Programa Ejecutivo en Inteligencia Artificial

Datos y analítica

Cursos y talleres

  • Límite de inscripción: 19/05/2023 15:00
  • Fechas: 02/06/2023 16:00 - 17/11/2023 21:30
  • Duración: 218 horas
  • Modalidad: Semipresencial
Descargar programa

Datos de interés

  • Precio: 440,00 €
  • Sesiones:
    • Viernes, 16:00 - 21:30
    • Sábado, 9:00 - 14:30

La Inteligencia Artificial (IA) ya hace parte de nuestra vida diaria: Alexa, Siri, los automóviles cada vez más autónomos, las redes sociales y sus algoritmos de reconocimiento facial, Netflix y Amazon con sus recomendaciones acertadas, para nombrar solo algunas, son ejemplos de aplicaciones ya “habituales” de esta nueva tecnología.

En este escenario, es necesario saber manejar datos. No sólo cómo establecer la captura y almacenamiento de la información, sino qué técnicas de inteligencia artificial (clustering, diseño de sistemas expertos, etc.), así como la ingeniería del procesado masivo de datos y, lo que es más importante, herramientas de visualización que permitan poder obtener información de manera rápida y sencilla, ayudando a la toma de decisiones para mejorar los resultados del negocio.

Adicionalmente, las empresas líderes en sus respectivos campos también están haciendo uso, de los algoritmos de Machine Learning (ML) y Deep Learning (DL), bases de la IA, para optimizar sus decisiones de marketing, finanzas, operaciones, recursos humanos, y otras.

La IA se ha convertido en una herramienta esencial para competir y sobrevivir. Por ello, las empresas están contratando personal gerencial que entienda el uso y el potencial de estas nuevas técnicas, para desenvolverse exitosamente en su área de negocio.

Objetivos:

El programa tiene como objetivo proporcionar una formación completa en el ámbito del empleo de herramientas de Aprendizaje profundo y Machine Learning en la gestión y toma de decisiones en diversos contextos empresariales.

Los objetivos específicos que se pretenden alcanzar son:

  • Entender el proceso de transformación digital que están llevando a cabo las organizaciones y las palancas de desarrollo que tienen impacto en el negocio: Liderazgo, Operaciones, Información, Talento y Relaciones (Omni-canalidad).
  • Comprender el valor de los datos y su análisis en las organizaciones como medio para establecer estrategias y soluciones de monetización de datos.
  • Adquirir competencias de gestión y extracción de valor de datos desde diferentes perspectivas.
  • Reorientar o focalizar las competencias en la gestión y extracción de valor del dato, desde diferentes perspectivas y para perfiles diversos que tengan distintos conocimientos de entrada.
  • Emplear las principales herramientas de ML y DL en la gestión y toma de decisiones en diversos contextos y áreas empresariales.
  • Llevar a cabo iniciativas de IA, Machine Learning y Deep Learning, así como, adquirir competencias necesarias para la práctica profesional de estas herramientas.
  • Desarrollar un proyecto final de programa en el que establecer un caso de uso para aplicar los conocimientos adquiridos en el programa.

Dirigido a:

Profesionales interesados en entender el funcionamiento de estas tecnologías, interesados en abordar casos de uso y aplicaciones en las empresas, así como la gestión de proyectos basados en IoT, inteligencia artificial y emprendedores interesados en desarrollar y poner en marcha este tipo de proyectos.

Programa:

MÓDULO 1. INTRODUCCIÓN A LA TRANSFORMACIÓN DIGITAL, TECNOLOGÍAS Y MODELO DE MADUREZ DE IA

A la finalización del módulo, el alumno será capaz de entender el contexto actual en el que se están desarrollando las estrategias digitales de las organizaciones, así como conocer el grado de madurez digital de una organización en la adopción de IA.

Objetivos:

  • Entender que cómo la digitalización está transformando las organizaciones, especialmente en el contexto actual de post-covid-19.
  • Conocer las principales tecnologías clave que están impulsando la digitalización en las organizaciones.
  • Conocer el grado de madurez digital de una organización, especialmente en la adopción de la IA.
  • Identificar las palancas de desarrollo a tener en cuenta para la generación de una estrategia digital first, que es la base previa para poder incorporar la IA.

Contenidos:

  • Transformación Digital. El viaje de la empresa en la era digital.
  • Tecnologías clave para la Transformación Digital.
  • Modelo de madurez en la adopción de la Inteligencia Artificial.

MÓDULO 2. INFRAESTRUCTURAS DE DATOS

El objetivo principal de este módulo es aprender las principales estructuras de datos de almacenamiento y gobierno del dato: Data Lake. Es decir, un conjunto centralizado de repositorios de datos capaz de contener vastas cantidades de datos crudos (sin procesar), tanto estructurados (bases de datos convencionales) como no estructurados, descritos mediante meta datos (que identifican el conjunto de datos al que pertenece cada dato) y que hace disponibles los datos bajo demanda.

Objetivos:

  • Aprender a escalar el almacenamiento de manera masiva (usando plataformas como Hadoop, Apache Spark, etc.).
  • Aprender a consultar y buscar datos en un Data Lake mediante uso de tecnologías tradicionales de bases de datos (en datos estructurados) o tecnologías alternativas (indexación – de texto, video, audio – y bases de datos NOSQL).

Contenidos:

  • Data Lake: principales estructuras de almacenamiento y gobierno del dato.
  • Big data e Inteligencia Artificial.

MÓDULO 3. BIG DATA SÍ, PERO… ¿SABEMOS CUÁNDO Y PARA QUÉ?

Este módulo tiene como objetivo introducir al alumno en una de las principales casuísticas clave en la adopción de la inteligencia artificial. El Big Data. Mientras que las técnicas tradicionales de análisis se centran en hipótesis para obtener resultados, el paradigma de big data requiere replantearnos tanto los orígenes de los datos como las diferentes preguntas a realizar para poder extractar todo el valor del dato. Por ello, conocer cómo estructurar una estrategia de big data y los diferentes frameworks disponibles será clave en el proceso de incorporación de la inteligencia artificial en la organización.

Los objetivos que nos marcamos son:

  • Entender cómo, cuándo y por qué es necesario establecer una estrategia de Big Data.
  • Conocer los principales frameworks disponibles en el mercado (Hadoop, HDFS, etc.).
  • Conocer los factores de éxito en el despliegue e implantación de una estrategia de Big Data.

Contenidos:

  • Cómo, cuándo y por qué es necesario establecer una estrategia de Big Data.
  • Plan estratégico de Big Data.
  • Liderazgo y rol de la alta dirección.
  • Arquitecturas Big Data.
  • Frameworks (Hadoop, HDFS, MapREduce).
  • Factores de éxito en la implantación y despliegue de una estrategia de Big Data.

MÓDULO 4. INTELIGENCIA ARTIFICIAL Y APREDIZAJE AUTOMÁTICO

Este módulo proporciona una introducción al machine Learning y al aprendizaje supervisado y no supervisado, claves para la implantación de este tipo de tecnología. A la finalización de este módulo, el alumno será capaz de entender los diferentes modelos de clasificación y regresión utilizados, así como las técnicas para poder optimizar dichos modelos en su aplicación práctica. Así mismo, se introducirá al alumno en la importancia de la visualización de datos dentro de los procesos de Inteligencia Artificial, Machine Learning y Deep Learning.

Objetivos:

  • Aprender los diferentes modelos de clasificación y regresión utilizados en machine learning.
  • Aprender a realizar visualizaciones de datos dentro de los procesos de IA, ML y DL.
  • Realizar ejercicios completos con datasets casi reales, para comprender de primera mano la aplicación de estos modelos.

Contenidos:

  • Introducción al machine learning.
  • Aprendizaje supervisado y no supervisado.
  • Modelos de clasificación y regresión.
  • Optimización de modelos.
  • Empresas que usan IA.
  • La importancia de la visualización de datos dentro de los procesos de IA, ML y DL.
  • Herramientas disponibles en el mercado.
  • Demostración con casos prácticos.

MÓDULO 5. TALLER PRÁCTICO CON KNIME

Tras este módulo, el alumno dispondrá de las habilidades básicas de manejo de la herramienta KNIME para explotar, analizar y presentar la información en cualquier tipo de compañía. Los objetivos que nos marcamos son:

Objetivos:

  • Técnicas de visualización de datos.
  • Capacitarnos en el uso de la herramienta KNIME, una de las más populares y utilizadas en proyectos de Machine Learning.
  • Crear y producir ciencia de datos utilizando un entorno fácil e intuitivo, lo que permite a todas las partes interesadas en el proceso de ciencia de datos centrarse en lo que mejor saben hacer.

Contenidos:

  • Introducción a KNIME.
  • Manejo de datos y resolución de casos de ejemplo.

MÓDULO 6. INTELIGENCIA ARTIFICIAL E INDUSTRIA 4.0.

Uno de los campos en los que la Inteligencia Artificial está entregando más y mejores resultados es el de la IA. Sus principales aplicaciones en la industria 4.0 son la optimización de OEE a través de la reparación y el mantenimiento predictivos, así como los gemelos digitales. A la finalización de este módulo, el alumno podrá conocer cómo esta tecnología está llamada a converger con otras como el IoT, la RV/RA o Blockchain.

Objetivos:

  • Comprender el paradigma de la Industria 4.0.
  • Iniciarse en diseño de gemelos digitales.
  • Aprender a combinar tecnologías como el IoT o Blockchain en el contexto de la Industria 4.0.

Contenidos:

  • Internet de las Cosas (IoT).
  • Realidad virtual y aumentada.
  • Ciberseguridad.
  • Blockchain.

MÓDULO 7. MACHINE LEARNING

El objetivo general de este módulo es conocer los aspectos básicos del ‘machine learning’ –aprendizaje automático. Esta rama de la inteligencia artificial permite que las máquinas aprendan sin ser expresamente programadas para ello. Una habilidad indispensable para hacer sistemas capaces de identificar patrones entre los datos para hacer predicciones.

Objetivos:

  • Comprender que es el Machine Learning y cuándo aplicarlo.
  • Aprender a utilizar los diferentes modelos de aprendizaje supervisado y no supervisado con KNIME.

Contenidos:

  • Visual Data Mining.
  • Introducción al machine learning.
  • Aprendizaje supervisado y no supervisado.
  • Modelos supervisados: Clasificación (con KNIME).
  • Árbol de clasificación.
  • Regresión logística.
  • Modelos ensemble: Random Forest, XGBoosting.
  • Modelos no supervisados: Regresión (con KNIME).
  • Regresión lineal múltiple, regresión lineal polinómica.
  • Regresión con árboles de regresión.

MÓDULO 8. REDES PROFUNDAS, CONVOLUTIVAS Y SECUENCIALES

En este módulo el alumno conocerá de primera mano qué son las redes neuronales profundas, así como su arquitectura tecnológica y uso dentro de los modelos de aprendizaje profundo. Para ello, se iniciará en el conocimiento de las redes neuronales artificiales, fundamentales para la Inteligencia Artificial. Entenderá cómo funcionan, cómo son entrenadas y cómo se dan las interacciones entre las distintas neuronas que las constituyen.

Objetivos:

  • Conocer una de las arquitecturas tecnológicas más importantes usadas en la Deep Learning o Aprendizaje Profundo, y su uso en el reconocimiento de patrones.
  • Entender cómo funcionan las neuronas artificiales y cómo se entrenan para su uso en la empresa.

Contenidos:

  • Introducción al deep learning.
  • Redes recurrentes, convolucionales.
  • Transformers.
  • Definición y escenarios de aplicación.
  • Modelos LSTM.
  • Aplicación con KNIME . Modelos no supervisados – Cluster Analysis (con KNIME)

MÓDULO 9. ORGANIZACIÓN E IMPLANTACIÓN DE UNA EMPRESA DATA DRIVEN

Cuando hablamos de data driven company, nos referimos a aquella compañía que toma decisiones en base a información y análisis de datos. Pero para ello, es necesario que los datos sean el eje principal de sus procesos, estrategias y toma de decisiones. Este uso eficiente de la información permite conocer y atender mejor a los clientes situándolos en el centro del negocio.

Objetivos:

  • Entender cómo desarrollar una política de analítica de datos estructurada y uso de herramientas de análisis para el control de los principales KPIs
  • Establecer los roles y perfiles profesionales necesarios para poder implementar y desarrollar analítica y gestión de datos.
  • Proceso de transformación (journey).

Contenidos:

  • Adaptación organizacional para explotar el potencial de los datos.
  • Nuevos roles y ajustes en la estructura organizacional.
  • Desarrollo de una cultura basada en datos (Data-driven culture).
  • Factores críticos de éxito en la implantación de nuevas tecnologías.

MÓDULO 10. CONSIDERACIONES LEGALES

A la finalización de este módulo, el alumno podrá conocer cuáles son las consideraciones sobre los diversos aspectos jurídicos que se derivan del uso de la IA en diferentes áreas relacionadas con la actividad de la empresa, entre las que destaca que los criterios de eficiencia y ahorro de costes derivados del uso de estas herramientas no pueden anteponerse al respeto y la protección debidos a los derechos de las personas.

Objetivos:

  • Entender el régimen de protección de datos personales y de Open Data en Europa.
  • Entender la ética dentro del contexto de la Inteligencia Artificial.
  • Conocer la regulación que aplica a España en materia de Inteligencia Artificial, así como la responsabilidad civil asociada al uso de esta.

Contenidos:

  • Régimen de la protección de datos personales y de Open Data en Europa: Impacto en los sistemas de Inteligencia Artificial.
  • Inteligencia Artificial y responsabilidad civil.
  • Proyecto de reglamento de Inteligencia Artificial en la Unión Europea

MÓDULO 11. SOLUCIONES DE MERCADO

En este módulo el alumno conocerá de primera mano cuáles son las principales soluciones que existen en el mercado para implementar la inteligencia artificial en la organización. De la mano de expertos en cada una de las herramientas, podrá entender la idoneidad de las mismas para cada casuística concreta, así como los requisitos requeridos para su implementación y posterior uso.

Objetivos:

  • Conocer cuáles son las principales soluciones de mercado asociadas al uso de esta tecnología.
  • Aprender a manejar alguna de las herramientas líderes en el mercado.

Contenidos:

  • Deep Learning sobre GPUs
  • Microsoft Cognitive Services.
  • Intel Deep Learning.
  • Google Cloud ML.
  • El futuro de Deep Learning.

MÓDULO 12. APROXIMACIÓN PRÁCTICA A SISTEMAS COGNITIVOS

Los sistemas cognitivos se basan en tecnologías de Inteligencia Artificial para simular el comportamiento humano, analizar grandes volúmenes de datos y automatizar tareas. Para que un sistema pueda considerarse cognitivo, requiere que sea flexible, interactivo, analítico y contextual. Por ello, en este módulo, el alumno se adentrará en el conocimiento de este tipo de sistemas y aprenderá las condiciones y situaciones en las que se pueden utilizar este tipo de sistemas.

Objetivos:

  • Entender el uso de este tipo de sistemas en la industria (especialmente en call centers, comercial, gestión del fraude y sistemas de procesamiento de información).
  • Conocer cómo se implementan este tipo de sistemas con herramientas como IBM Watson, Microsoft Cognitive Services, Google Deepmind o AWS.

Contenidos:

  • Análisis de casos de uso de la industria.
  • Uso de sistemas cognitivos en escenarios de atención al cliente.
  • Metodologías de entrenamiento a sistemas cognitivos.

MÓDULO 13. CASOS DE USO COGNITIVOS

En este módulo se abordarán diferentes casos de uso de implantación de tecnologías cognitivas en diferentes industrias. Así mismo, se desarrollarán casos de uso con creación de nuevos datos para la mejora de la efectividad del negocio.

Objetivos:

  • Entender cómo se está aplicando la IA y tecnologías cognitivas a diferentes industrias y casos de negocio.
  • Entender cómo las nuevas herramientas como ChatGPT, etc. pueden facilitar el desarrollo de nuevos casos de uso de negocio.

Contenidos:

  • ChatGPT y otras herramientas similares.
  • Casos de uso cognitivos en el sector salud.
  • Casos de uso con creación de nuevos datos para la mejora de la efectividad del negocio.

MÓDULO 14. INTELIGENCIA ARTIFICIAL APLICADA A LA GESTIÓN DE PERSONAS

Una de las áreas donde la Inteligencia Artificial está entregando más valor es en la aplicación a los responsables de Recursos Humanos. La automatización y capacidad de analizar datos permite conocer mejor a las personas dentro de la organización, pero es necesario incorporar el filtro “persona”. Esto es, analizar los datos desde la perspectiva de la persona (humana). En este módulo, el alumno aprenderá cómo está siendo utilizada la inteligencia artificial en la actualidad en los departamentos de gestión de talento, así como las claves para la modificación de los métodos y procesos de trabajo, que permitan incrementar la productividad del empleado, así como el engagement del mismo con la organización.

Objetivos:

  • Cómo aplicar con éxito la Inteligencia Artificial en la gestión de personas.
  • Comprender qué está siendo aprendido por la Inteligencia Artificial y cómo será utilizado.
  • Conocer cómo integrar la Inteligencia Artificial en los métodos y procesos de trabajo.

Contenidos:

  • Smart Marketing.
  • People Analytics.
  • Análisis de Redes Sociales.
  • Chatbots Blockchain.

MÓDULO 15. INTRODUCCIÓN A LA MINERÍA DE TEXTOS

La minería de textos es una de las ramas principales de la minería de datos que se refiere al proceso de analizar y derivar información nueva de textos. Por medio de la identificación de patrones o correlaciones entre los términos se logra encontrar información que no está explícita dentro del texto. Por ello, el alumno al acabar este módulo entenderá el procedimiento de aplicación de la minería de textos para el desarrollo de algoritmos de machine Learning aplicados a este propósito.

Objetivos:

  • Entender las claves para la transformación de una organización en una Data Driven Company.

Contenidos:

  • Adaptación organizacional para explotar el potencial de los datos.
  • Nuevos roles y ajustes en la estructura organizacional.
  • Desarrollo de una cultura basada en datos (Data-driven culture).
  • Factores críticos de éxito en la implantación de nuevas tecnologías.

MÓUDLOS 16. SEMANA DE CONFERENCIAS

Este módulo consta de tres videoconferencias (impartidas de entre lunes y viernes de dos horas de duración aproximada) donde diferentes ponentes de diferentes sectores nos contarán como están adoptando esta tecnología en sus organizaciones, en los diferentes departamentos, ilustrando con casos de uso específicos de sus empresas.

PROYECTO

Como parte de la formación se realizará un proyecto académico, desde su concepción hasta su diseño e implementación, que permitirá poner en práctica todos los conocimientos adquiridos.

Metodología:

Sesiones online y presenciales.

Actuación financiada por la Sociedad de Promoción Económica de Gran Canaria (SPEGC) y la Escuela de Organización Industrial (EOI)