MÓDULO I: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL -AI-

1. Definición de AI

2. Conceptos y Diferencias: AI, Machine Learning, Deep Learning y Big Data.

3. Conceptos Básicos de AI y herramientas

· Machine Learning

· Conocimiento Basado en Sistemas

· Procesamiento de Lenguaje Natural

· Representación de Conocimiento

· Medios de Procesamiento

4. Beneficios de la AI

5. Procesamiento de Datos y Elementos Éticos

6. Áreas de Aplicación en Seguros

· Costumer Relationship Management

· Detección de Outliers y Fraude en Siniestros

· Mejora de Procesos

· Optimización de canales de Distribución

· Segmentación de Clientes

· Suscripción Automática

MÓDULO II: MACHINE LEARNING

1. Definición y Conceptos Básicos

2. Tipos de Aprendizaje: Supervisado y No Supervisado

3. Flujograma de Trabajo

MÓDULO III: DEEP LEARNING

1. Análisis de grandes datos (big data)

2. Redes Neuronales

3. Tipos de modelos de Deep Learning

4. Redes Neuronales y Aprendizaje profundo

· ¿Qué son las redes neuronales?

· Arquitectura de las redes neuronales

· Parámetros de las redes neuronales

· Retro propagación y descenso en gradiente

· Redes neuronales convolucionales

· Redes neuronales recurrentes

5. Big data en la cadena de valor del seguro

6. Tarifación y Suscripción con AI

7. Aplicaciones

· E-Commerce

· Aplicaciones en Seguros de Autos y Suscripción Automática

· Aplicaciones en Seguros de Salud

MÓDULO IV: NATURAL LANGUAGE PROCESSING

1. Definiciones y Tipos de Procesos

2. Análisis de Sentimientos

3. Analítica de Textos.

4. Aplicaciones:

· Servicio al Cliente

· Monitoreo de Reputación

· Procesamiento de texto y lenguaje natural

· Acceder a los datos de la web

· Procesamiento de texto Unicode

· Texto de tokenshing

· Etiquetado de palabras

· Asignación de Dirichlets Latentes

· Teoría de grafos y Análisis de Redes Sociales

· Gráficos y redes

· Tomando la medida: Grado, centralidad y más

· Conectando los puntos: Propiedades de la red