Máster en Inteligencia Artificial

¡Impulsa tu carrera con el Máster en Inteligencia Artificial! Participa en clases online en directo, accede a prácticas en empresas líderes y sumérgete en las últimas tecnologías del mercado. Conviértete en un profesional altamente demandado y abre las puertas a un sinfín de oportunidades laborales. ¡Inscríbete hoy y da el primer paso hacia un futuro brillante!
Conviértete en un programador certificado en Python
En el curso, aprenderás todo lo necesario para presentarte al examen oficial PCEP™ – Certified Entry-Level Python Programmer del Python Institute.
¿Por qué es importante?

• Obtendrás una certificación reconocida internacionalmente.
• Mejorarás tu perfil profesional en el mundo tech.
• Demostrarás tus conocimientos en Python desde el nivel inicial

 Importante: La tasa del examen corre a cargo del alumno.
¿Qué hace único al programa? 
Las clases son basadas en proyectos, con creación de piezas y aplicaciones en directo creando diferentes programas utilizando las diferentes tecnologías integrándolas en casos reales.
Cada tecnología y sus diferentes partes se aprenden en un contexto real en la creación de un proyecto. Implementando cada una de ellas y realizando demostraciones de uso.

• Garantía de Prácticas Profesionales: Al finalizar el programa, aquellos estudiantes que lo deseen tendrán la oportunidad de realizar prácticas profesionales. Grupo Atrium se compromete a encontrar una empresa adecuada donde puedan aplicar lo aprendido, facilitando así su entrada al mundo laboral.
• Soporte  en Discord: Un experto estará disponible exclusivamente en Discord para resolver tus dudas. Este apoyo es extendido a la realización de ejercicios y a la clarificación de conceptos discutidos en clase.
• Enfoque 100% Práctico: Filosofía Learning by doing a lo largo del programa. Aquí, no encontrarás exámenes teóricos; tu evaluación se basará en la realización de ejercicios prácticos avanzados, diseñados para emular los desafíos que encontrarías en el ámbito laboral real.
• Desafíos Basados en Datos Reales: Se presentarán a los estudiantes desafíos estimulantes basados en situaciones reales, cuya superación es requisito para la aprobación.

Módulo 1: Introducción a los sistemas Informáticos y tecnologías Big Data

• Principales componentes de un sistema informático. Sistemas Operativos, para que sirven, que tipos hay y cómo funcionan…
• Introducción a GNU/Linux
• GNU/Linux Avanzado
• Como usar GNU/Linux en Cloud (AWS)
• Introducción teórica a la IA y las tecnologías Big Data:

Módulo 2: Fundamentos de Programación en Python

• Introducción a los lenguajes de programación
• Python: Sentencias Básicas y Bloques Lógicos
• Python: Funciones y Scope
• Python: Clases y Objetos y Tratamiento de Excepciones
• Python: Módulos y Uso de librerías de Python

Módulo 3: Análisis de Datos con Python (5 sesiones)

• Python: Librerías básicas de Data Science:
  • Numpy
  • Pandas
  • Matplotlib
  • Sklearn
• Introducción teórica al análisis exploratorio de Datos:
• Python: Ejemplificación del análisis exploratorio de datos mediate Datasets reales 

Módulo 4: Introducción al Machine Learning (2 sesiones)

• Desambiguación de términos: Machine Learning, Deep Learning, Data Science, Big Data.
• Tipos de Machine Learning: -Aprendizaje supervisado: Regresión lineal, regresión logística.
• Ejemplos de aplicación de los algoritmos de Machine Learning vistos en datos reales con Python mediante el uso de sklearn.

Módulo 4.1: Introducción a la IA Generativa

• ¿Cómo aprovechar los recientes avances en IA generativa?
• Panorama actual de tecnologías más relevantes por campo:
• Texto: ChatGPT, DeepSeek, LLaMA…
• Imagen: DALL·E, Midjourney, Stable Diffusion…
• Video: Runway ML, Sora…
• ¿Qué es el Prompt Engineering? ¿Es quizás una de las profesiones del futuro?
• Usando la API de Open AI para crear nuestros primeros chatbots basados en ChatGPT

Módulo 5: Bases de Datos Big Data (6 sesiones)

• Introducción a las Bases de datos SQL.
• Programación en Python con SQLite.
• Introducción a PowerBI
• Bases de datos NoSQL:
• Bases de Datos NoSQL Documentales: MongoDB
• MongoDB con Python: PyMongo

Módulo 6: Procesamiento Distribuido (4 sesiones)

• Funcionamiento de un sistema Big Data de Procesamiento Distribuido:
• Hadoop
• PySpark Pandas 

Módulo 7: Algoritmos de Machine Learning y su implementación (9 sesiones)

• ¿Qué es un modelo de machine learning? ¿Qué es el entrenamiento? ¿Cómo valido que mis modelos generalizan correctamente?
• Regresión Lineal
• Regresión Logística
• Algoritmos de agrupamiento (K-Means, Clustering espectral, Clustering jerárquico…)
• Support Vector Machines (SVM)
• Árboles de Decisión y Random Forests
• K Nearest Neighbors (KNN)
• Redes Bayesianas
• Modelos Ocultos de Markov
• Algoritmos de reducción de la dimensionalidad (PCA, t-SNE…)
• Algoritmos de selección de modelos y búsqueda inteligente de hiper parámetros (grid search, random search, cross validation…)
• Modelos Ensemble y Sistemas multi-agente
• Ecosistema Data Science en Python: Skit Learn, Pandas, Numpy, Matplotlib…
• Pre-procesamiento de datos numéricos (Normalización, discretización, estandarización…)

Módulo 8: Deep Learning (Opcional)

• Si se realiza proporciona al alumno o alumna un título extra en Deep Learning
• Introducción a los sistemas cognitivos y al aprendizaje profundo
• Perceptrones multi capa (MLP)
• Aspectos prácticos en el entrenamiento de redes neuronales y computación en GPU/TPU
• Redes Convolucionales (CNN)
• Redes Recurrentes (RNN)
• Auto-Encoders
• Deep Reinforcement Learning (DRL)
• IA GENERATIVA:
  • Redes Generativas Adversarias (GAN)
  • Modelos de Difusión
  • Large Language Models
• Deep Learning Frameworks: Keras, TensorFlow, Pytorch…

Módulo 9: Procesamiento de Lenguaje Natural (Opcional) (5 sesiones)

• Pre-procesamiento de texto y creación de corpus (tokenización, lematización, separación de oraciones…)
• Conceptos clave de análisis a nivel de documento (TF-IDF, BoW…)
• Topic Modeling (LDA y LSI)
• Análisis morfológico y morfosintáctico (PoS Tagging)
• Named Entity Recognition
• Embeddings
• Deep Learning aplicado a NLP
• La revolución de los modelos Deep Learning de lenguaje basados en contexto (BERT, ELMo...)
• Modelos de generación de texto y agentes conversacionales
• Ecosistema NLP en Python: NLTK, gensim, spacy, rasa…

Módulo10: TFM (Opcional) (3 meses)

• El alumno presentará una propuesta de proyecto al docente, que utilice algoritmos y tecnologías vistos en este máster para la resolución de un problema real de negocio.