Programa cofinanciado por el Fondo Social Europeo Plus y Agencia Digital de Andalucía, Junta de Andalucía
La temática y los contenidos de este curso están actualizados a la última versión (2026)
Objetivos
La Escuela de Organización Industrial (EOI) junto con FSE + y la Agencia Digital de Andalucía, Junta de Andalucía, lanza este programa cuyo objetivo principal es capacitar a los participantes en las técnicas de Deep Learning, una rama del Aprendizaje Automático (Machine Learning) que ha revolucionado diversos sectores al permitir resolver problemas complejos de una manera eficiente. Los alumnos se familiarizarán en el uso y aplicación de redes neuronales para mejorar los procesos y toma de decisiones en pequeñas y medianas empresas. En esta edición, además, se introduce la asistencia de agentes de código basados en llm para el apoyo en la instanciación y gestión de los modelos.
Al finalizar el curso, los participantes estarán preparados para diseñar e implementar modelos de Deep Learning que se adapten a las necesidades específicas de su negocio, lo que se traduce en una ventaja competitiva en un mercado complejo, pero, a la vez, más preparado. Además, los alumnos adquirirán conocimientos y habilidades altamente demandadas en el ámbito laboral actual.
Este curso está dirigido a emprendedores, gerentes y empleados, en general, de Pymes, interesados en aplicar las tecnologías de Inteligencia Artificial más enfocadas en la explotación de los datos y, más concretamente, de Deep Learning para aplicar soluciones predictivas y preventivas en su negocio.
Los objetivos específicos del programa son los siguientes:
● Comprender los conceptos fundamentales de las redes neuronales y su evolución histórica.
● Conocer los fundamentos del Machine Learning y su relación con las redes neuronales.
● Aprender a programar redes neuronales básicas utilizando Python y Google Colab.
● Familiarizarse con los principales frameworks de Deep Learning como Pytorch, TensorFlow y Keras.
● Entender y aplicar redes neuronales convolucionales y recurrentes.
● Conocer los modelos Transformer y su papel en los grandes modelos de lenguaje.
● Entender cómo utilizar modelos pre-entrenados para acelerar el desarrollo de aplicaciones.
● Analizar ejemplos reales de aplicaciones de redes neuronales en el ámbito empresarial.
● Utilizar herramientas actuales y agentes IA de desarrollo para trabajar con inteligencia artificial y redes neuronales en la práctica.
A continuación, se detallan las competencias a adquirir por los participantes de la acción formativa:
• Conocimiento sólido de los conceptos teóricos y prácticos del Deep Learning.
• Habilidades de programación en Python para Deep Learning.
• Conocimiento de los principales frameworks de Deep Learning (TensorFlow, PyTorch, Keras).
• Habilidad para diseñar, implementar y entrenar redes neuronales.
• Capacidad para seleccionar y utilizar los frameworks y librerías de Deep Learning más adecuados.
• Capacidad para analizar y mejorar procesos empresariales mediante la aplicación de técnicas de Deep Learning.
• Destreza en la resolución de problemas empresariales mediante el uso de técnicas de Deep Learning.
• Pensamiento crítico y creatividad para identificar oportunidades de aplicación del Deep Learning en sus pymes.
Datos generales
Los destinatarios de las acciones formativas serán personas empleadas en activo de cualquier sector de actividad dentro de una Pyme, por cuenta propia (autónomos) o ajena.
Estos destinatarios deberán tener gran motivación y compromiso con el programa: personas que deseen mejorar sus capacidades y habilidades, así como adquirir conocimientos para aplicarlos en la mejora de la competitividad de sus empresas.
Es recomendable tener conocimientos de programación.
63 horas lectivas (45 h de clase + 18 h de tutoría)
Formación gratuita. Programa cofinanciado por el Fondo Social Europeo Plus y Agencia Digital de Andalucía, Junta de Andalucía
Contenidos
Módulo 1. Introducción al Deep Learning. Herramientas de trabajo asistidas por IA generativa
• Historia del Deep Learning
• Entender el alcance de Deep Learning dentro de la Inteligencia Artificial
• Introducción a Lenguajes y librerías de Deep Learning. Uso de la IA generativa como asistente
• Cloud vs. On-Premises
Módulo 2. Redes Neuronales
• Programación de una red neuronal básica en Python
• Parámetros de la red y mecanismo de ajuste
Módulo 3. Frameworks de Deep Learning y asistentes de Ia generativa
• Introducción a las capas (Layers), tipos e hiperparámetros.
• Introducir ejemplos prácticos de los frameworks más usados (Pytorch, Tensorflow, Keras y otros)
• Diferencias fundamentales entre frameworks y decisiones de arquitectura con asistentes de IA generativa
• Estrategias de verificación del código generado por IA para el entrenamiento del modelo
Módulo 4. Redes Convolucionales-CNN
• Redes Convolucionales
• Ejemplos y características
• Uso de IA generativa para Visión Artificial
Módulo 5. Redes Recurrentes-CRN
• Redes Recurrentes
• Ejemplos y características
Módulo 6. Redes GAN, Encoders, Reinforcement Learning y Modelos pre entrenados
• Redes antagonistas GANs
• Tipologías modernas: Encoders y Transformers
• Aprendizaje por refuerzo.
• Modelos Deep Learning pre-entrenados. Modelos Fundacionales
• Grandes Modelos de Lenguaje y Grandes Modelos de Difusión.
Módulo 7. Aceleración por GPU para entrenamiento
• Entrenamiento de grandes conjuntos de datos
• Opciones disponibles para acelerar el proceso usando la GPU
• Otras técnicas de optimización de entrenamiento de modelos de Deep Learning
Módulo 8. Tendencias del mercado
• Ejemplos reales de casos de uso de Redes Neuronales
• IA agéntica
Metodología
EOI ha desarrollado y puesto en práctica una metodología que se basa en la formación de carácter práctico y en la atención individualizada que permita el correcto desarrollo de los conocimientos adquiridos y su adecuación a las características de cada participante, a través de formación grupal, tutorías individualizadas y desarrollo de numerosas actividades.
Se entregará un DIPLOMA acreditativo a todos aquellos alumnos que hayan alcanzado los porcentajes de asistencia requeridos, tanto a las sesiones lectivas como a las tutorías y hayan superado con la calificación de Apto la prueba de conocimiento establecida.
Para evaluar la adquisición de conocimientos se realizarán, en su caso, cuestionarios, formularios, casos prácticos individuales y/o grupales acerca de los contenidos vistos a lo largo del curso.
HORAS DE DIPLOMA: 100 horas
63 horas lectivas (45 h de clase + 18 h de tutoría) + 37 horas de Trabajo del alumno
Información e Inscripción
¡No te quedes sin tu plaza!
Contacta con nosotros en:
EOI Sevilla- Tlf: 954 46 33 77- mail: infoandalucia [@] eoi.es