Curso subvencionado para trabajadores online
Duración : 47 Días
Este curso te capacitará para comprender y aplicar los fundamentos y ramas de la IA en contextos empresariales reales. A lo largo de la formación, explorarás tecnologías clave como el Big Data, el Deep Learning y los algoritmos inteligentes, aprendiendo cómo se integran para optimizar procesos, mejorar la toma de decisiones y generar ventajas competitivas. Descubrirás casos de uso concretos, herramientas aplicadas y estrategias que están revolucionando sectores como el marketing, las finanzas, la logística o la atención al cliente. Además, conocerás cómo adaptar estas tecnologías al tamaño y necesidades de tu negocio.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
Aplicar en empresas conocimientos acerca de la inteligencia artificial, sus diversas ramas y más específicamente aquellas relacionadas con Big Data, Deep Learning y los algoritmos relacionados con estas nuevas tecnologías.
A quién va dirigido
A trabajadores y autónomos que residan en la Comunidad de Madrid.
Requisitos
Asignación de plaza sujeta a previa comprobación del sector empresarial. No se requieren acreditaciones/titulaciones. No obstante, se han de poseer las habilidades de comunicación lingüística suficientes que permitan cursar con aprovechamiento la formación.
Temario completo de este curso
1. Inteligencia Artificial aplicada a la empresa
1. Introducción a la inteligencia artificial.
1.1. Definición e historia de la inteligencia artificial.
1.2. Identificación de las ramas de la IA y sus algoritmos.
1.3. Uso del Machine/Deep Learning.
1.4. Conocimiento acerca del Big data como el cambio en la IA.
2. Aplicación del algoritmo de inteligencia artificial.
2.1. Uso en el Machine Learning: modelos supervisados.
2.2. Uso en el Machine learning: modelos no supervisados.
2.3. Aprendizaje por refuerzo 2.4 Modelos profundos (Deep learning).
2.4. Asimilación de ejemplos con Weka/Orange