TEMARIO

El temario de este programa executive en Inteligencia Artificial y Desarrollo de Negocio se desarrolla en los siguientes módulos resumidos:

MODULO 1. INTRODUCCION A LOS LENGUAJES DE PROGRAMACION

• Introducción a Python
• Introducción a R
• Configuración de ambientes de desarrollo

MODULO 2. BIG DATA ALMACENAMIENTO

• Sistemas SQL
• Sistemas No SQL y mixtos
• Sistemas de almacenamiento Cloud

MÓDULO 3. DEEP LEARNING

• Introducción al aprendizaje automático. Métricas de evaluación.
• El perceptrón y el perceptrón de múltiples capas.
• Redes convolucionales, recurrentes y de grafos. Modelos con atención.
• Entrenamiento para retro-propagación, por población y neuroevolució.
• Optimización. Normalización por paquetes.
• Modelos generativos.
• Transferencia del aprendizaje. Aprendizaje incremental y olvido catastrófico.

MODULO 4. ANALISIS PREDICITIVO CON MACHINE LEARNING

• Introducción al Machine Learning.
• Aprendizaje supervisado
• Aprendizaje no supervisado

MODULO 5. ANALISIS PREDICTIVO CON DEEP LEARNING

• Introducción a las Redes Neuronales
• Herramientas Open Source
• Redes convolucionales y recurrentes

MÓDULO 6. COMPUTER VISION

• Clasificación de imágenes y vídeos.
• Detección, seguimiento y segmentación de objetos.
• Búsqueda visual.
• Reconocimiento y reconstrucción 3D.
• Predicción de la atención visual humana.

MÓDULO 7. NATURAL LANGUAGE PROCESSING

• Incrustaciones de palabras y modelos de lenguaje.
• Procesado de texto.
• Clasificación y resúmenes de textos.
• Traducción neuronal.
• Sistemas de diálogo.
• Recomendadores.

MÓDULO 8. SPEECH AND AUDIO PROCESSING

• Reconocimiento, conversión y síntesis de la voz.
• Música.
• Eventos acústicos.
• Procesado multi-modal del vídeo: audio y visión.

MÓDULO 9. APPLICATIONS

• Casos reales de aplicaciones de aprendizaje profundo en la industria.
• Estudio de los Proyectos de investigación de investigadores de prestigio mundial.

MÓDULO 10. PROYECTO FIN DE MÁSTER

• Programación en Python para aprendizaje profundo.
• Entornos de desarrollaremos por aprendizaje profundo: Kera/TensorFlow y PyTorch/Caffe2.
• Monitorización del entrenamiento de una red: curvas de entrenamiento, uso de recursos de computación.
• Cargadores de datos. Sincronización entre CPU y GPU.
• Computación en la nube.