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, BUSINESS INTELLIGENCE Y DATA SCIENCE 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. 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 3. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN Definiendo el concepto de Business Intelligence y sociedad de la información Arquitectura de una solución 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 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE Cuadros de Mando Integrales (CMI) Sistemas de Soporte a la Decisión (DSS) Sistemas de Información Ejecutiva (EIS) UNIDAD DIDÁCTICA 5. 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 6. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL Aproximación al concepto de DataMart Bases de datos OLTP Bases de Datos OLAP MOLAP, ROLAP & HOLAP Herramientas para el desarrollo de cubos OLAP UNIDAD DIDÁCTICA 7. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS Visión General: ¿Por qué DataWarehouse? Estructura y Construcción Fases de implantación Características Data Warehouse en la nube UNIDAD DIDÁCTICA 8. STORYTELLING ¿Qué es el Data Storytelling? Elementos clave del Data Storytelling ¿Por qué es importante el Data Storytelling? ¿Cómo hacer Data Storytelling? UNIDAD DIDÁCTICA 9.INTRODUCCIÓN A LA CIENCIA DE DATOS ¿Qué es la ciencia de datos? Herramientas necesarias para el científico de datos Data Science & Cloud Computing Aspectos legales en Protección de Datos UNIDAD DIDÁCTICA 10. WEKA Y DATA MINING ¿Qué es Weka? Técnicas de Data Mining en Weka Interfaces de Weka Selección de atributos UNIDAD DIDÁCTICA 11. 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 12. 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 13. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS Obtención y limpieza de los datos (ETL) Inferencia estadística Modelos de regresión Pruebas de hipótesis UNIDAD DIDÁCTICA 14. ANÁLISIS DE LOS DATOS Inteligencia Analítica de negocios La teoría de grafos y el análisis de redes sociales Presentación de resultados MÓDULO 3. ANÁLISIS DE DATOS CON PYTHON UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS ¿Qué es el análisis de datos? UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB Análisis de datos con NumPy Pandas Matplotlib UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS Cómo usar loc en Pandas Cómo eliminar una columna en Pandas UNIDAD DIDÁCTICA 4. PIVOT TABLES Pivot tables en pandas UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN El grupo de pandas UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES Python Pandas fusionando marcos de datos UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN Matplotlib Seaborn UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING Aprendizaje automático UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA Regresión lineal Regresión logística UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES Estructura de árbol UNIDAD DIDÁCTICA 11. NAIVE BAYES Algoritmo de Naive bayes Tipos de Naive Bayes UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM) Máquinas de vectores soporte (Support Vector Machine-SVM) ¿Cómo funciona SVM? Núcleos SVM Construcción de clasificador en Scikit-learn UNIDAD DIDÁCTICA 13. KNN K-nearest Neighbors (KNN) Implementación de Python del algoritmo KNN UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA) Análisis de componentes principales UNIDAD DIDÁCTICA 15. RANDOM FOREST Algoritmo de Random Forest MÓDULO 4. 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 5. 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 6. 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 7. 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) MÓDULO 8. IOT Y SISTEMAS CIBERFÍSICOS EN LA INDUSTRIA 4.0 Y SMART BUILDING UNIDAD DIDÁCTICA 1. 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 UNIDAD DIDÁCTICA 2. SISTEMAS CIBERFÍSICOS Contexto Sistemas Ciberfísicos (CPS) Características CPS Componentes CPS Ejemplos de uso Retos y líneas de trabajo futuras