1. Introducción a la Inteligencia Artificial y Ciencia de Datos.
1.1. Introducción al ecosistema de la Inteligencia Artificial
1.2. Utilización de modelos de Inteligencia Artificial
1.3. Introducción al ecosistema de la Ciencia de Datos
1.4. Herramientas de la Ciencia de Datos
1.5. Aplicación de principios legales y éticos de la Inteligencia Artificial
1.6. Gobernanza de los Datos
1.7. Professional English Workshop #1
2. Lenguajes de programación.
2.1. Lenguaje R
2.2. Lenguaje Python
2.3. El lenguaje SQL
2.4. Microsoft Power Platform Fundamentals
2.5. Microsoft Azure Fundamentals
2.6. Professional English Workshop #2
3. Aprendizaje Automatizado (ML).
3.1. Modelos Lineales
3.2. Algoritmos aplicados al aprendizaje supervisado y optimización del modelo
3.3. Aplicación de técnicas de aprendizaje no supervisado
3.4. Algoritmos o modelos aplicados al aprendizaje automático
3.5. Fases del aprendizaje automático
3.6. Valoración de la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje automático
3.7. Aplicación práctica #1 con Microsoft Azure ML.
3.8. Professional English Workshop #3.
4. PRÁCTICA: Aprendizaje Automatizado ML
(con Microsoft Azure ML)
4.1. Introducción a Azure Machine Learning
4.2. Aprendizaje automático sin código con Designer
4.3. Ejecución de experimentos y modelos de entrenamiento
4.4. Trabajar con datos
4.5. Calcular contextos
4.6. Orquestación de operaciones con canalizaciones
4.7. Implementación y consumo de modelos
4.8. Entrenamiento de modelos óptimos
4.9. Interpretar modelos
4.10. Modelos de supervisión