MÁSTER EN NEUROMARKETING + MÁSTER EN INTELIGENCIA ARTIFICIAL APLICADA A LA ESTRATEGIA EMPRESARIAL

Parte 1. Neuromarketing

• Módulo 1. Sistema nervioso y neuropsicología

  • Sistema nervioso (neuronas, glía, sinapsis, SNC, SNP, somático, autónomo)

  • Concepto de neuropsicología (historia)

  • Enfoques en neuropsicología (clínica, cognitiva, experimental)

• Módulo 2. Bases neurológicas

  • Sentidos básicos (vista, oído, gusto, tacto, olfato)

  • Sentidos adicionales (termorrecepción, nocicepción, propiocepción, equilibriocepción)

  • Sensación y percepción

  • Emoción y motivación (cerebro triple)

  • Aprendizaje

  • Memoria

• Módulo 3. Introducción al marketing

  • Concepto y valor del marketing

  • Origen y evolución (tradicional → digital, 4E y 4F, tendencias actuales)

  • Estrategias de marketing (inbound y outbound)

  • Dimensiones del marketing (estratégico vs. operativo)

  • Marketing sensorial, relacional y experiencial

• Módulo 4. Marketing Mix

  • Concepto

  • Producto (tipos, atributos, packaging, etiquetado)

  • Precio (métodos, estrategias)

  • Distribución (canales, intermediarios)

  • Comunicación (publicidad, promoción, RRPP, venta personal, marketing directo)

  • Evolución de las 4P (7P, 4C)

• Módulo 5. Consumidor

  • Comportamiento del consumidor (patrones, tipos, consumidor digital)

  • Condicionantes internos y externos (culturales, sociales, personales, psicológicos)

  • Proceso de decisión de compra (reconocimiento, consideración, decisión, compra, posventa)

• Módulo 6. Investigación comercial y de mercados

  • Segmentación (demográfica, socioeconómica, geográfica, psicográfica, conductual)

  • Proceso de investigación en marketing

  • Herramientas de investigación (cuantitativa y cualitativa)

  • Neurosegmentación de mercados

• Módulo 7. Branding

  • Concepto (identidad corporativa, imagen, posicionamiento)

  • Tipos de branding (corporativo, personal, employer branding)

  • Elementos visuales (logotipo, color, packaging, tipografía, imágenes)

  • Comunicación empresarial (storytelling, naming)

• Módulo 8. Neuromarketing

  • Introducción (concepto, principios, ventajas/desventajas, tipos, 4Ps en neuromarketing)

  • Evolución histórica

  • Técnicas actuales

  • Estudios de neuromarketing

• Módulo 9. Ámbito de aplicación y limitaciones

  • Aplicación (branding, producto, publicidad, entorno digital)

  • Limitaciones

• Módulo 10. Técnicas del neuromarketing

  • Investigación

  • Herramientas de análisis: eye tracking, EEG, fMRI, reconocimiento facial, magnetoencefalografía, GSR, PET, EMG, ritmo cardiaco

• Módulo 11. Implicaciones éticas y marco legal

  • Ética en neuromarketing (integridad, autonomía, privacidad, transparencia, responsabilidad)

  • Marco legal (publicidad, normativa, órganos de control)

• Módulo 12. Neuromarketing aplicado a las marcas

  • Estrategias en el entorno de venta (espacio físico, sonido, visuales, precio, comunicación)

  • Casos de éxito (Disney, Lays, Cinnabon, Starbucks, Beats by Dre, Ikea)

• Módulo 13. Los datos y el neuromarketing

  • Introducción al Big Data (características, tipos de datos, herramientas, fuentes)

  • Neuromarketing y Big Data (big data marketing)

Parte 2. Inteligencia Artificial aplicada a la Estrategia Empresarial

• Módulo 1. Introducción a la IA

  • Concepto y definición (origen, ramas, aplicaciones en múltiples sectores)

  • Big Data y Business Intelligence

  • IA aplicada a la empresa (people analytics, RPA, atención al cliente, predicciones, riesgos financieros, seguridad laboral, decisiones estratégicas)

• Módulo 2. Machine Learning

  • Conceptualización

  • Tipos de aprendizaje (supervisado, no supervisado, por refuerzo)

  • Evaluación de modelos (clasificación, regresión, ranking, visión por computadora, PLN)

• Módulo 3. Deep Learning

  • Conceptualización

  • Redes neuronales artificiales (funcionamiento, dinámica, ajuste de parámetros)

  • Tipos de modelos (CNN, RNN, transformers)

• Módulo 4. IA Generativa

  • Conceptualización (tipos de contenido generado, métodos de generación)

  • Modelos fundacionales

  • Arquitecturas principales (GAN, VAE, transformers, híbridas)

  • Aplicaciones (creatividad, automatización, datos sintéticos, simulación, interacción multimodal)

• Módulo 5. Prompt Engineering

  • Conceptualización (elementos, principios, parámetros)

  • Técnicas (zero-shot, few-shot, chain of thought, ReAct, tree of thoughts, role prompting, etc.)

  • Buenas prácticas

  • Plataformas (Prompthub, PromptBase, FlowGPT, PromptLayer)

• Módulo 6. IA en la toma de decisiones

  • Análisis predictivo (modelos y técnicas)

  • Algoritmos de optimización, recomendación y detección de anomalías

  • Aplicación en inteligencia empresarial

• Módulo 7. Integración con tecnologías emergentes

  • Principios de integración

  • Tecnologías: IoT, edge computing, 5G/6G, blockchain, computación cuántica, realidad aumentada

• Módulo 8. IA aplicada a Recursos Humanos

  • Departamento de RRHH (funciones)

  • Aplicaciones de IA (automatización de reclutamiento, evaluación de desempeño, formación adaptativa)

  • Medios y software de selección y evaluación (HireVue, Pymetrics, Synergita, Cornerstone, etc.)

• Módulo 9. IA aplicada al Marketing

  • Fundamentos del marketing digital

  • Aplicaciones de IA (personalización, automatización, generación de contenidos, análisis de sentimientos, predicciones)

  • Soluciones creativas y herramientas (Namelix, Jasper, Canva, SEMrush, HubSpot, Brandwatch, etc.)

• Módulo 10. IA aplicada a las Finanzas

  • Sistema financiero (instituciones, mercados, estructura)

  • Aplicaciones de IA (fraude, flujo de caja, informes, credit scoring)

  • Plataformas de prevención de fraude y gestión financiera (Darktrace, SAS, FICO, Kyriba, etc.)

• Módulo 11. IA aplicada a Operaciones Empresariales

  • Conceptualización de operaciones (producción, servicios, logística)

  • Aplicaciones de IA (mantenimiento predictivo, atención al cliente, optimización de rutas, trazabilidad)

  • Soluciones de RPA y automatización (UiPath, Automation Anywhere, GreyOrange, etc.)

• Módulo 12. IA aplicada a otros sectores

  • Investigación científica, salud, educación, derecho, sostenibilidad, agricultura, retail, turismo, cultura, deporte

• Módulo 13. Modelos y plataformas de IA

  • Ecosistema OpenAI (GPT, DALL·E, Whisper, Sora, Codex, Embeddings)

  • Otros desarrolladores (Claude, Gemini, DeepSeek, Mistral, LLaMA, Falcon)

• Módulo 14. Formación e implementación en empresas

  • Introducción de IA en equipos

  • Capacitación y formación (upskilling, reskilling)

  • Liderazgo en la era IA

  • Transformación digital y modelos de negocio

  • Obstáculos en la adopción

• Módulo 15. Ciberseguridad en sistemas interconectados

  • Conceptualización

  • Sistemas interconectados y riesgos

  • Seguridad de datos (criptografía, privacidad)

  • Detección y respuesta ante amenazas

  • Aprendizaje automático adversarial

• Módulo 16. Ética y regulación de la IA

  • Moral ante el progreso tecnológico

  • Desafíos éticos (sesgos, transparencia, empleo, autonomía)

  • Actores relevantes (gobiernos, empresas, usuarios)

  • Guías y recomendaciones internacionales

  • Panorama legislativo (Europa, EE.UU., China)

• Módulo 17. Gobernanza de la Inteligencia Artificial

  • Concepto de gobernanza de la IA

  • Niveles de gobernanza

  • Elementos de gobernanza:

    • Adaptación de estructuras internas

    • Comité de IA

    • Roles y responsabilidades

    • Políticas y procedimientos internos

    • Formación y concienciación

    • Determinación de objetivos de negocio

    • Apoyo de la gerencia

  • Gestión de riesgos de la IA en organizaciones:

    • Identificación y clasificación de sistemas algorítmicos

    • Evaluación y documentación de riesgos

    • Medidas correctoras y controles operativos

    • Cumplimiento normativo

    • Evaluación de resultados y mejora continua

  • Ciclo de vida de una IA (diseño, desarrollo, implementación, evaluación)