¡ME INTERESA!

Máster Propio en Inteligencia Artificial

Centro de formación

Grupo Atrium

0,0

0 opiniones /
Ofrecido por:
¡50% de ahorro!
Precio
2.547,5€ 5.095€
Tipo Másters
Modalidad Online / A distancia
¿Tienes dudas? Te las resolvemos sin compromiso:

Solicita más información sin compromiso

Puedes rellenar este formulario y nos pondremos en contacto contigo

¿Cuándo contactamos contigo?


Enviando...

Información general

DESCRIPCIÓN:

Con este Máster Propio en Inteligencia Artificial impartido por Grupo Atrium recibirás una formación única y de calidad, ya que inicia desde lo más básico hasta llegar a los algoritmos más avanzados, complejos e innovadores del estado del arte, mediante un enfoque práctico y completamente orientado a lo que se demanda en el mercado laboral.

A lo largo de la formación te especializarás para ser capaz de dirigir equipos, liderar proyectos y vender proyectos de Inteligencia Artificial.

Fórmate en un sector en pleno auge, en el que cada vez más empresas demandan perfiles especializados en el sector.

Plazas limitadas Prácticas

ASPECTOS A TENER EN CUENTA

OBJETIVOS DEL CURSO:

  • Profundizar en la visión integradora de la Inteligencia Artificial y aprender el dominio de técnicas avanzadas de Machine Learning, Deep Learning, Natural Language Processing (NLP), Artificial Vision…
  • Estudiar los procesos de diseño, desarrollo e implementación de sistemas inteligentes por medio del uso de técnicas de Inteligencia Artificial y computación en la nube.
  • Utilizar las herramientas y librerías de software más utilizadas en la industria: Python (Pandas, Numpy, Matplotlib, Skit-Learn…), TensorFlow, Keras, Anaconda, Jupyter Notebooks…

¿A quién va dirigido?

Personas que quieran orientarse hacia profesiones emergentes relacionadas con la Inteligencia Artificial.

UBICACIONES DE NUESTRAS SEDES

Máster Propio en Inteligencia Artificial se imparte en las siguientes sedes:

TE RECOMENDAMOS VER TAMBIÉN

En los siguientes enlaces podrás ver Másters similares:

TEMARIO

Módulo 1: Nociones teóricas iniciales
  • Desambiguación de términos: ¿Machine Learning? ¿Deep Learning? ¿Data Science? ¿Big Data?
  • Evolución histórica de la Inteligencia Artificial
  • Machine Learning: Aprendizaje supervisado, no supervisado y por refuerzo
  • Aprendizaje supervisado: Regresión y clasificación
Módulo 2: Herramientas básicas
  • Primeros pasos con R
  • Programación en Python
  • Linux Shell essentials
  • Introducción al ecosistema Big Data
  • Introducción a la programación distribuida
  • Programación distribuida: Py-Spark
  • Visión general del ecosistema de bases de datos NoSQL (Clave-valor, Columnares, Documentales y de Grafos)
  • NoSQL: MongoDB con PyMongo
  • Herramientas y técnicas de visualización
  • Visión general de las herramientas Cloud disponibles
Módulo 3: Algoritmos de Machine Learning y su implementación
  • ¿Qué es un modelo de machine learning? ¿Qué es el entrenamiento? ¿Cómo valido que mis modelos generalizan correctamente?
  • Regresión Lineal
  • Regresión Logística
  • Algoritmos de agrupamiento (K-Means, Clustering espectral, Clustering jerárquico…)
  • Support Vector Machines (SVM)
  • Árboles de Decisión y Random Forests
  • K Nearest Neighbors (KNN)
  • Redes Bayesianas
  • Modelos Ocultos de Markov
  • Algoritmos de reducción de la dimensionalidad (PCA, t-SNE…)
  • Algoritmos de selección de modelos y búsqueda inteligente de hiper parámetros (grid search, random search, cross validation…)
  • Modelos Ensemble y Sistemas multi-agente
  • Ecosistema Data Science en Python: Skit Learn, Pandas, Numpy, Matplotlib…
  • Pre-procesamiento de datos numéricos (Normalización, discretización, estandarización…)
Módulo 4: Deep Learning
  • Introducción a los sistemas cognitivos y al aprendizaje profundo
  • Perceptrones multi capa (MLP)
  • Aspectos prácticos en el entrenamiento de redes neuronales y computación en GPU/TPU
  • Redes Convolucionales (CNN)
  • Redes Recurrentes (RNN)
  • Auto-Encoders
  • Redes Generativas Adversarias (GAN)
  • Deep Reinforcement Learning (DRL)
  • Deep Learning Frameworks: Keras, TensorFlow, Pytorch…
Módulo 5: Procesamiento de Lenguaje Natural
  • Pre-procesamiento de texto y creación de corpus (tokenización, lematización, separación de oraciones…)
  • Conceptos clave de análisis a nivel de documento (TF-IDF, BoW…)
  • Topic Modeling (LDA y LSI)
  • Análisis morfológico y morfosintáctico (PoS Tagging)
  • Named Entity Recognition
  • Embeddings
  • Deep Learning aplicado a NLP
  • La revolución de los modelos Deep Learning de lenguaje basados en contexto (BERT, ELMo…)
  • Modelos de generación de texto y agentes conversacionales
  • Ecosistema NLP en Python: NLTK, gensim, spacy, rasa…
Módulo 6: TFM (Opcional)
  • El alumno presentará una propuesta de proyecto al docente, que utilice algoritmos y tecnologías vistos en este máster para la resolución de un problema real de negocio.
  • Una vez aprobada la propuesta el alumno lo realizará
  • Al entregarlo el docente dará su feedback y si este es positivo el alumno tendrá una mención especial en su diploma y prioridad en nuestra bolsa de empleo.

SALIDAS PROFESIONALES

  • Especialista en Inteligencia Artificial

Opiniones

No hay opiniones registradas para este curso