Máster en inteligencia artificial aplicada a la empresa

INTELIGENCIA ARTIFICIAL APLICADA A LA EMPRESA
INTRODUCCIÓN
MÓDULO 1. CARACTERIZACIÓN DE LA TECNOLOGÍA
UNIDAD DIDÁCTICA 1. ¿QUÉ ES LA TECNOLOGÍA?
1. Origen y evolución
2. Clasificación-Según el tipo de producto-Según James David Thompson-Según el nivel de innovación
3. Impactos de la actividad tecnológica-Impacto en la sociedad-Impacto en la empresa
UNIDAD DIDÁCTICA 2. INNOVACIÓN TECNOLÓGICA CONTEMPORÁNEA
1. Internet
2. Smartphone
3. Almacenamiento en la nube
4. Impresión 3D
5. Bases de datos
6. Inteligencia artificial
RESUMEN
AUTOEVALUACIÓN
MÓDULO 2. BASES DE DATOS
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LAS BASES DE DATOS
1. Ventajas y desventajas
2. Evolución
3. Base de datos vs. hoja de cálculo
4. Sistema de gestión de bases de datos (DBMS)
5. Uso empresarial de la base de datos
6. Clasificación-Según la variabilidad de la base de datos-Según el contenido-Según su modelo de administración de datos-Otras bases de datos
7. Seguridad-Infracción de datos-Tipos de ataques de seguridad-Políticas de seguridad
UNIDAD DIDÁCTICA 2. APROXIMACIÓN AL MODELO RELACIONAL
1. Ventajas y desventajas
2. Elementos
3. Sistemas de gestión de bases de datos relacionales
4. Normalización en bases de datos relacionales
5. Reglas de Codd
6. Lenguaje relacional-Álgebra relacional-Cálculo relacional-SQL
7. Transacciones-Control de concurrencia
RESUMEN
AUTOEVALUACIÓN
MÓDULO 3. PROGRAMACIÓN ORIENTADA A OBJETOS
UNIDAD DIDÁCTICA 1. CONCEPTO
1. Características
2. Principales lenguajes de programación orientada a objetos
UNIDAD DIDÁCTICA 2. NOCIONES ESENCIALES DEL LENGUAJE PYTHON
1. Historia
2. Beneficios y usos
3. Sintaxis básica-Variables-Tipos de datos-Estructuras condicionales-Estructuras de repetición-Operadores-Funciones
4. Archivos
5. Módulos y paquetes
6. Biblioteca estándar
RESUMEN
AUTOEVALUACIÓN
MÓDULO 4. BASES DEL RAZONAMIENTO ESTADÍSTICO
UNIDAD DIDÁCTICA 1. TEORÍA DE LA PROBABILIDAD
1. Probabilidad-Elementos básicos de la probabilidad-Teoremas y principios fundamentales
UNIDAD DIDÁCTICA 2. PROBABILIDAD E INTELIGENCIA ARTIFICIAL
RESUMEN
AUTOEVALUACIÓN
MÓDULO 5. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. DEFINICIÓN
1. Origen y evolución
2. Ramas-Aprendizaje automático-Procesamiento del lenguaje natural-Visión artificial-Robótica
3. Aplicaciones-Computación-Medicina-Finanzas-Industria pesada-Atención al cliente-Industria automotriz-Juegos y juguetes-Música
UNIDAD DIDÁCTICA 2. BIG DATA Y BUSINESS INTELLIGENCE
1. Beneficios para las empresas al aplicar la IA en el big data
UNIDAD DIDÁCTICA 3. INTELIGENCIA ARTIFICIAL APLICADA A LA
EMPRESA
1. People analytics
2. Robotic process automation (RPA)
3. Atención al cliente
4. Predicción de stocks y demandas
5. Segmentación y fidelización de clientes y personalización de campañas de
marketing
6. Evaluación de riesgos crediticios y análisis de riesgo de inversión
7. Monitoreo de la salud y seguridad de los trabajadores
8. Toma de decisiones estratégicas
RESUMEN
AUTOEVALUACIÓN
MÓDULO 6. APRENDIZAJE AUTOMÁTICO
UNIDAD DIDÁCTICA 1. APROXIMACIÓN AL APRENDIZAJE AUTOMÁTICO
UNIDAD DIDÁCTICA 2. APRENDIZAJE SUPERVISADO
1. Algoritmos habituales-Árboles de decisión-K vecinos más cercanos (K-NN)-Máquinas de vectores de soporte (SVM)-Regresión logística-Clasificación de Naïve Bayes
UNIDAD DIDÁCTICA 3. APRENDIZAJE NO SUPERVISADO
1. Algoritmos habituales-Agrupamiento (clustering)-Reducción de dimensionalidad
UNIDAD DIDÁCTICA 4. APRENDIZAJE POR REFUERZO
1. Algoritmos habituales-Q-learning-Policy gradients
UNIDAD DIDÁCTICA 5. APRENDIZAJE PROFUNDO
RESUMEN
AUTOEVALUACIÓN
MÓDULO 7. PROGRAMACIÓN DINÁMICA Y PROBLEMA DE
SATISFACIBILIDAD BOOLEANA
UNIDAD DIDÁCTICA 1. PROGRAMACIÓN DINÁMICA
1. Características
2. Clasificación-Programación dinámica determinística-Programación dinámica probabilística
3. Ejercicio resuelto con programación dinámica
UNIDAD DIDÁCTICA 2. PROBLEMA DE SATISFACIBILIDAD BOOLEANA
1. Historia
2. Planteamiento y complejidad
3. Extensiones
4. Algoritmos de solución de casos SAT
RESUMEN
AUTOEVALUACIÓN