MÓDULO 1. TRANSFORMACIÓN DIGITAL

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL LA TRANSFORMACIÓN DIGITAL

• Introducción a la transformación digital
• Concepto de innovación
• Concepto de tecnología
• Tipología de la tecnología
• Punto de vista de la ventaja competitiva
• Según su disposición en la empresa
• Desde el punto de vista de un proyecto
• Otros tipos de tecnología
• La innovación tecnológica
• Competencias básicas de la innovación tecnológica
• El proceso de innovación tecnológica
• Herramientas para innovar
• Competitividad e innovación

UNIDAD DIDÁCTICA 2. LA SOCIEDAD 3.0

• Filosofía Web 3.0 y su impacto en el mundo empresarial
• Socialización de la Web
• Adaptación del mundo empresarial a las Nuevas tecnologías

UNIDAD DIDÁCTICA 3. NUEVO ECOSISTEMA DIGITAL

• Community Manager
• Chief Data Officer
• Data Protection Officer
• Data Scientist
• Otros perfiles
• Desarrollo de competencias informáticas
• El Papel del CEO como líder en la transformación

UNIDAD DIDÁCTICA 4. NUEVOS MODELOS DE NEGOCIO EN EL ENTORNO DIGITAL

• La transición digital del modelo de negocio tradicional
• Nuevos modelos de negocio
• Freemium
• Modelo Long Tail
• Modelo Nube y SaaS
• Modelo Suscripción
• Dropshipping
• Afiliación
• Infoproductos y E-Learning
• Otros

UNIDAD DIDÁCTICA 5. PLAN DE TRANSFORMACIÓN DIGITAL

• Diagnóstico de la madurez digital de la empresa
• Análisis de la innovación en la empresa
• Elaboración del roadmap
• Provisión de financiación y recursos tecnológicos
• Implementación del plan de transformación digital
• Seguimiento del plan de transformación digital

UNIDAD DIDÁCTICA 6. CASOS DE ÉXITO EN LA TRANSFORMACIÓN DIGITAL

• BBVA y la empresa inteligente
• DKV Salud y #MédicosfrentealCOVID
• El Corte Inglés
• Cepsa y su apuesta por los servicios cloud de AWS

UNIDAD DIDÁCTICA 7. EL NUEVO CLIENTE DIGITAL

• Rediseñando el customer experience
• La transformación de los canales de distribución: omnicanalidad
• Plan de marketing digital
• Buyer´s Journey
• Growth Hacking: estrategia de crecimiento
• El nuevo rol del marketing en el funnel de conversión

UNIDAD DIDÁCTICA 8. NUEVOS MERCADOS, NUEVAS OPORTUNIDADES

• Oportunidades de innovación derivadas de la globalización
• Como Inventar Mercados a través de la Innovación
• Etapas de desarrollo y ciclos de vida
• Incorporación al mercado
• Metodologías de desarrollo

• UNIDAD DIDÁCTICA 9. LA INNOVACIÓN EN LOS PROCESOS ORGANIZATIVOS
• La transformación digital de la cadena de valor
• La industria 4.0
• Adaptación de la organización a través del talento y la innovación
• Modelos de proceso de innovación
• Gestión de innovación
• Sistema de innovación
• Como reinventar las empresas innovando en procesos
• Innovación en Procesos a través de las TIC
• El Comercio Electrónico: innovar en los canales de distribución
• Caso de estudio voluntario: La innovación según Steve Jobs
• Caso Helvex: el cambio continuo
• La automatización de las empresas: RPA, RBA y RDA

MÓDULO 2. BIG DATA INTRODUCTION

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA

• ¿Qué es Big Data?
• La era de las grandes cantidades de información. Historia del big data
• La importancia de almacenar y extraer información
• Big Data enfocado a los negocios
• Open Data
• Información pública
• IoT (Internet of Things-Internet de las cosas)

UNIDAD DIDÁCTICA 2. FUENTES DE DATOS

• Definición y relevancia de la selección de las fuentes de datos
• Naturaleza de las fuentes de datos Big Data

UNIDAD DIDÁCTICA 3. OPEN DATA

• Definición, Beneficios y Características
• Ejemplo de uso de Open Data

UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA

• Diagnóstico inicial
• Diseño del proyecto
• Proceso de implementación
• Monitorización y control del proyecto
• Responsable y recursos disponibles
• Calendarización
• Alcance y valoración económica del proyecto

UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN

• Definiendo el concepto de Business Intelligence y sociedad de la información
• Arquitectura de una solución de Business Intelligence
• Business Intelligence en los departamentos de la empresa
• Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
• Sistemas operacionales y Procesos ETL en un sistema de BI
• Ventajas y Factores de Riesgos del Business Intelligence

UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE

• Cuadros de Mando Integrales (CMI)
• Sistemas de Soporte a la Decisión (DSS)
• Sistemas de Información Ejecutiva (EIS)

UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING

• Apoyo del Big Data en el proceso de toma de decisiones
• Toma de decisiones operativas
• Marketing estratégico y Big Data
• Nuevas tendencias en management

UNIDAD DIDÁCTICA 8. DEL BIG DATA AL LINKED OPEN DATA

• Concepto de web semántica
• Linked Data Vs Big Data
• Lenguaje de consulta SPARQL

UNIDAD DIDÁCTICA 9. 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

MÓDULO 3. ARQUITECTURA BIG DATA

UNIDAD DIDÁCTICA 1. BATCH PROCESSING

• Hadoop
• Pig
• Hive
• Sqoop
• Flume
• Spark Core
• Spark 2.0

UNIDAD DIDÁCTICA 2. STREAMING PROCESSING

• Fundamentos de Streaming Processing
• Spark Streaming
• Kafka
• Pulsar y Apache Apex
• Implementación de un sistema real-time

UNIDAD DIDÁCTICA 3. SISTEMAS NOSQL

• Hbase
• Cassandra
• MongoDB
• NeoJ
• Redis
• Berkeley DB

UNIDAD DIDÁCTICA 4. INTERACTIVE QUERY

• Lucene + Solr

UNIDAD DIDÁCTICA 5. SISTEMAS DE COMPUTACIÓN HÍBRIDOS

• Arquitectura Lambda
• Arquitectura Kappa
• Apache Flink e implementaciones prácticas
• Druid
• ElasticSearch
• Logstash
• Kibana

UNIDAD DIDÁCTICA 6. CLOUD COMPUTING

• Amazon Web Services
• Google Cloud Platform

UNIDAD DIDÁCTICA 7. ADMINISTRACIÓN DE SISTEMAS BIG

• Administración e Instalación de clusters: Cloudera y Hortonworks
• Optimización y monitorización de servicios
• Seguridad: Apache Knox, Ranger y Sentry

UNIDAD DIDÁCTICA 8. VISUALIZACIÓN DE DATOS

• Herramientas de visualización: Tableau y CartoDB
• Librerías de Visualización: D, Leaflet, Cytoscape

MÓDULO 4. MINERÍA Y ANÁLISIS DE DATOS

UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO

• Introducción a la minería de datos y el aprendizaje automático
• Proceso KDD
• Modelos y Técnicas de Data Mining
• Áreas de aplicación
• Minería de textos y Web Mining
• Data mining y marketing

UNIDAD DIDÁCTICA 2. DATAMART. CONCEPTO DE BASE DE DATOS DEPARTAMENTAL

• Aproximación al concepto de DataMart
• Procesos de extracción, transformación y carga de datos (ETL)
• Data Warehou
• Herramientas de Explotación
• Herramientas para el desarrollo de cubos OLAP

UNIDAD DIDÁCTICA 3. DATAWAREHOUSE O ALMACÉN DE DATOS CORPORATIVOS

• Visión General. ¿Por qué DataWarehouse?
• Estructura y Construcción
• Fases de implantación
• Características
• Data Warehouse en la nube

UNIDAD DIDÁCTICA 4. INTELIGENCIA DE NEGOCIO Y HERRAMIENTAS DE ANALÍTICA

• Tipos de herramientas para BI
• Productos comerciales para BI
• Productos Open Source para BI
• Beneficios de las herramientas de BI

UNIDAD DIDÁCTICA 5. ECOSISTEMA HADOOP

• ¿Qué es Hadoop? Relación con Big Data
• Instalación y configuración de insfraestructura y ecosistema Hadoop
• Sistema de archivos HDFS
• MapReduce con Hadoop
• Apache Hive
• Apache Hue
• Apache Spark

UNIDAD DIDÁCTICA 6. WEKA Y DATA MINING

• ¿Qué es Weka?
• Técnicas de Data Mining en Weka
• Interfaces de Weka
• Selección de atributos

UNIDAD DIDÁCTICA 7. PENTAHO

• Una aproximación a Pentaho
• Soluciones que ofrece Pentaho
• MongoDB & Pentaho
• Hadoop & Pentaho
• Weka & Pentaho

UNIDAD DIDÁCTICA 8. INTRODUCCIÓN A LA CIENCIA DE DATOS

• ¿Qué es la ciencia de datos?
• Herramientas necesarias para el científico de datos
• Data Science & Cloud Compunting
• Aspectos legales en Protección de Datos

UNIDAD DIDÁCTICA 9. BASES DE DATOS RELACIONALES

• Introducción
• El modelo relacional
• Lenguaje de consulta SQL
• MySQL. Una base de datos relacional

UNIDAD DIDÁCTICA 10. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE

• ¿Qué es una base de datos NoSQL?
• Bases de datos Relaciones Vs Bases de datos NoSQL
• Tipo de Bases de datos NoSQL. Teorema de CAP
• Sistemas de Bases de datos NoSQL

UNIDAD DIDÁCTICA 11. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL. MONGODB

• ¿Qué es MongoDB?
• Funcionamiento y uso de MongoDB
• Primeros pasos con MongoDB. Instalación y shell de comandos
• Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
• Actualización de datos en MongoDB. Sentencias set y update
• Trabajando con índices en MongoDB para optimización de datos
• Consulta de datos en MongoDB

UNIDAD DIDÁCTICA 12. PYTHON Y EL ANÁLISIS DE DATOS

• Introducción a Python
• ¿Qué necesitas?
• Librerías para el análisis de datos en Python
• MongoDB, Hadoop y Python. Dream Team del Big Data

UNIDAD DIDÁCTICA 13. R COMO HERRAMIENTA PARA BIG DATA

• Introducción a R
• ¿Qué necesitas?
• Tipos de datos
• Estadística Descriptiva y Predictiva con R
• Integración de R en Hadoop

UNIDAD DIDÁCTICA 14. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

• Obtención y limpieza de los datos (ETL)
• Inferencia estadística
• Modelos de regresión
• Pruebas de hipótesis

UNIDAD DIDÁCTICA 15. ANÁLISIS DE LOS DATOS

• Inteligencia Analítica de negocios
• La teoría de grafos y el análisis de redes sociales
• Presentación de resultados

MÓDULO 5. VISUALIZACIÓN DE DATOS

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS

• ¿Qué es la visualización de datos?
• Importancia y herramientas de la visualización de datos
• Visualización de datos: Principios básicos

UNIDAD DIDÁCTICA 2. TABLEAU

• ¿Qué es Tableau? Usos y aplicaciones
• Tableau Server: Arquitectura y Componentes
• Instalación Tableau
• Espacio de trabajo y navegación
• Conexiones de datos en Tableau
• Tipos de filtros en Tableau
• Ordenación de datos, grupos, jerarquías y conjuntos
• Tablas y gráficos en Tableau

UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)

• Fundamentos D3
• Instalación D3
• Funcionamiento D3
• SVG
• Tipos de datos en D3
• Diagrama de barras con D3
• Diagrama de dispersión con D3

UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO)

• Visualización de datos
• Tipologías de gráficos
• Fuentes de datos
• Creación de informes

UNIDAD DIDÁCTICA 5. QLIKVIEW

• Instalación y arquitectura
• Carga de datos
• Informes
• Transformación y modelo de datos
• Análisis de datos

UNIDAD DIDÁCTICA 6. POWER BI

• Introducción a Power BI
• Instalación de Power BI
• Modelado de datos
• Visualización de datos
• Dashboards
• Uso compartido de datos

UNIDAD DIDÁCTICA 7. CARTO

• CartoDB
• ¿Qué es CARTO?
• Carga y uso de datos. Tipos de análisis
• Programación de un visor con la librería CARTO.js
• Uso de ejemplos y ayudas de la documentación de la API

MÓDULO 6. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL)

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 7. INTRODUCCIÓN AL MACHINE LEARNING

• Introducción
• Clasificación de algoritmos de aprendizaje automático
• Ejemplos de aprendizaje automático
• Diferencias entre el aprendizaje automático y el aprendizaje profundo
• Tipos de algoritmos de aprendizaje automático
• El futuro del aprendizaje automático

UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

• Introducción
• Algoritmos

UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN

• Introducción
• Filtrado colaborativo
• Clusterización
• Sistemas de recomendación híbridos

UNIDAD DIDÁCTICA 10. CLASIFICACIÓN

• Clasificadores
• Algoritmos

UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING

• Componentes
• Aprendizaje

UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN

• Introducción
• El proceso de paso de DSS a IDSS
• Casos de aplicación

UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW

• Aprendizaje profundo
• Entorno de Deep Learning con Python
• Aprendizaje automático y profundo

UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES

• Redes neuronales
• Redes profundas y redes poco profundas

UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA

• Perceptrón de una capa y multicapa
• Ejemplo de perceptrón

UNIDAD DIDÁCTICA 16. REDES MULTICAPA

• Tipos de redes profundas
• Trabajar con TensorFlow y Python

UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE

• Entrada y salida de datos
• Entrenar una red neuronal
• Gráficos computacionales
• Implementación de una red profunda
• El algoritmo de propagación directa
• Redes neuronales profundas multicapa

MÓDULO 7. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN

• ¿Qué es PLN?
• ¿Qué incluye el PLN?
• Ejemplos de uso de PLN
• Futuro del PLN

UNIDAD DIDÁCTICA 2. PLN EN PYTHON

• PLN en Python con la librería NLTK
• Otras herramientas para PLN

UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN

• Principios del análisis sintáctico
• Gramática libre de contexto
• Analizadores sintácticos (Parsers)

UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN

• Aspectos introductorios del análisis semántico
• Lenguaje semántico para PLN
• Análisis pragmático

UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN

• Aspectos introductorios
• Pasos en la extracción de información
• Ejemplo PLN
• Ejemplo PLN con entrada de texto en inglés

UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT?

• Aspectos introductorios
• ¿Qué es un chatbot?
• ¿Cómo funciona un chatbot?
• VoiceBots
• Desafios para los Chatbots

UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS

• Chatbots y el papel de la Inteligencia Artificial (IA)
• Usos y beneficios de los chatbots
• Diferencia entre bots, chatbots e IA

UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS

• Áreas de aplicación de Chatbots
• Desarrollo de un chatbot con ChatterBot y Python
• Desarrollo de un chatbot para Facebook Messenger con Chatfuel

MÓDULO 8. VISIÓN ARTIFICIAL EN INDUSTRIA 4.0 CON PYTHON Y OPENCV

UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES

• La visión artificial: definiciones y aspectos principales

UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL

• Ópticas
• Iluminación
• Cámaras
• Sistemas 3D
• Sensores
• Equipos compactos
• Metodologías para la selección del hardware

UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL

• Algoritmos
• Software
• Segmentación e interpretación de imágenes
• Metodologías para la selección del software

UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0

• Aplicaciones clásicas: discriminación, detección de fallos…
• Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)

UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV

• Descripción general OpenCV
• Instalación OpenCV para Python en Windows
• Instalación OpenCV para Python en Linux
• Anaconda y OpenCV

UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS

• Manejo de archivos
• Leer una imagen con OpenCV
• Mostrar imagen con OpenCV
• Guardar una imagen con OpenCV
• Operaciones aritméticas en imágenes usando OpenCV
• Funciones de dibujo

UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES

• Redimensión de imágenes
• Erosión de imágenes
• Desenfoque de imágenes
• Bordeado de imágenes
• Escala de grises en imágenes
• Escalado, rotación, desplazamiento y detección de bordes
• Erosión y dilatación de imágenes
• Umbrales simples
• Umbrales adaptativos
• Umbral de Otsu
• Contornos de imágenes
• Incrustación de imágenes
• Intensidad en imágenes
• Registro de imágenes
• Extracción de primer plano
• Operaciones morfológicas en imágenes
• Pirámide de imágen

UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING

• Analizar imágenes usando histogramas
• Ecualización de histogramas
• Template matching
• Detección de campos en documentos usando Template matching

UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR

• Espacios de color en OpenCV
• Cambio de espacio de color
• Filtrado de color
• Denoising de imágenes en color
• Visualizar una imagen en diferentes espacios de color

UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS

• Detección de líneas
• Detección de círculos
• Detectar esquinas (Método Shi-Tomasi)
• Detectar esquinas (método Harris)
• Encontrar círculos y elipses
• Detección de caras y sonrisas

UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO

• Vecino más cercano (K-Nearest Neighbour)
• Agrupamiento de K-medias (K-Means Clustering)