDAD DIDÁCTICA 1. LA ÉTICA EN EL CONTEXTO CORPORATIVO. Definición de ética. Normas. Principios éticos. Los códigos éticos. UNIDAD DIDÁCTICA 2. EL PROCESO DE TOMA DE DECISIONES. La toma de decisiones. Tipos de decisiones. Criterios de decisión. Ambientes. Decisiones secuenciales. Árboles de decisión. UNIDAD DIDÁCTICA 3. EL MÉTODO RACIONAL O DE OPTIMIZACIÓN EN LA TOMA DE DECISIONES. Introducción. Los métodos cuantitativos. Esquemas resumen. UNIDAD DIDÁCTICA 4. LA IMPLEMENTACIÓN DE LAS DECISIONES. Procesos de la implementación. Evaluación. Resultados. Consecuencias de la no implementación. MÓDULO 2. BIG DATA, BUSINESS INTELLIGENCE Y DATA SCIENCE UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA ¿Qué es Big Data? La era de las grandes cantidades de información: historia del big data La importancia de almacenar y extraer información Big Data enfocado a los negocios Open data Información pública IoT (Internet of Things-Internet de las cosas) UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA Diagnóstico inicial Diseño del proyecto Proceso de implementación Monitorización y control del proyecto Responsable y recursos disponibles Calendarización Alcance y valoración económica del proyecto UNIDAD DIDÁCTICA 3. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN Definiendo el concepto de Business Intelligence y sociedad de la información Arquitectura de una solución Business Intelligence Business Intelligence en los departamentos de la empresa Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual Sistemas Operacionales y Procesos ETL en un sistema de BI Ventajas y Factores de Riesgos del Business Intelligence UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE Cuadros de Mando Integrales (CMI) Sistemas de Soporte a la Decisión (DSS) Sistemas de Información Ejecutiva (EIS) UNIDAD DIDÁCTICA 5. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO Introducción a la minería de datos y el aprendizaje automático Proceso KDD Modelos y Técnicas de Data Mining Áreas de aplicación Minería de Textos y Web Mining Data mining y marketing UNIDAD DIDÁCTICA 6. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL Aproximación al concepto de DataMart Bases de datos OLTP Bases de Datos OLAP MOLAP, ROLAP & HOLAP Herramientas para el desarrollo de cubos OLAP UNIDAD DIDÁCTICA 7. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS Visión General: ¿Por qué DataWarehouse? Estructura y Construcción Fases de implantación Características Data Warehouse en la nube UNIDAD DIDÁCTICA 8. STORYTELLING ¿Qué es el Data Storytelling? Elementos clave del Data Storytelling ¿Por qué es importante el Data Storytelling? ¿Cómo hacer Data Storytelling? UNIDAD DIDÁCTICA 9. INTRODUCCIÓN A LA CIENCIA DE DATOS ¿Qué es la ciencia de datos? Herramientas necesarias para el científico de datos Data Science & Cloud Computing Aspectos legales en Protección de Datos UNIDAD DIDÁCTICA 10. WEKA Y DATA MINING ¿Qué es Weka? Técnicas de Data Mining en Weka Interfaces de Weka Selección de atributos UNIDAD DIDÁCTICA 11. PYTHON Y EL ANÁLISIS DE DATOS Introducción a Python ¿Qué necesitas? Librerías para el análisis de datos en Python MongoDB, Hadoop y Python. Dream Team del Big Data UNIDAD DIDÁCTICA 12. R COMO HERRAMIENTA PARA BIG DATA Introducción a R ¿Qué necesitas? Tipos de datos Estadística Descriptiva y Predictiva con R Integración de R en Hadoop UNIDAD DIDÁCTICA 13. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS Obtención y limpieza de los datos (ETL) Inferencia estadística Modelos de regresión Pruebas de hipótesis UNIDAD DIDÁCTICA 14. ANÁLISIS DE LOS DATOS Inteligencia Analítica de negocios La teoría de grafos y el análisis de redes sociales Presentación de resultados MÓDULO 3. VISUALIZACIÓN DE DATOS UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS ¿Qué es la visualización de datos? Importancia y herramientas de la visualización de datos Visualización de datos: Principios básicos UNIDAD DIDÁCTICA 2. TABLEAU ¿Qué es Tableau? Usos y aplicaciones Tableau Server: Arquitectura y Componentes Instalación Tableau Espacio de trabajo y navegación Conexiones de datos en Tableau Tipos de filtros en Tableau Ordenación de datos, grupos, jerarquías y conjuntos Tablas y gráficos en Tableau UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS) Fundamentos D3 Instalación D3 Funcionamiento D3 SVG Tipos de datos en D3 Diagrama de barras con D3 Diagrama de dispersión con D3 UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO) Visualización de datos Tipologías de gráficos Fuentes de datos Creación de informes UNIDAD DIDÁCTICA 5. QLIKVIEW Instalación y arquitectura Carga de datos Informes Transformación y modelo de datos Análisis de datos UNIDAD DIDÁCTICA 6. POWER BI Introducción a Power BI Instalación de Power BI Modelado de datos Visualización de datos Dashboards Uso compartido de datos UNIDAD DIDÁCTICA 7. CARTO CartoDB ¿Qué es CARTO? Carga y uso de datos. Tipos de análisis Programación de un visor con la librería CARTO.js Uso de ejemplos y ayudas de la documentación de la API MÓDULO 4. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2 UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R Introducción a Gplot El paquete ggplot2 UNIDAD DIDÁCTICA 2. EJES Cambiar títulos de eje Aumentar el espacio entre ejes y títulos de ejes Cambiar la estética de los títulos de Axis Cambiar la estética del texto del eje Texto del eje de rotación Eliminar texto de eje y marcas Eliminar títulos de eje Límite del rango del eje Forzar el trazado para que comience en el origen Ejes con la misma escala Usar una función para modificar etiquetas UNIDAD DIDÁCTICA 3. TÍTULOS Añade un título Ajustar la posición de los títulos Use una fuente no tradicional en su título Cambiar espaciado en texto de varias líneas UNIDAD DIDÁCTICA 4. LEYENDAS Trabajando con leyendas Apaga la leyenda Eliminar títulos de leyenda Cambiar la posición de la leyenda Cambiar la dirección de la leyenda Cambiar el estilo del título de la leyenda Cambiar título de leyenda Cambiar el orden de las claves de leyenda Cambiar etiquetas de leyenda Cambiar cuadros de fondo en la leyenda Cambiar el tamaño de los símbolos de leyenda Dejar una capa fuera de la leyenda Adición manual de elementos de leyenda Usar otros estilos de leyenda UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA Cambiar el color de fondo del panel Cambiar líneas de cuadrícula Cambiar el espaciado de las líneas de cuadrícula Cambiar el color de fondo de la trama UNIDAD DIDÁCTICA 6. MÁRGENES Trabajar con márgenes UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES Trabajar con gráficos de paneles múltiples Crear múltiplos pequeños basados en una variable Permitir que los ejes deambulen libremente Uso facet_wrapcon dos variables Modificar el estilo de los textos de la tira Crear un panel de diferentes parcelas UNIDAD DIDÁCTICA 8. COLORES Trabajar con colores Especificar colores individuales Asignar colores a las variables Variables Cualitativas Seleccionar manualmente colores cualitativos Utilice paletas de colores cualitativas integradas Use paletas de colores cualitativos de paquetes de extensión Variables Cuantitativas La paleta de colores Viridis Usar paletas de colores cuantitativas de paquetes de extensión Modificar paletas de colores después UNIDAD DIDÁCTICA 9. TEMAS Cambiar el estilo de trazado general Cambiar la fuente de todos los elementos de texto Cambiar el tamaño de todos los elementos de texto Cambiar el tamaño de todos los elementos de línea y rectángulo Crea tu propio tema Actualizar el tema actual UNIDAD DIDÁCTICA 10. LÍNEAS Agregar líneas horizontales o verticales a un gráfico Agregar una línea dentro de un gráfico Agregar líneas curvas y flechas a un gráfico UNIDAD DIDÁCTICA 11. TEXTO Agregue etiquetas Agregar anotaciones de texto Use Markdown y HTML Rendering para anotaciones UNIDAD DIDÁCTICA 12. COORDENADAS Voltear una parcela arreglar un eje Invertir un eje Transformar un eje Circularizar una parcela UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS Alternativas a un diagrama de caja Crear una representación de alfombra en un gráfico Crear una matriz de correlación Crear un gráfico de contorno Crear un mapa de calor Crear un diagrama de cresta UNIDAD DIDÁCTICA 14. CINTAS Trabajar con cintas (AUC, CI, etc.) UNIDAD DIDÁCTICA 15. SUAVIZADOS Predeterminado: agregar un suavizado LOESS o GAM UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS Trabajar con gráficos interactivos MÓDULO 5. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Introducción a la inteligencia artificial Historia La importancia de la IA UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL Tipos de inteligencia artificial UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL Algoritmos aplicados a la inteligencia artificial UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA 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 UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS 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 UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL Futuro de la inteligencia artificial Impacto de la IA en la industria El impacto económico y social global de la IA y su futuro MÓDULO 6. MACHINE LEARNING Y DEEP LEARNING UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL MACHINE LEARNING 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 UNIDAD DIDÁCTICA 2. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING Introducción Algoritmos UNIDAD DIDÁCTICA 3. SISTEMAS DE RECOMENDACIÓN Introducción Filtrado colaborativo Clusterización Sistemas de recomendación híbridos UNIDAD DIDÁCTICA 4. CLASIFICACIÓN Clasificadores Algoritmos UNIDAD DIDÁCTICA 5. REDES NEURONALES Y DEEP LEARNING Componentes Aprendizaje UNIDAD DIDÁCTICA 6. SISTEMAS DE ELECCIÓN Introducción El proceso de paso de DSS a IDSS Casos de aplicación UNIDAD DIDÁCTICA 7. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW Aprendizaje profundo Entorno de Deep Learning con Python Aprendizaje automático y profundo UNIDAD DIDÁCTICA 8. SISTEMAS NEURONALES Redes neuronales Redes profundas y redes poco profundas UNIDAD DIDÁCTICA 9. REDES DE UNA SOLA CAPA Perceptrón de una capa y multicapa Ejemplo de perceptrón UNIDAD DIDÁCTICA 10. REDES MULTICAPA Tipos de redes profundas Trabajar con TensorFlow y Python UNIDAD DIDÁCTICA 11. ESTRATEGIAS DE APRENDIZAJE 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 MÓDULO 7. INTELIGENCIA ARTIFICIAL Y ÉTICA UNIDAD DIDÁCTICA 1. INTELIGENCIA ARTIFICIAL Y FUNDAMENTOS ÉTICOS Ética normativa y ética aplicada Historia y caracteres de la ética de la inteligencia artificial Ética realista y ética ficción Inteligencia artificial como objeto y sujeto Singularidad tecnológica y futuro de la especie humana Machine ethics. Nuevos entes autónomos y estatus moral Controversias éticas de la aplicación de la inteligencia artificial Bioética e inteligencia artificial Democracia e inteligencia artificial UNIDAD DIDÁCTICA 2. ÉTICA DE GOBERNANZA E INTELIGENCIA ARTIFICIAL Gobernanza como sistema de prevención y control de riesgos en la inteligencia artificial Papel de la UE en la gobernanza de la inteligencia artificial Evaluaciones de impacto social, ético y legal de inteligencia artificial de alto riesgo Elaboración de un plan de gobernanza UNIDAD DIDÁCTICA 3. INTELIGENCIA ARTIFICIAL CONFIABLE. EXPLICABILIDAD Y SESGO Principios de la inteligencia artificial responsable Aspectos de diseño éticos para Machine Learning Inteligencia artificial explicable (XAI). Hacia la IA responsable Imparcialidad de Datos (Fairness). Control del sesgo en los modelos Escenarios con modelos de IA de alto riesgo Auditabilidad en los sistemas de inteligencia artificial Sandbox normativo piloto del futuro reglamentario de IA en España Transparencia en modelos de Machine Learning Análisis de herramientas software para medir la imparcialidad UNIDAD DIDÁCTICA 4. ÉTICA DE LA INTELIGENCIA ARTIFICIAL Metodología de la ética en la inteligencia artificial Agentes artificiales morales Moralidad artificial desde un enfoque funcionalista Objeciones acerca de agencias morales artificiales Responsabilidad y Derechos de los robots UNIDAD DIDÁCTICA 5. FILOSOFÍA POLÍTICA DE LA INTELIGENCIA ARTIFICIAL Introducción a la filosofía política de la inteligencia artificial Empleo e inteligencia artificial Relaciones humanas e inteligencia artificial Funciones de los Estados e inteligencia artificial Educación e inteligencia artificial Salud e inteligencia artificial Movilidad e inteligencia artificial Articulación entre ética y política sobre la inteligencia artificial Globalización e inteligencia artificial UNIDAD DIDÁCTICA 6. INTELIGENCIA ARTIFICIAL, SOSTENIBILIDAD Y ÉTICA MEDIOAMBIENTAL Digitalización al servicio de los Objetivos de Desarrollo Sostenible (ODS) Estrategia Europea de transición hacia una economía sostenible Cambio climático global Mejora de eficiencia en procesos organizativos con IA. Mejora de eficiencia en prácticas individuales con IA. Ética ambiental e inteligencia artificial UNIDAD DIDÁCTICA 7. ÉTICA DE LA GUERRA E INTELIGENCIA ARTIFICIAL Armas autónomas Intervenciones militares teledirigidas Ética de la guerra UNIDAD DIDÁCTICA 8. TECNOLOGÍA, ÉTICA Y DERECHO DE LA REALIDAD VIRTUAL El metaverso Gemelos digitales humanos Creación de universos paralelos en 3D UNIDAD DIDÁCTICA 9. ÉTICA DE LA INTELIGENCIA ARTIFICIAL INTERACTIVA Y ROBÓTICA SOCIAL Sistemas autónomos en el ámbito laboral Inteligencia artificial para la mejora de calidad de vida en ciudades. Mejora del impacto medioambiental Combinación de smart cities, internet de las cosas y big data Inteligencia artificial y cuidado personal y sexual Análisis ético de la incorporación de la robótica en la vida humana UNIDAD DIDÁCTICA 10. INTELIGENCIA ARTIFICIAL, MEJORA HUMANA Y TRANSHUMANISMO Inteligencia artificial para restaurar funciones físicas y cognitivas deterioradas Optimizar las capacidades humanas con inteligencia artificial Debate académico sobre transhumanismo y poshumanismo MÓDULO 8. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN ¿Qué es PLN? ¿Qué incluye el PLN? Ejemplos de uso de PLN Futuro del PLN UNIDAD DIDÁCTICA 2. PLN EN PYTHON PLN en Python con la librería NLTK Otras herramientas para PLN UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN Principios del análisis sintáctico Gramática libre de contexto Analizadores sintácticos (Parsers) UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN Aspectos introductorios del análisis semántico Lenguaje semántico para PLN Análisis pragmático UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN Aspectos introductorios Pasos en la extracción de información Ejemplo PLN Ejemplo PLN con entrada de texto en inglés UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT? Aspectos introductorios ¿Qué es un chatbot? ¿Cómo funciona un chatbot? VoiceBots Desafios para los Chatbots UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS Chatbots y el papel de la Inteligencia Artificial (IA) Usos y beneficios de los chatbots Diferencia entre bots, chatbots e IA UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS Áreas de aplicación de Chatbots Desarrollo de un chatbot con ChatterBot y Python Desarrollo de un chatbot para Facebook Messenger con Chatfuel MÓDULO 9. CIENCIAS DEL COMPORTAMIENTO, BIG DATA, INTELIGENCIA ARTIFICIAL E INTERNET OF BEHAVIORS (IOB) UNIDAD DIDÁCTICA 1. MARKETING, MERCHANDISING Y PUBLICIDAD EN IOB Internet of Behavior UNIDAD DIDÁCTICA 2. CIENCIAS COGNITIVAS DEL COMPORTAMIENTO Ciencia cognitiva UNIDAD DIDÁCTICA 3. NEUROPSICOLOGÍA Y CÓMO CAPTAR LA ATENCIÓN DE UN USUARIO Neuropsicología UNIDAD DIDÁCTICA 4. PRODUCTOS Y CONTENIDOS PERSONALIZADOS GRACIAS AL INTERNET OF BEHAVIORS (IOB) Personalización IOB UNIDAD DIDÁCTICA 5. VISIÓN POR COMPUTADORA Y ANÁLISIS FACIAL La visión Artificial UNIDAD DIDÁCTICA 6. PROCESAMIENTO AUTOMÁTICO DE IDIOMAS Procesamiento del lenguaje natural UNIDAD DIDÁCTICA 7. ANÁLISIS DE COMPORTAMIENTO Y SEGURIDAD OPERACIONAL Análisis de comportamiento UNIDAD DIDÁCTICA 8. DEL BIG DATA AL ANÁLISIS DE SENTIMIENTOS Análisis de opinión MÓDULO 10. VISIÓN ARTIFICIAL EN INDUSTRIA 4.0 CON PYTHON Y OPENCV UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES La visión artificial: definiciones y aspectos principales UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL Ópticas Iluminación Cámaras Sistemas 3D Sensores Equipos compactos Metodologías para la selección del hardware UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL Algoritmos Software Segmentación e interpretación de imágenes Metodologías para la selección del software UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0 Aplicaciones clásicas: discriminación, detección de fallos… Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO) UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV Descripción general OpenCV Instalación OpenCV para Python en Windows Instalación OpenCV para Python en Linux Anaconda y OpenCV UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS 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 UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES 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 UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING Analizar imágenes usando histogramas Ecualización de histogramas Template matching Detección de campos en documentos usando Template matching UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR 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 UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS Detección de líneas Detección de círculos Detectar esquinas (Método Shi-Tomasi) Detectar esquinas (método Harris) Encontrar círculos y elipses Detección de caras y sonrisas UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO Vecino más cercano (K-Nearest Neighbour) Agrupamiento de K-medias (K-Means Clustering) MÓDULO 11. PROYECTO FIN DE MÁSTER