MÓDULO 1. DATA MINING, INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS Minería de datos ¿Qué podemos hacer con data Mining? ¿Qué usos puede tener el data Mining? Metodología de la minería de datos Algunas técnicas estadísticas utilizadas en data mining Árboles de decisión Reglas de inducción Redes Bayesanas Algoritmos Genéticos UNIDAD DIDÁCTICA 2. CICLO DATA MINING Ciclo data mining Minería de Textos y Web Mining Data mining y marketing UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Introducción a la inteligencia artificial Historia La importancia de la IA UNIDAD DIDÁCTICA 4. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL Algoritmos aplicados a la inteligencia artificial UNIDAD DIDÁCTICA 5. 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 6. 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 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