Curso Big Data e IA Online. Introducción

La unión del poder del Big Data con el potencial de la Inteligencia Artificial consigue llevar más allá el análisis de datos. Descubre cómo puedes unir estas dos herramientas tan poderosas para optimizar la toma de decisiones y mejorar las estrategias de tu empresa basándote en datos. 

Nivel: Básico | Duración: 10 h

Formación 100% bonificable para empresas

curso big data e ia
Empresas han confiado en nosotros
+ 0
Personas que hemos formado
0 K
Años de éxitos
0

Formación Inteligencia Artificial Online

Modalidades

Próximas Convocatorias

3
FEB

Curso Big Data e IA Online. Introducción

Tutorizado

10 horas
75€

100% Bonificable

3
MAR

Curso Big Data e IA Online. Introducción

Tutorizado

10 horas
75€

100% Bonificable

1
ABR

Curso Big Data e IA Online. Introducción

Tutorizado

10 horas
75€

100% Bonificable

Temario

Curso Big Data e IA Online. Introducción

  • Qué es el Big Data 
  • El Big Data como solución al tratamiento masivo de datos 
  • Del Business Intelligence al Big Data 
  • Retos del Big Data 
  • Características del Big Data (4 V’s) 
  • Aplicaciones del Big Data 
  • Introducción a las bases de datos relacionales 
  • Introducción a las bases de datos no relacionales 
  • Diferencias entre SQL y NoSQL 
  • Ventajas e inconvenientes de cada tipo de base de datos 
  • Ejemplos de bases de datos utilizadas en Big Data 
  • Hadoop como revolución para el tratamiento paralelo de datos masivos 
  • Casos de uso de Hadoop 
  • El ecosistema Hadoop: HDFS y MapReduce 
  • Ejemplos de HDFS y MapReduce 
  • Principales lenguajes de programación utilizados para el Big Data: Java, Scala, SQL y Python 
  • Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE 
  • Ejemplos de procesos ETL 
  • Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis 
  • Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing 
  • Ventajas y desafíos del procesamiento en tiempo real y del Cloud Computing 
  • Ejemplos de uso del cloud computing   
  • ¿Qué es TensorFlow? 
  • Presentación de las diferentes técnicas de análisis de datos 
  • Técnicas de visualización de datos 
  • Herramientas y técnicas para crear visualizaciones interactivas y dashboards 
  • Desafíos y consideraciones en la visualización de datos 
  • Aplicaciones del Big Data en Instituciones Públicas   
  • Aplicaciones del Big Data en el Mundo Empresarial 
  • Análisis de los beneficios del uso del Big Data 
  • Discusión sobre la importancia de la ética y la privacidad en el uso de Big Data 
  • Principales riesgos y desafíos éticos asociados con el Big Data 
  • Mejores prácticas para garantizar la ética y la privacidad en Big Data 

  

  • Definición de inteligencia artificial 
  • Evolución histórica de la inteligencia artificial 
  • La inteligencia artificial en la vida cotidiana y en diferentes sectores 
  • La inteligencia artificial como subcampo de la informática 
  • Enfoques, técnicas y objetivos de la IA 
  • Inteligencia artificial, machine learning, deep learning y redes neuronales 
  • Aprendizaje automático (Machine Learning) 
  • Tipos de Machine Learning (Supervisado, No Supervisado, por Refuerzo) 
  • Características definitorias de un algoritmo 
  • Un ejemplo de las características definitorias de un algoritmo 
  • Evaluación y mejora de modelos 
  • Métodos de aprendizaje supervisado 
  • Modelos de Algoritmos Supervisados 
  • Modelos de regresión lineal 
  • Modelos de regresión logística 
  • Modelos de árboles de decisión 
  • Modelos de máquina de vectores de soporte 
  • Métodos de aprendizaje no supervisado 
  • Modelos de Algoritmos no Supervisados 
  • k-means 
  • DBSCAN 
  • Análisis de Componentes Principales (PCA) 
  • Agrupamiento Jerárquico 
  • Comparativa de los principales algoritmos no supervisados 
  • Cuándo utilizar unos u otros algoritmos de aprendizaje no supervisado 
  • Cómo elegir el algoritmo adecuado supervisado o no supervisado 
  • Aprendizaje por Refuerzo: Aprendiendo a través de la interacción 
  • Desafíos del Aprendizaje por Refuerzo 
  • Los agentes en el aprendizaje por refuerzo 
  • Algoritmos de Aprendizaje por Refuerzo 
  • Los enfoques heurísticos en la inteligencia artificial 
  • Algoritmos genéticos 
  • Recocido simulado 
  • Búsqueda tabú 
  • Algoritmos voraces 
  • Deep Learning: Aprendiendo representaciones jerárquicas 
  • Desafíos del Deep Learning 
  • Redes neuronales artificiales 
  • Conceptos básicos de las redes neuronales 
  • Capas de neuronas de una red artificial 
  • Parámetros de un modelo de inteligencia artificial 
  • Entrenamiento de redes neuronales 
  • Técnicas de entrenamiento de una red neuronal 
  • Aprendizaje por transferencia 
  • Tipos de arquitecturas de Deep Learning 
  • Redes Neuronales Recurrentes (RNN) 
  • Redes neuronales convolucionales (CNN) 
  • Redes Generativas Adversarias (GAN) 
  • Redes Neuronales Transformadoras (TNN) 
  • Comparativa entre las distintas arquitecturas de Deep Learning 
  • Procesamiento del lenguaje natural (Natural Language Processing) 
  • Técnicas clave del procesamiento de texto 
  • Modelos de procesamiento del lenguaje natural 
  • Los Transformadores y el procesamiento del lenguaje natural 
  • Aplicaciones del procesamiento del lenguaje natural 
  • Visión computacional (Computer Vision) 
  • Conceptos básicos de la visión computacional 
  • Modelos de visión computacional 
  • Procesamiento de imágenes y redes neuronales convolucionales (CNN) 
  • Aplicaciones de la visión por computadora 
  • Impacto de la inteligencia artificial en la sociedad y la economía 
  • Ejemplos de aplicaciones de la IA en instituciones públicas 
  • Ejemplos de aplicaciones de la IA en el mundo empresarial 
  • Explicabilidad y transparencia de los modelos de Deep Learning 
  • Sesgos y discriminación en los modelos de inteligencia artificial 
  • Responsabilidad y regulación en la IA 
  • Avances y retos en la investigación de IA 
  • Innovación y oportunidades en el campo de la IA