Curso de Fundamentos de la Inteligencia Artificial: Machine Learning (Presencia Virtual Online - Málaga)


Programa cofinanciado por el Fondo Social Europeo Plus y Polo de Contenidos Digitales.

PRESENTACIÓN

El objetivo de esta acción formativa es dotar a los alumnos de los conocimientos, habilidades y aptitudes necesarios para introducirse en el mundo laboral de la Inteligencia Artificial, específicamente en el ámbito del Machine Learning. Aprenderán los conceptos básicos, herramientas y lenguajes relacionados con la Inteligencia Artificial y sus diferentes modalidades.

El temario está orientado a cubrir los aspectos básicos para entender los procesos que conciernen al Machine Learning desde un enfoque práctico y tiene como objetivos:

•    Adquirir los conceptos básicos, herramientas y lenguajes relacionados con la Inteligencia Artificial y sus diferentes modalidades.
•    Adquirir el conocimiento necesario para el tratamiento de los conjuntos de datos relacionados con el entrenamiento de modelos.
•    Utilizar diferentes algoritmos de Machine Learning y su aplicabilidad para la resolución de problemas de diversa índole.
•    Aplicar los conceptos de las Redes Neuronales a diferentes campos (Computer Visión, NLP, etc.).
•    Interpretar los fundamentos y librerías para la representación y visualización de los datos obtenidos de los modelos Machine Learning.
•    Aplicar los diferentes modelos de Bases de datos y su integración con las herramientas de Inteligencia Artificial.
•    Utilizar herramientas para la generación, entrenamiento y pruebas de modelos de Machine Learning.
•    Conocer los principios de MLOps y su aplicación.
•    Aplicar una Inteligencia Artificial Responsable.
•    Realizar un proyecto completo por parte del alumno aplicando los diferentes conocimientos de Inteligencia Artificial tratados a lo largo del curso.
•    Poner en práctica el uso de las metodologías ágiles y entender el valor de las habilidades "soft" en la era digital.

Logos Ayto Malaga Polo Contenidos

Datos generales

Convocatoria
2025
Horario

Clases de lunes a viernes, tutorías a concretar con mentor en horario distinto de clases.

Duración

178 horas lectivas (176 horas de clases y 2 de tutorías)

Precio:

Matrícula gratuita. Programa cofinanciado por el Fondo Social Europeo Plus y Polo de Contenidos Digitales.

Periodo lectivo
De Septiembre a Diciembre
Fecha del curso
Provincia
Málaga
Modalidad
Online

Contenidos

1. FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL

• Inmersión a la IA explicando sus principales modalidades.
• Breve noción sobre los algoritmos de IA.
• Análisis de los diferentes tipos de aprendizaje.
• Fundamentos matemáticos para el entendimiento del funcionamiento de distintos algoritmos basados en IA y conceptos básicos de programación.
• Implementación de conceptos matemáticos de IA utilizando Python como lenguaje de programación.
• Fundamentos estadísticos básicos para el entendimiento del funcionamiento de distintos algoritmos, preprocesamiento de datos y análisis de resultados.
• Implementación de conceptos estadísticos utilizando Python como lenguaje de programación.
• Puesta en marcha del entorno de trabajo.
• Detalle de los diferentes softwares y programas utilizados para la implementación de algoritmos basados en IA.
• Inmersión en el lenguaje Python.

2. EXPLORACIÓN DEL CONJUNTO DE DATOS

• Reconocimiento de las competencias y funciones de un Data Scientist relacionadas con la explotación, análisis y gestión de los datos en una empresa.
• Fundamentos de la visualización de los datos de entrada del modelo.
• Práctica de librerías de visualización de datos.
• Fundamentos del pre-proceso de los datos de entrada del modelo.
• Inmersión en las librerías más utilizadas en la preparación y limpieza de datos.
• Identificación de las herramientas necesarias para la limpieza, reducción y preparación de los datos de entrada según tipo.
• Aplicación práctica de librerías de examinación y pre-procesado de datos.

3. ALGORITMOS DE MACHINE LEARNING

• Fundamentos de los conceptos matemáticos básicos para la comprensión de los distintos algoritmos de ML.
• Definición teórico-práctica de estos conceptos.
• Implementación en Python de dichos conceptos matemáticos.
• Introducción a los modelos de ML más utilizados.
• Implementación en Python de estos modelos haciendo uso de las librerías más relevantes.
• Introducción a los conceptos de sistemas de recomendación y aprendizaje por refuerzo.
• Identificación del algoritmo más relevante a desarrollar según tipología y aplicabilidad.
• Aplicabilidad en Python de diferentes casos de uso prácticos como refuerzo a la comprensión de los algoritmos.

4. REDES NEURONALES

• Fundamentos de los conceptos matemáticos básicos para la comprensión de los distintos algoritmos basados en Redes Neuronales explicados en este módulo.
• Definición teórico-práctica de estos conceptos matemáticos.
• Desarrollo en Python de los algoritmos que implementan dichos conceptos.
• Identificación de los modelos basados en Redes Neuronales más utilizados según aplicación.
• Implementación del algoritmo más relevante a desarrollar según tipología y aplicabilidad.
• Aplicabilidad en Python de diferentes casos de uso prácticos como refuerzo a la comprensión de los algoritmos.

5. VISUALIZACIÓN DE RESULTADOS

• Fundamentos de la visualización de los resultados del modelo.
• Inmersión en las librerías más utilizadas en la visualización de los resultados de un modelo.
• Identificación de las herramientas necesarias para evaluación de resultados en función del modelo.
• Aplicación práctica de librerías de visualización de datos.
• Visualización del proceso de entrenamiento y búsqueda de puntos de optimización o sesgos en el modelo.
• Identificación de problemas como vanishing gradient o exploding gradient durante el entrenamiento de redes neuronales.

6. BASES DE DATOS EN IA

• Inmersión al lenguaje SQL y a las bases de datos más relevantes.
• Introducción a las bases de datos NoSQL y comparativa con las bases de datos relacionales.
• Tratamiento y almacenamiento en base de datos de un dataset desde Python.
• Operaciones CRUD desde python a una base de datos SQL.

7. RESPONSABLE AI (5 horas)

• Comprender y articular los problemas críticos, sociales, legales, políticos y éticos que surgen a lo largo del ciclo de vida de los datos.
• Comprender conceptos relevantes, que incluyan: ética, moralidad, responsabilidad, derechos digitales, gobernanza de datos, interacción persona-datos, e investigación e innovación responsables.
• Identificar y evaluar problemas éticos actuales en la industria y la ciencia de datos.
• Aplicar el juicio crítico y la reflexibilidad profesionales a los problemas morales sin soluciones claras.
• Evaluar los problemas éticos que enfrenta en su práctica profesional actual.
• Identificar y aplicar soluciones éticas a esos problemas.

8. CASO PRÁCTICO EN IA (60 horas)

• Análisis de los factores relevantes de un problema de IA.
• Técnicas y herramientas para la toma de decisiones a la hora de abordar el proyecto.
• Identificación de los entornos, fases y herramientas necesarias para llevar a cabo la solución seleccionada.
• Gestión y seguimiento de las distintas fases del proyecto de IA.
• Planificación, diseño y programación de los componentes de un proyecto de forma autónoma.


Metodología

EOI ha desarrollado y puesto en práctica una metodología que se basa en la formación de carácter práctico y en la atención individualizada y activa a cada uno de los participantes.

Esta metodología combina: 

●    Clases presenciales: Al ser un curso intensivo, los alumnos contarán con la participación y el apoyo de un director de curso y de un profesor especializado en cada módulo cuya misión es impartir la formación específica con un alto nivel de calidad, ayudando a los alumnos a profundizar más en la materia y a adquirir los conocimientos necesarios
●    Resolución de problemas prácticos reales: Los estudiantes aprenden mediante la práctica. Es por ello que los profesores son todos expertos en sus respectivas materias. 
El profesor introduce un nuevo concepto en clase, lo explica y a continuación propone un ejercicio que los estudiantes estén practicando el mayor tiempo posible.
●    Ejercicios alineados con las necesidades de las empresas: Los ejercicios están diseñados para que tengan una aplicación en el mundo laboral y que a la vez sean atractivos para los estudiantes. La mayoría de ejercicios están basados en proyectos reales de empresas. Creemos que es la mejor forma de preparar a los estudiantes para la demanda del mercado laboral.
●    Proyecto Final: El elemento metodológico con más peso dentro del programa es el proyecto troncal. Se trata de diseñar y desarrollar desde principio a fin un proyecto de 3d formado por un personaje en un escenario. El alumno o alumna tendrá que primero diseñarlos a mano y digitalmente, y seguidamente llevarlo al mundo del 3d. Al final del programa deberá haber una coherencia entre el mundo utópico y el personaje que lo habita. 


Información e Inscripción

¡Solicita ya tu plaza!

Contacta con nosotros en: