Máster en Inteligencia Artificial - IMF Smart Education

Suministrar una sólida base teórico-matemática para aplicar las técnicas avanzadas en el desarrollo de aplicaciones.
Desarrollar el moderno plan de estudio afín a la realidad de la tecnología en IA.
Dominar las disciplinas de la Inteligencia Artificial: Machine Learning, Redes Neuronales, Deep Learning y Lógica Difusa.
Codificar aplicaciones con el uso de tecnologías y librerías de software ampliamente utilizadas en la industria como: Python, TensorFlow, Keras, MLflow SciPy (pandas, numpy, matplotlib, seaborn), Anaconda, Jupyter notebook, Google Colaboratory, AWS.
Aplicar bases de datos reales para la resolución de casos prácticos.
Mantener y desarrollar la capacidad de actualización permanente con los avances tecnológicos en el área e integrarse con estos.
Asistir a seminarios impartidos por profesionales de empresas como Inbenta, CVBLab o Intelygenz.
Identificar las aplicaciones más relevantes de la actualidad: chatbots, vehículos autónomos, reconocimiento de voz, visión artificial, robótica, reconocimiento facial.

Máster por la Universidad Católica de Ávila (UCAV)

MÓDULO I INTRODUCCIÓN
- Evolución de la Inteligencia Artificial
- Fundamentos de Machine Learning y Redes Neuronales
- Introducción a Python y a R
- Estadística para la IA
MÓDULO II MACHINE LEARNING: APRENDIZAJE
- Aprendizaje Supervisado
- Aprendizaje No Supervisado
- Aprendizaje Reforzado
MÓDULO III MACHINE LEARNING: MODELOS
- Modelos de Clasificación
- Modelos de Regresión
- Modelos de Predicción
- Optimización de modelos
MÓDULO IV DEEP LEARNING
- Introducción a Deep Learning: Python, Keras y Tensorflow
- Sistemas neuronales
- Redes de un sola capa
- Redes multicapa
- Estrategias de aprendizaje
MÓDULO V NLP
- Procesamiento del lenguaje natural
- Reconocimiento de patrones
- Descubrimiento de información en textos
- Automatización de principales procesos en la relación con el cliente: reconocimiento de voz, texto e imágenes
MÓDULO VI BOTS
- Bots autónomos
- Visión por computador
- Robótica y percepción computacional
- Principios de la locomoción robótica
MÓDULO VII MINERÍA DE DATOS
- Redes bayesianas
- Minería de datos
MÓDULO VIII DATA SCIENCE
- Fuentes y visualización de información
- Adquisición y Transformación de datos
- Análisis de Datos no Estructurados
- Programación en Data Science
MÓDULO IX APLICACIONES A NEGOCIO
- Seminarios y ponencias sobre aplicaciones de IA a diversos negocios
MÓDULO X TRABAJO FIN DE MÁSTER