INTRODUCCIÓN

• Evolución de la Inteligencia Artificial
• Fundamentos de Machine Learning y Redes Neuronales
• Introducción a Python y a R
• Estadística para la IA

MACHINE LEARNING: APRENDIZAJE

• Aprendizaje Supervisado
• Aprendizaje No Supervisado
• Aprendizaje Reforzado

MACHINE LEARNING: MODELOS

• Modelos de Clasificación
• Modelos de Regresión
• Modelos de Predicción
• Optimización de modelos

DEEP LEARNING

• Introducción a Deep Learning: Python, Keras y Tensorflow
• Sistemas neuronales
• Redes de una sola capa
• Redes multicapa
• Estrategias de aprendizaje

NLP

• Procesamiento del lenguaje natural
• Reconocimiento de patrones
• Descubrimiento de información en textos
• Automatización de principales procesos en la relación con el cliente: reconocimiento de voz, texto e imágenes

BOTS

• Bots autónomos
• Visión por computador
• Robótica y percepción computacional

• Principios de la locomoción robótica

MINERÍA DE DATOS

• Redes bayesianas
• Minería de datos

DATA SCIENCE

• Fuentes y visualización de información
• Adquisición y Transformación de datos
• Análisis de Datos no Estructurados
• Programación en Data Science

APLICACIONES A NEGOCIO

• Seminarios y ponencias sobre aplicaciones de IA a diversos negocios

TRABAJODE FIN DE MASTER