Máster en Inteligencia Artificial

Unidad Didáctica 1. Introducción a la Inteligencia Artificial

• Introducción a la inteligencia artificial
• Historia
• La importancia de la IA

Unidad Didáctica 2. Tipos de Inteligencia Artificial

• Tipos de inteligencia artificial

Unidad Didáctica 3. Algoritmos Aplicados a la Inteligencia Artificial

• Algoritmos aplicados a la inteligencia artificial

Unidad Didáctica 4. Relación Entre Inteligencia Artificial y Big Data

• Relación entre inteligencia artificial y big data
• IA y Big Data combinados
• El papel del Big Data en IA
• Tecnologías de IA que se están utilizando con Big Data

Unidad Didáctica 5. Sistemas Expertos

• Sistemas expertos
• Estructura de un sistema experto
• Inferencia: Tipos
• Fases de construcción de un sistema
• Rendimiento y mejoras
• Dominios de aplicación
• Creación de un sistema experto en C#
• Añadir incertidumbre y probabilidades

Unidad Didáctica 6. Futuro de la Inteligencia Artificial

• Futuro de la inteligencia artificial
• Impacto de la IA en la industria
• El impacto económico y social global de la IA y su futuro

Unidad Didáctica 1. Introducción Al Machine Learning

• Introducción al Machine Learning

Unidad Didáctica 2. Introducción a las Redes Neuronales Artificiales (rna)

• Introducción a las Redes Neuronales Artificiales (RNA)

Unidad Didáctica 3. Características de las Rna

• Características de las RNA

Unidad Didáctica 4. Clasificación de las Rna

• Clasificación de las RNA

Unidad Didáctica 5. Fundamentos de las Rna

• Fundamentos de las RNA

Unidad Didáctica 6. Mecanismos de Aprendizaje

• Mecanismos de Aprendizaje

Unidad Didáctica 7. Topologías de las Rna

• Topologías de las RNA

Unidad Didáctica 8. el Perceptrón

• El perceptrón

Unidad Didáctica 9. Construcción de una Rna

• Construcción de una RNA

Unidad Didáctica 10. Interpretación de Resultados

• Gráficas de resultados
• Medidas de error de las RNA
• Definición del error aceptable

Unidad Didáctica 1. del Machine Learning Al Aprendizaje Profundo

• Cómo surge el Deep Learning
• Evolución de las redes neuronales modernas
• Capacidades actuales de los modelos profundos
• Escenarios donde el Deep Learning supera a los métodos tradicionales

Unidad Didáctica 2. Anatomía de una Red Neuronal Profunda

• Neuronas artificiales y capas ocultas
• Propagación hacia adelante y ajuste de pesos
• Funciones de activación y comportamiento del modelo
• Inicialización de parámetros
• El problema del desvanecimiento del gradiente

Unidad Didáctica 3. Entrenamiento Eficiente de Modelos Inteligentes

• Descenso por gradiente y optimizadores modernos
• Batch, mini-batch y entrenamiento estocástico
• Técnicas de regularización
• Early stopping y control del sobreajuste
• Ajuste fino de hiperparámetros

Unidad Didáctica 4. Redes Convolucionales y Visión Computacional

• Cómo interpreta imágenes una red neuronal
• Convoluciones, filtros y mapas de características
• Clasificación y detección de objetos
• Transfer learning aplicado a visión artificial
• Casos de uso en medicina, industria y seguridad

Unidad Didáctica 5. Modelos Secuenciales y Memoria Artificial

• Redes recurrentes
• Arquitecturas LSTM y GRU
• Tratamiento de secuencias y datos temporales
• Predicción de series temporales
• Aplicaciones en lenguaje, audio y análisis financiero

Unidad Didáctica 6. Transformers y Modelos Generativos

• El cambio de paradigma en inteligencia artificial
• Arquitectura Transformer
• Atención y autoatención
• Grandes modelos de lenguaje
• Generación de texto, imagen y audio
• IA generativa aplicada a entornos empresariales

Unidad Didáctica 7. Entornos de Desarrollo para Deep Learning

• TensorFlow y Keras
• PyTorch y ecosistema actual
• Entrenamiento con GPU
• Gestión de datasets complejos
• Exportación e implementación de modelos

Unidad Didáctica 8. Interpretabilidad y Retos del Deep Learning

• Explicabilidad de modelos neuronales
• Sesgos y limitaciones
• Consumo computacional y sostenibilidad
• Seguridad en modelos avanzados
• Tendencias emergentes

Unidad Didáctica 1. Internet de las Cosas

• Contexto Internet de las Cosas (IoT)
• ¿Qué es IoT?
• Elementos que componen el ecosistema IoT
• Arquitectura IoT
• Dispositivos y elementos empleados
• Ejemplos de uso
• Retos y líneas de trabajo futuras

Unidad Didáctica 2. Sistemas Ciberfísicos

• Contexto Sistemas Ciberfísicos (CPS)
• Características CPS
• Componentes CPS
• Ejemplos de uso
• Retos y líneas futuras

Unidad Didáctica 3. Conceptos y Equipos Utilizados en Automatización Industrial

• Conceptos previos
• Objetivos de la automatización
• Grados de la automatización
• Clases de automatización
• Equipos para la automatización industrial
• Diálogo Hombre-máquina, HMI y SCADA

Unidad Didáctica 4. Industria 4.0

• ¿Qué es la Industria 4.0?
• Sensores y captación de información
• Ciclo de vida de los productos en la Industria 4.0
• Modelos de negocio basados en la industria 4.0
• IoT industrial

Unidad Didáctica 5. Vigilancia Tecnológica

• Tipos de vigilancia tecnológica
• Aspectos esenciales de la vigilancia tecnológica
• Búsqueda de información
• Implantación de la vigilancia tecnológica

Unidad Didáctica 6. Estudio de la Tendencia Tecnológica

• Introducción
• Concepto y nociones esenciales de la prospectiva tecnológica
• Tipología de técnicas para la prospectiva tecnológica
• Requisitos de implantación

Unidad Didáctica 1. Cómo Ven las Máquinas

• Fundamentos de visión artificial
• Captura y representación digital de imágenes
• Sensores, cámaras y adquisición visual
• Diferencias entre percepción humana y computacional

Unidad Didáctica 2. Procesamiento Digital de Imágenes

• Filtrado y transformación de imágenes
• Eliminación de ruido y mejora visual
• Detección de contornos y regiones
• Segmentación inteligente
• Reconocimiento de patrones

Unidad Didáctica 3. Redes Neuronales para Análisis Visual

• CNN aplicadas a clasificación
• Modelos para detección de objetos
• Reconocimiento facial y biometría
• Entrenamiento con grandes volúmenes de imágenes

Unidad Didáctica 4. Ia en Vídeo y Análisis en Tiempo Real

• Seguimiento de personas y objetos
• Interpretación automática de escenas
• Detección de movimiento y comportamiento
• Vigilancia inteligente
• Analítica avanzada en streaming de vídeo

Unidad Didáctica 5. Visión Artificial en la Industria y la Movilidad

• Inspección visual automatizada
• Vehículos autónomos y percepción del entorno
• Robótica guiada por visión
• Aplicaciones logísticas y productivas
• Gemelos digitales y sistemas visuales inteligentes

Unidad Didáctica 6. Tendencias y Futuro de la Visión Artificial

• Visión artificial generativa y modelos multimodales
• Edge AI y procesamiento visual en dispositivos inteligentes
• Realidad aumentada y percepción aumentada
• Integración con robótica colaborativa e IoT
• Nuevas aplicaciones en salud, retail, seguridad y smart cities
• Evolución tecnológica y desafíos futuros de la percepción inteligente

Unidad Didáctica 1. el Lenguaje Humano Desde la Perspectiva de la Ia

• Qué es el procesamiento del lenguaje natural
• Ambigüedad y complejidad lingüística
• Evolución de los sistemas lingüísticos inteligentes
• Aplicaciones reales del PLN

Unidad Didáctica 2. Preparación y Representación del Texto

• Tokenización y limpieza textual
• Normalización lingüística
• Stemming y lematización
• Representación vectorial del lenguaje
• Embeddings y contexto semántico

Unidad Didáctica 3. Modelos Lingüísticos y Comprensión del Texto

• Modelos estadísticos aplicados al lenguaje
• Redes neuronales para texto
• Transformers y atención contextual
• Comprensión semántica avanzada

Unidad Didáctica 4. Análisis Inteligente de Contenidos

• Clasificación automática de textos
• Análisis de sentimientos
• Detección de temas y tendencias
• Extracción de entidades
• Automatización documental

Unidad Didáctica 5. Chatbots, Asistentes y Sistemas Conversacionales

• Arquitectura de un asistente virtual
• Gestión del diálogo
• Modelos conversacionales generativos
• Personalización de respuestas
• Integración en empresas y servicios digitales

Unidad Didáctica 6. Ia Generativa y Grandes Modelos de Lenguaje

• Funcionamiento de los LLM
• Prompt Engineering
• Ajuste y especialización de modelos
• Riesgos asociados a la generación automática
• Futuro de la interacción humano-máquina

Unidad Didáctica 1. Robots en la Nueva Era Digital

• Evolución de la robótica
• Componentes físicos y lógicos
• Robots industriales, colaborativos y autónomos
• IA aplicada al movimiento inteligente

Unidad Didáctica 2. Percepción y Toma de Decisiones en Robótica

• Sensores y captura del entorno
• Visión artificial aplicada a robots
• Navegación autónoma
• Planificación de trayectorias
• Localización y mapeo

Unidad Didáctica 3. Robótica Colaborativa en Entornos Productivos

• Interacción humano-máquina
• Seguridad operacional
• Automatización flexible
• Robots colaborativos en la industria 4.0

Unidad Didáctica 4. Sistemas Autónomos Inteligentes

• Vehículos autónomos
• Drones inteligentes
• Robots de asistencia y servicios
• Automatización en logística y almacenes

Unidad Didáctica 5. Ia y Automatización Avanzada de Procesos

• Automatización cognitiva
• Integración entre IA y RPA
• Optimización de operaciones complejas
• Ecosistemas inteligentes conectados

Unidad Didáctica 6. Hacia la Robótica del Futuro

• Robótica social
• Sistemas autoaprendientes
• Inteligencia colectiva entre robots
• Desafíos éticos y regulatorios

Unidad Didáctica 1. Inteligencia Artificial y Chatgpt

• ¿Qué es ChatGPT?
• Cómo afecta la inteligencia artificial en ChatGPT?
• Versiones de ChatGPT y funcionalidades
• Usos de ChatGPT
• Beneficios de la IA y ChatGPT

Unidad Didáctica 2. Chatgpt y Su Funcionamiento

• ¿Cómo funciona ChatGPT?
• Diferencias entre ChatGPT y otros chatbots
• Procesamiento del Lenguaje Natural (PLN)
• Aprendizaje por transferencia
• Cómo entrenar un modelo de ChatGPT

Unidad Didáctica 3. Creación de un Chatbot Básico con Chatgpt

• Elección de la plataforma de desarrollo
• Configuración del entorno de desarrollo
• Preparación de los datos de entrenamiento
• Entrenamiento del modelo de ChatGPT
• Integración del modelo en el chatbot
• Pruebas y mejora del modelo

Unidad Didáctica 4. Mejora de la Interacción con el Usuario

• Análisis de la conversación con el usuario
• Personalización de la conversación
• Uso de emojis y respuestas con imágenes
• Integración de voz y audio
• Respuestas multilingües

Unidad Didáctica 5. Integración de Chatgpt en una Página Web o Aplicación

• Integración del chatbot en una página web
• Integración del chatbot en una aplicación móvil
• Personalización del aspecto del chatbot
• Gestión de la seguridad y privacidad del usuario

Unidad Didáctica 6. Monetización de un Chatbot

• Modelos de negocio para chatbots
• Monetización a través de publicidad
• Monetización a través de suscripciones
• Monetización a través de compras in-app
• Análisis del rendimiento y la rentabilidad

Unidad Didáctica 7. Ética y Responsabilidad en la Ia y los Chatbots

• Aspectos éticos y responsabilidad en la IA
• Sesgos en la IA y cómo evitarlos
• Derechos y privacidad del usuario
• Regulaciones y normativas sobre chatbots
• Responsabilidad social y ambiental

Unidad Didáctica 8. Aplicaciones Avanzadas de Chatgpt

• Chatbots para atención al cliente
• Chatbots para servicios financieros
• Chatbots para servicios de salud
• Chatbots para educación
• Chatbots para entretenimiento y ocio

Unidad Didáctica 9. Herramientas y Recursos para Desarrollar Chatbots con Chatgpt

• Plataformas de desarrollo de Chatbots
• Librerías y frameworks para el desarrollo de IA
• Bases de datos y almacenamiento
• Recursos de formación y aprendizaje
• Comunidades y grupos de apoyo para desarrolladores

Unidad Didáctica 10. Casos de Uso Aplicados con Chatgpt

• Desarrollo de un Chatbot avanzado
• Caso de estudio en atención al cliente
• Caso de estudio en educación
• Caso de estudio en salud
• Caso de estudio en ocio

Unidad Didáctica 1. Impacto de la Ia en la Industria Creativa

• Introducción a la industria creativa
• Transformaciones en los procesos de producción artística
• Inteligencia artificial aplicada al cine y la animación
• Aplicaciones en la música y la composición digital
• Innovación en los videojuegos y narrativas interactivas
• Retos éticos y repercusiones en los modelos creativos

Unidad Didáctica 2. Generación Automática de Contenido: Guiones, Música e Imagen

• Principios básicos de la generación automática de contenidos
• Creación de guiones y narrativas con modelos generativos
• Aplicaciones de la IA en la composición musical
• Producción de imágenes y estilos visuales sintéticos
• Colaboración entre procesos humanos y automatizados
• Limitaciones creativas y desafíos técnicos de la generación automática

Unidad Didáctica 3. Doblaje y Síntesis de Voz con Modelos Inteligentes

• Fundamentos tecnológicos de la síntesis de voz
• Métodos de clonación y recreación vocal
• Automatización del doblaje en entornos audiovisuales
• Sincronización de voz generada con personajes digitales
• Aplicaciones en accesibilidad y comunicación interactiva
• Consideraciones éticas y legales sobre el uso de voces sintéticas

Unidad Didáctica 4. Ia en Videojuegos: Personajes, Narrativas y Mundos Dinámicos

• Inteligencia artificial en la evolución de personajes no jugables
• Creación de narrativas adaptativas e interactivas
• Generación procedimental de escenarios y misiones
• Adaptación de la dificultad en función del jugador
• Experiencias inmersivas en mundos dinámicos
• Tendencias futuras en el desarrollo de videojuegos inteligentes

Unidad Didáctica 5. Recomendación Personalizada en Plataformas de Streaming

• Sistemas de recomendación basados en IA
• Filtrado colaborativo y análisis de preferencias de usuario
• Personalización de contenidos en catálogos digitales
• Influencia en los hábitos de consumo cultural
• Problemas de sesgo y privacidad en la recomendación personalizada

Unidad Didáctica 6. Ia para la Edición de Vídeo: Efectos Visuales y Postproducción

• Posibilidades que ofrece la edición de vídeo
• Automatización de tareas de edición audiovisual
• Reconocimiento de escenas y optimización del montaje
• Aplicación de algoritmos en la mejora de calidad visual
• Creación de efectos especiales con inteligencia artificial
• Integración en los flujos de trabajo de postproducción

Unidad Didáctica 7. Seguimiento de Audiencias y Análisis de Tendencias

• Recopilación de datos de consumo digital
• Técnicas de análisis aplicadas a la medición de audiencias
• Identificación de patrones y segmentación de usuarios
• Predicción de tendencias en el mercado cultural
• Uso estratégico de la información en comunicación y marketing

Unidad Didáctica 8. Realidad Aumentada y Virtual Potenciadas Por Ia

• Conceptos fundamentales de entornos inmersivos
• Inteligencia artificial aplicada a la realidad aumentada
• Personalización de experiencias en realidad virtual
• Adaptación en tiempo real de la interacción con el usuario
• Aplicaciones culturales, educativas y de entretenimiento
• Futuro de la convergencia entre IA, AR y VR

Unidad Didáctica 1. Introducción Al Testing de Sistemas Basados en Ia

• Qué es el testing de inteligencia artificial
• Diferencias entre testing tradicional y testing de IA
• Riesgos asociados a modelos inteligentes
• Ciclo de vida de validación de un sistema de IA

Unidad Didáctica 2. Calidad del Dato y Preparación para Validación

• Integridad y consistencia de datasets
• Detección de datos corruptos o incompletos
• Sesgos derivados de los datos de entrenamiento
• Validación de calidad antes del entrenamiento
• Estrategias de balanceo y limpieza

Unidad Didáctica 3. Métricas y Evaluación de Modelos Inteligentes

• Métricas en clasificación y regresión
• Precision, recall y F1-score
• Curvas ROC y rendimiento predictivo
• Evaluación comparativa entre modelos
• Interpretación avanzada de resultados

Unidad Didáctica 4. Testing Funcional y Comportamiento de Modelos

• Validación funcional de sistemas inteligentes
• Evaluación de respuestas inesperadas
• Robustez frente a entradas atípicas
• Testing de estrés y comportamiento límite
• Simulación de escenarios reales

Unidad Didáctica 5. Testing en Ia Generativa y Modelos Lingüísticos

• Evaluación de modelos generativos
• Detección de alucinaciones
• Verificación de coherencia y contexto
• Testing de prompts y respuestas complejas
• Seguridad y control de generación automática

Unidad Didáctica 6. Detección de Sesgos y Explicabilidad

• Sesgos algorítmicos y discriminación
• Fairness en sistemas inteligentes
• Interpretabilidad de modelos
• Técnicas XAI aplicadas al testing
• Auditoría y trazabilidad de decisiones

Unidad Didáctica 7. Automatización del Testing en Ia

• Frameworks y herramientas de testing
• Automatización de pruebas inteligentes
• Pipelines de validación continua
• Monitorización automatizada de modelos
• Integración de testing en MLOps

Unidad Didáctica 8. Monitorización y Mantenimiento en Producción

• Drift de datos y degradación del modelo
• Supervisión continua del rendimiento
• Sistemas de alerta y observabilidad
• Reentrenamiento y recalibración
• Estrategias de mantenimiento evolutivo

Unidad Didáctica 9. Cumplimiento, Seguridad y Certificación de Ia

• Requisitos regulatorios en sistemas inteligentes
• Validación ética y legal
• Seguridad en modelos desplegados
• Certificación y estándares de calidad
• Tendencias actuales en AI Testing

Unidad Didáctica 1. Planificación de Proyectos de Ia

• Identificación de necesidades y oportunidades
• Diseño estratégico de soluciones inteligentes
• Viabilidad técnica y operativa
• Definición de arquitectura funcional

Unidad Didáctica 2. Entornos y Ecosistemas de Desarrollo

• Configuración de entornos de trabajo
• Herramientas y frameworks actuales
• Gestión de dependencias y versiones
• Entornos colaborativos para IA

Unidad Didáctica 3. Arquitecturas Tecnológicas para Soluciones de Ia

• Arquitecturas escalables para IA
• Microservicios y soluciones distribuidas
• Integración entre modelos y aplicaciones
• Sistemas multimodales y procesamiento híbrido

Unidad Didáctica 4. Desarrollo de Apis y Servicios Inteligentes

• APIs para modelos de inteligencia artificial
• Integración con aplicaciones web y móviles
• Automatización de flujos inteligentes
• Comunicación entre servicios y plataformas

Unidad Didáctica 5. Ia en la Nube y Entornos Escalables

• Cloud Computing aplicado a IA
• Infraestructura distribuida
• Escalabilidad y balanceo de carga
• Optimización de recursos computacionales

Unidad Didáctica 6. Contenerización y Despliegue de Modelos

• Virtualización y contenedores
• Docker aplicado a inteligencia artificial
• Orquestación de servicios inteligentes
• Publicación y despliegue continuo

Unidad Didáctica 7. Mlops y Automatización del Ciclo de Vida

• Introducción a MLOps
• Automatización de entrenamiento y despliegue
• Integración continua y entrega continua
• Versionado de modelos y datasets
• Gestión operativa de modelos inteligentes

Unidad Didáctica 8. Seguridad y Protección de Soluciones Inteligentes

• Seguridad en APIs y servicios IA
• Protección frente a ataques adversariales
• Gestión segura de datos y modelos
• Continuidad y recuperación de servicios

Unidad Didáctica 9. Optimización y Rendimiento de Sistemas Basados en Ia

• Reducción de latencia
• Optimización de inferencia
• Edge AI y procesamiento eficiente
• Escalabilidad avanzada de soluciones inteligentes

Unidad Didáctica 1. Dirección Estratégica de Iniciativas de Ia

• Cómo definir una estrategia corporativa basada en IA
• Madurez digital y adopción organizacional
• Priorización de iniciativas inteligentes
• Alineación entre negocio, tecnología y datos

Unidad Didáctica 2. Gobernanza del Dato y Toma de Decisiones

• Modelos de gobierno del dato
• Calidad, trazabilidad y control de la información
• Políticas de acceso y gestión de datos sensibles
• Inteligencia artificial orientada a la toma de decisiones
• Cuadros de mando inteligentes

Unidad Didáctica 3. Gestión del Cambio en Organizaciones Impulsadas Por Ia

• Transformación cultural en entornos automatizados
• Adaptación de equipos y nuevos perfiles profesionales
• Liderazgo en procesos de innovación tecnológica
• Resistencia al cambio y estrategias de adopción
• Modelos de colaboración entre áreas técnicas y de negocio

Unidad Didáctica 4. Ia Aplicada a la Experiencia del Cliente

• Personalización avanzada de servicios
• Customer journey basado en analítica inteligente
• Automatización de la atención y soporte
• Modelos predictivos de comportamiento del cliente
• Fidelización mediante inteligencia artificial

Unidad Didáctica 5. Dirección de Productos Inteligentes

• Diseño de productos digitales basados en IA
• Roadmaps tecnológicos
• Gestión de ciclos de vida de productos inteligentes
• Escalabilidad y evolución funcional
• Monetización de soluciones basadas en datos

Unidad Didáctica 6. Ia en Finanzas, Negocio y Operaciones Corporativas

• Automatización financiera inteligente
• Predicción y análisis de riesgos
• Optimización de operaciones empresariales
• IA aplicada a supply chain y logística corporativa
• Inteligencia de negocio y analítica avanzada

Unidad Didáctica 7. Marcos Legales y Regulación Internacional de la Ia

• Regulación europea sobre inteligencia artificial
• Cumplimiento normativo y responsabilidad empresarial
• Propiedad intelectual en sistemas generativos
• Gestión legal de datos y automatización
• Auditorías regulatorias en entornos inteligentes