MÓDULO 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

UNIDAD DIDÁCTICA 1. CONCEPTO Y DEFINICIÓN DE LA INTELIGENCIA ARTIFICIAL
1. Origen y evolución
2. Ramas
3. Aplicaciones-Computación-Medicina-Finanzas-Industria pesada-Atención al cliente-Industria automotriz-Juegos y juguetes-Música

UNIDAD DIDÁCTICA 2. BIG DATA Y BUSINESS INTELLIGENCE
1. Beneficios para las empresas al aplicar la inteligencia artificial en el big data

UNIDAD DIDÁCTICA 3. INTELIGENCIA ARTIFICIAL APLICADA AL
MARKETING, REDES, COPYWRITING Y SEO
1. Automatización y personalización en marketing digital
2. Análisis de audiencias y comportamiento en redes sociales
3. Generación automática de contenidos y copywriting asistido
4. Optimización del posicionamiento SEO
5. Predicción de tendencias y comportamiento digital
6. Inteligencia conversacional y atención automatizada
7. Evaluación del rendimiento y toma de decisiones estratégicas
8. Sinergias y visión integrada

MÓDULO 2. FUNDAMENTOS Y COMPONENTES DEL MARKETING

UNIDAD DIDÁCTICA 1. EL MARKETING COMO DISCIPLINA CENTRAL EN LA ERA DIGITAL
1. Concepto y evolución del marketing
2. Estructura y objetivos de una estrategia de marketing digital-Las 4P y su adaptación al entorno digital-Objetivos SMART y embudo de conversión-Métricas básicas y retorno de la inversión (ROI)

UNIDAD DIDÁCTICA 2. COPYWRITING Y COMUNICACIÓN PERSUASIVA
1. Principios del copywriting efectivo
2. Copywriting para distintos canales-E-mail-Redes sociales-Página web-Anuncios

UNIDAD DIDÁCTICA 3. REDES SOCIALES Y COMUNICACIÓN DIGITAL
1. Rol de las redes en la estrategia de marca
2. Tipos de plataformas y audiencias
3. Contenido orgánico vs. contenido de pago

UNIDAD DIDÁCTICA 4. SEO Y VISIBILIDAD EN MOTORES DE BÚSQUEDA
1. Fundamentos-Indexación-Palabras clave-Enlaces
2. Tipos-SEO on-page-SEO off-page-SEO técnico
3. Relación entre SEO, contenidos y experiencia de usuario

UNIDAD DIDÁCTICA 5. INTEGRACIÓN DE LAS DISCIPLINAS EN UNA
ESTRATEGIA DIGITAL COHERENTE
1. Sinergias entre marketing, copywriting, redes y SEO
2. Coordinación entre equipos y herramientas
3. Desafíos actuales del entorno digital

MÓDULO 3. APRENDIZAJE AUTOMÁTICO O MACHINE LEARNING

UNIDAD DIDÁCTICA 1. CONCEPTUALIZACIÓN DEL APRENDIZAJE
AUTOMÁTICO O MACHINE LEARNING
1. Calidad de los datos

UNIDAD DIDÁCTICA 2. TIPOS DE APRENDIZAJE
1. Aprendizaje supervisado-Árboles de decisión-K vecinos más cercanos-Máquinas de vectores de soporte-Regresión logística-Clasificación de Naive Bayes
2. Aprendizaje no supervisado-Agrupamiento o clustering-Reducción de dimensionalidad
3. Aprendizaje por refuerzo-Q-learning-Policy gradient

UNIDAD DIDÁCTICA 3. EVALUACIÓN DE MODELOS
1. Métricas de evaluación-Clasificación-Regresión-Ranking-Estadísticas-Visión por computadora-Procesamiento del lenguaje natural

MÓDULO 4. APRENDIZAJE PROFUNDO O DEEP LEARNING

UNIDAD DIDÁCTICA 1. CONCEPTUALIZACIÓN DEL APRENDIZAJE
PROFUNDO O DEEP LEARNING
1. Elementos constitutivos
2. Características

UNIDAD DIDÁCTICA 2. REDES NEURONALES ARTIFICIALES
1. Funcionamiento-Dinámica computacional de la neurona artificial-Ajuste de parámetros-Proceso de aprendizaje

UNIDAD DIDÁCTICA 3. TIPOS DE MODELOS
1. Redes neuronales convolucionales
2. Redes neuronales recurrentes
3. Modelos de transformadores

MÓDULO 5. INTELIGENCIA ARTIFICIAL GENERATIVA

UNIDAD DIDÁCTICA 1. CONCEPTUALIZACIÓN DE LA INTELIGENCIA
ARTIFICIAL GENERATIVA
1. Tipos de contenido generado-Texto-Imágenes-Vídeo-Audio-Datos estructurados
2. Métodos de generación-Generación autorregresiva-Generación basada en ruido latente-Entrenamiento adversarial-Técnicas de enmascaramiento

UNIDAD DIDÁCTICA 2. MODELOS FUNDACIONALES O FOUNDATION
MODELS
1. Entrenamiento y adaptación
2. Representaciones generadas por los modelos-Multimodales-Multilingües

UNIDAD DIDÁCTICA 3. ARQUITECTURAS PRINCIPALES
1. Redes generativas antagónicas (GAN)
2. Autocodificadores variacionales
3. Transformadores o transformers
4. Arquitecturas híbridas y emergentes

UNIDAD DIDÁCTICA 4. APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL
GENERATIVA
1. Asistencia creativa
2. Automatización de contenido
3. Generación de datos sintéticos
4. Interacción natural multimodal

MÓDULO 6. INGENIERÍA DE PROMPT O PROMPT ENGINEERING

UNIDAD DIDÁCTICA 1. CONCEPTUALIZACIÓN DE LA INGENIERÍA DE
PROMPT O PROMPT ENGINEERING
1. Elementos de un prompt
2. Principios de diseño
3. Parámetros de generación-Métodos deterministas-Técnicas de sampling

UNIDAD DIDÁCTICA 2. TÉCNICAS
1. Prompt sin entrenamiento previo o zero-shot
2. Prompt con pocas muestras o few-shot
3. Cadena de pensamiento o chain of thought
4. Generación aumentada por recuperación
5. ReAct
6. Autoconsistencia
7. Encadenamiento de instrucciones o prompt chaining
8. Prompt basado en roles o role prompting
9. Conocimiento generado
10. Marcos del árbol de pensamiento o tree of thoughts
11. Prompt activo
12. Estímulo direccional
13. Ingeniería automática de prompts
14. Personalización de prompt o prompt reframing

UNIDAD DIDÁCTICA 3. BUENAS PRÁCTICAS

UNIDAD DIDÁCTICA 4. PLATAFORMAS PARA LA GESTIÓN Y
OPTIMIZACIÓN DE PROMPTS
1. Prompthub
2. PromptBase
3. FlowGPT
4. PromptLayer

MÓDULO 7. INTELIGENCIA ARTIFICIAL EN LA TOMA DE DECISIONES

UNIDAD DIDÁCTICA 1. ANÁLISIS PREDICTIVO
1. Modelos aplicables-Predictivos-Descriptivos-Decisión-Ensemble-Uplift
2. Técnicas aplicables-Regresión-Aprendizaje computacional-Entornos de código abierto
3. Escenarios específicos

UNIDAD DIDÁCTICA 2. ALGORITMOS CENTRADOS EN MEJORAR LA
TOMA DE DECISIONES
1. Optimización-Mix-Pujas
2. Recomendación-Filtrado colaborativo-Filtrado basado en contenido-Modelos híbridos
3. Detección de anomalías-Fraude publicitario-Picos orgánicos anómalos

MÓDULO 8. INTEGRACIÓN ENTRE LA INTELIGENCIA ARTIFICIAL Y
LAS TECNOLOGÍAS EMERGENTES

UNIDAD DIDÁCTICA 1. PRINCIPIOS DE INTEGRACIÓN
1. Sinergias tecnológicas
2. Arquitecturas distribuidas
3. Procesamiento de datos inteligentes
4. Retos generales en la implementación
5. Evolución normativa y ética

UNIDAD DIDÁCTICA 2. TECNOLOGÍAS EMERGENTES COMÚNMENTE
INTEGRADAS CON LA INTELIGENCIA ARTIFICIAL
1. Internet de las cosas (IoT)
2. Computación frontera o edge computing
3. Redes 5G y 6G
4. Blockchain
5. Realidad aumentada (RA)

MÓDULO 9. INTELIGENCIA ARTIFICIAL APLICADA AL MARKETING

UNIDAD DIDÁCTICA 1. FUNDAMENTOS DEL MARKETING EN LA ERA
DIGITAL
1. Marketing tradicional-Las 4P del marketing
2. Marketing digital-Las 4E y las 4F-Medios-Posicionamiento web-Objetivos-Estrategias-Métricas
3. E-commerce-Sistema de gestión de contenidos (CMS)-Modelos de negocio-Optimización de la tasa de conversión
4. E-mail marketing-Tipos de e-mail-Principios de diseño

UNIDAD DIDÁCTICA 2. INTELIGENCIA ARTIFICIAL EN LA ESTRATEGIA
DE MARKETING
1. Segmentación y personalización avanzada-Modelos predictivos de comportamiento-Experiencia de usuario adaptativa-Retargeting y microsegmentación
2. Automatización y optimización de inversión-Publicidad programática y orquestación multicanal-Ajuste dinámico de presupuestos y ROI algorítmico
3. Análisis y predicción de resultados-Dashboards inteligentes y modelos de atribución-Predicción de ventas y rendimiento-Integración con modelos de atribución multicanal

UNIDAD DIDÁCTICA 3. PLATAFORMAS Y HERRAMIENTAS DE
MARKETING AUTOMATION
1. HubSpot Marketing Hub
2. Salesforce Marketing Cloud
3. Adobe Marketo Engage
4. ActiveCampaign
5. Emarsys

MÓDULO 10. INTELIGENCIA ARTIFICIAL APLICADA A LAS REDES
SOCIALES

UNIDAD DIDÁCTICA 1. ECOSISTEMA Y FUNCIONAMIENTO DE LAS
PLATAFORMAS
1. Algoritmos de distribución y señales de relevancia
2. Métricas de engagement y atención

UNIDAD DIDÁCTICA 2. SOCIAL LISTENING Y MINERÍA DE TENDENCIAS
1. Procesamiento de lenguaje natural-Detección de tópicos-Detección de entidades-Detección de sentimientos
2. Detección temprana de tendencias emergentes

UNIDAD DIDÁCTICA 3. GESTIÓN DE CONTENIDO Y CREATIVIDAD
GENERATIVA
1. Planificación automatizada de calendarios de publicación
2. Reutilización multimodal de contenido
3. Generación automática de creatividades visuales y audiovisuales
4. Control de brand safety y coherencia narrativa

UNIDAD DIDÁCTICA 4. SOCIAL ADS INTELIGENTES
1. Segmentación y optimización algorítmica de campañas
2. Creatividades dinámicas y pruebas automatizadas
3. Evaluación causal del impacto publicitario

UNIDAD DIDÁCTICA 5. ANALÍTICA Y ATRIBUCIÓN SOCIAL
1. Modelos de atribución multicanal aplicados a redes
2. Dashboards inteligentes y sistemas de alerta automatizados