Máster en Inteligencia Artificial e Ingeniería del Conocimiento (Formación Permanente)

Títulos Propios
Máster en Inteligencia Artificial e Ingeniería del Conocimiento (Formación Permanente)

El máster en Inteligencia Artificial e Ingeniería del conocimiento capacita a profesionales en los fundamentos, metodologías y aplicaciones avanzadas de la IA. Abarcando desde su evolución e impacto social hasta su regulación y ética en un programa que abarca teoría y práctica, desarrollando habilidades en análisis de datos, comunicación de insights y gestión de desafíos éticos y tecnológicos de la IA.

A lo largo del máster los estudiantes aprenderán programación en Python y su uso en machine learning y deep learning, explorando redes neuronales, aprendizaje supervisado y no supervisado. Además, profundizarán en la visión artificial, el procesamiento del lenguaje natural (NLP) y la inteligencia artificial generativa, incluyendo LLMs y GANs.

Eleva tu carrera

Máster en Inteligencia Artificial e Ingeniería del Conocimiento (Formación Permanente)

Títulos Propios
Máster en Inteligencia Artificial e Ingeniería del Conocimiento (Formación Permanente)

Programa

Módulo 1. Primeros pasos en la Inteligencia Artificial (8 ECTS)

Historia de la Inteligencia Artificial
Conceptos fundamentales de la Inteligencia Artificial
Tipos de Inteligencia Artificial: Inteligencia Artificial débil e Inteligencia Artificial fuerte
Ética en la Inteligencia Artificial
Sesgos en los datos y los algoritmos
Privacidad y seguridad en la Inteligencia Artificial
Regulación y políticas de Inteligencia Artificial

Módulo 2. Programación Python y análisis matemático (8 ECTS)

Python el nuevo desconocido
Características básicas del lenguaje I
Características básicas del lenguaje II
Programación Orientada a Objetos (POO) y métodos aplicados
Manipulación de datos y librerías de Inteligencia Artificial: Jupyter Notebooks, TensorFlow, PyTorch
Álgebra lineal y cálculo aplicado
Estadística

Módulo 3. Machine Learning (7 ECTS)

Conceptos iniciales del machine learning
Aprendizaje supervisado
Aprendizaje no supervisado
Validación de modelos y selección de características
Prácticas y casos de estudio de machine learning
Tendencias actuales y futuras aplicaciones de machine learning

Módulo 4. Deep Learning y redes neuronales artificiales (9 ECTS)

Principios del deep learning y redes neuronales artificiales
Fundamentos de perceptrones
Arquitecturas de redes multicapa
Entrenamiento de redes neuronales
Modelos preentrenados
Redes neuronales convolucionales (CNN) y redes neuronales recurrentes (RNN)
Modelos secuenciales
Aplicaciones del deep learning y las redes neuronales artificiales

Módulo 5. Visión artificial (7 ECTS)

Fundamentos de la visión artificial
Adquisición y procesamiento de imágenes
Detección de objetos
Reconocimiento facial
Algoritmos y modelos de segmentación
Aplicaciones de la visión por computadora

Módulo 6. Procesamiento del lenguaje natural e IA generativa (9 ECTS)

Introducción al NLP
Representación Vectorial de Texto
Modelos secuenciales y mecanismos de atención
Conversión Audio-Texto
Introducción a la Inteligencia Artificial generativa
Grandes Modelos de Lenguaje (LLMs)
Generación de imágenes y video
El futuro de la Inteligencia Artificial generativa

TFM Trabajo de fin de máster