¿Qué quieres aprender?

Máster en Project Management énfasis en Inteligencia Artificial (IA) aplicado a ...

Máster en Project Management énfasis en Inteligencia Artificial (IA) aplicado a proyectos

Instituto Europeo de Posgrado (IEP)

Máster online

Descuento Lectiva
7.750 € 3.643
¿Quieres hablar con un asesor sobre este curso?

Objetivos

El Máster en Project Management énfasis en Inteligencia Artificial aplicado a Proyectos tiene por objetivos: • Liderar la integración de IA en la gestión de proyectos: Capacitar a los estudiantes para liderar la implementación de soluciones de inteligencia artificial en la gestión de proyectos, optimizando la eficiencia y mejorando la toma de decisiones estratégicas en diversos sectores empresariales. • Desarrollar competencias en tecnologías y metodologías avanzadas: Proveer a los estudiantes con habilidades avanzadas en la utilización de herramientas de IA, machine learning, y otras tecnologías emergentes aplicadas a la gestión de proyectos, así como en la gestión de riesgos, la planificación y el control de la calidad. • Analizar tendencias y aplicar innovación en la gestión de proyectos: Enseñar a los estudiantes a analizar las tendencias globales en la gestión de proyectos y la inteligencia artificial, aplicar técnicas innovadoras en la dirección de proyectos, anticiparse a los cambios y desafíos del mercado, y adaptar estrategias para identificar oportunidades de mejora continua en entornos altamente competitivos. • Mejorar la empleabilidad y el liderazgo organizacional: Fomentar el desarrollo de habilidades transversales, como liderazgo, comunicación, y negociación, que permitan a los estudiantes destacarse en el mercado laboral, liderar equipos de trabajo, y gestionar eficazmente proyectos complejos en organizaciones dinámicas. • Optimizar la gestión de proyectos mediante el uso de herramientas tecnológicas: Capacitar a los estudiantes en el uso de software y plataformas de gestión de proyectos, como Microsoft Project y simuladores de gestión, para planificar, controlar y supervisar proyectos de manera eficiente, asegurando el éxito en la ejecución de estos.

A quién va dirigido

Ingeniería y Ciencias Aplicadas: Graduados en ingeniería industrial, ingeniería de sistemas, ingeniería informática, o campos afines. Profesiones orientadas a este máster: ingeniero de proyectos, gestor de TI, consultor en inteligencia artificial. • Informática y Tecnología: Graduados en ciencias de la computación, ingeniería de software, tecnologías de la información, o áreas afines. Profesiones orientadas a este máster: desarrollador de software, especialista en IA, gestor de proyectos tecnológicos. • Economía y Administración de Empresas: Graduados en economía, administración de empresas, finanzas, o áreas afines. Profesiones orientadas a este máster: gestor de proyectos, analista de negocios, consultor en transformación digital. • Estadística y Ciencias de Datos: Graduados en estadística, ciencias de datos, o disciplinas relacionadas. Profesiones orientadas a este máster: analista de datos, científico de datos, especialista en machine learning para la gestión de proyectos. • Ciencias Ambientales y Responsabilidad Social: Graduados en ciencias ambientales, responsabilidad social corporativa, o áreas afines que deseen integrar prácticas sostenibles en la gestión de proyectos mediante la utilización de IA.

Requisitos

Haber cursado un grado universitario.

Temario completo de este curso

TEMARIO DEL CURSO:

Dirección de los proyectos PMI (I)

  1. Fundamentos de la Dirección de Proyectos
  2. Ciclo de Vida del Proyecto, los Interesados y Estructura de la Organización
  3. Procesos y Áreas de Conocimiento de la Dirección de Proyectos
  4. Gestión de la Integración del Proyecto
  5. Gestión del Alcance del Proyecto
  6. Gestión del Tiempo del Proyecto

Gestión de riesgos en proyectos

  1. Introducción a la Gestión de Riesgos
  2. Planificación de la Gestión de Riesgos
  3. Identificación de los Riesgos
  4. Análisis Cualitativo de Riesgos
  5. Análisis Cuantitativo de Riesgos
  6. Planificación de la Respuesta a los Riesgos
  7. Seguimiento y Control de Riesgos
  8. La Gestión de Riesgos Bajo Otros Enfoques

Dirección de los proyectos PMI (II)

  1. Gestión de Costos
  2. Gestión de Calidad
  3. Gestión de Recursos
  4. Gestión de las Comunicaciones
  5. Gestión de Riesgos
  6. Gestión de Adquisiciones
  7. Gestión de Interesados

Gestión de la calidad

  1. Gestión de la Calidad y Mejora Continua
  2. Gestión y Mejora de los Procesos
  3. Sistema de Gestión de la Calidad
  4. Gestión de Proyectos
  5. Seis Sigma
  6. Lean Management

Planificar y controlar proyectos con Microsoft Project

  1. Consejos Iniciales y Fundamentos de Gestión de Tiempos
  2. Planificar el Alcance y el Cronograma con MSP
  3. Planificando los Costes con Microsoft Project
  4. Elaborar Propuestas con MSP
  5. Controlar el Alcance y los Tiempos con MSP
  6. Gestión del Camino Crítico y del Valor Ganado con Microsoft Project
  7. Simulador

Simulador Project Management

La asignatura prepara a los estudiantes para la certificación Project Management Professional (PMP)® del PMI, mediante simulaciones basadas en la última edición del PMBOK, fortaleciendo sus competencias en la gestión de proyectos en contextos reales.

Project Management Office (PMO)

  1. La Gestión de Proyectos en las Organizaciones
  2. Estructura de una Oficina de Proyectos
  3. Modelos de Madurez
  4. Implementación
  5. Herramientas de Apoyo a la PMO

Seguimiento de proyectos

  1. Generalidades del Seguimiento de Proyectos
  2. Alcance del Seguimiento
  3. Planificación del Seguimiento
  4. Seguimiento del Trabajo, Cronograma y Costes
  5. Seguimiento de la Calidad y las Comunicaciones
  6. Seguimiento de los Riesgos, Adquisiciones e Interesados

Artificial Intelligence

  1. Inteligencia Artificial y la Toma de Decisiones Automatizadas
  2. Machine Learning Generative AI
  3. Generative Artificial Intelligence
  4. Ethics in Artificial Intelligence
  5. Casos de Uso en Diferentes Sectores
  6. Plataformas de Software

Python Programming

  1. Introducción y entorno de trabajo
  2. Variables, tipos de datos y operadores
  3. Estructura de datos
  4. Entrada y salida de archivos
  5. Funciones y modularidad
  6. Clases y métodos

Machine Learning

  1. Introducción a Machine Learning
  2. Aprendizaje Supervisado
  3. Aprendizaje supervisado de regresión
  4. Aprendizaje no supervisado
  5. Aprendizaje semi-supervisado y por Refuerzo
  6. Interpretabilidad de Modelos

Generative AI

  1. Fundamentos de la IAG
  2. Modelos Fundacionales
  3. Grandes modelos de texto
  4. Pequeños modelos de texto
  5. Modelos de generación de imagen
  6. Aplicaciones

Proyecto final

Ver más