Máster en IA, Big Data & Cloud

Este módulo se enfoca en el ciclo completo de gestión de datos en entornos cloud. Combina la preparación técnica esencial con la visión estratégica necesaria para liderar proyectos, abordando desde la creación y automatización de infraestructura en GCP con Terraform hasta la garantía de calidad, gobierno y trazabilidad de los datos, culminando con las metodologías de prototipado y roles ágiles para una ejecución efectiva.

• Introducción y Origen del Problema — Pedro Nieto (NEW WORK)
  Análisis inicial para identificar y definir el desafío empresarial central que la solución de datos debe resolver, sentando las bases del proyecto.

• Cloud Intro & GCP Project Setup — Miguel Ángel Moratilla (MERCADONA TECH)
  Introducción a los fundamentos de la computación en la nube y configuración práctica de un proyecto en Google Cloud Platform (GCP), la base de toda la infraestructura técnica.

• Terraform – Pedro Nieto (NEW WORK)
  Automatización de la creación, gestión y versionado de la infraestructura cloud (Infraestructura como Código) de forma segura, eficiente y reproducible.

• Calidad del Dato — Jose Luis Esteban (EY)
  Implementación de procesos, métricas y herramientas para garantizar la precisión, consistencia y confiabilidad de los datos en todo su ciclo de vida.

• Gobierno del Dato — Jose Luis Esteban (EY)
  Establecimiento de políticas, normas y procedimientos para asegurar el cumplimiento, la seguridad, la privacidad y el uso correcto de los datos en la organización.

• CDC — Esteban Chiner (GFT) y Franziska Kröger (GFT)
  Técnicas para capturar y propagar en tiempo real los cambios realizados en las bases de datos fuente, permitiendo la sincronización de datos.

• Product Owner — Ángel Llosa
  Estudio del rol ágil responsable de maximizar el valor del producto (en este caso, de datos), gestionando la cartera de trabajo y priorizando las necesidades del negocio.

• Prototipado — Ángel Llosa
  Desarrollo de modelos o versiones preliminares de una solución de datos para validar su viabilidad, funcionalidad y valor con los stakeholders antes de su construcción completa.

• Blockchain — Marco Colapietro (GFT)
  Exploración de los fundamentos de la tecnología blockchain como herramienta de ingeniería de datos para garantizar la trazabilidad, inmutabilidad y transparencia de la información.

Este módulo se adentra en el núcleo del ecosistema de Google Cloud, proporcionando expertise en los servicios específicos para el procesamiento, almacenamiento y orquestación de datos a gran escala. El objetivo es dominar las herramientas de GCP para construir pipelines de datos robustos, escalables y completamente gestionados, desde la ingesta en tiempo real hasta el procesamiento con Spark y la orquestación con Airflow.

• GCP Almacenamiento — Miguel Moratilla (MERCADONA TECH)
  Manejo de las soluciones de almacenamiento de GCP (Cloud Storage, BigTable, Firestore) para elegir y configurar la opción óptima según el tipo y uso de los datos.

• GCP PubSub/DataFlow — Javier Briones (RADICANT)
  Construcción de pipelines de streaming para ingestar y procesar flujos de datos en tiempo real de manera escalable y sin servidores con Pub/Sub y Dataflow.

• GCP Funciones — Javier Briones (RADICANT)
  Desarrollo de funciones serverless (Cloud Functions) para ejecutar código en respuesta a eventos sin gestionar la infraestructura, ideal para microservicios y automatizaciones.

• GCP Cloud Run — Javier Briones (RADICANT)
  Despliegue de aplicaciones y contenedores en un entorno completamente gestionado, abstractando la infraestructura para escalar automáticamente desde cero.

• GCP Específicos — Pedro Nieto (NEW WORK)
  Profundización en servicios avanzados y específicos de GCP para casos de uso especializados en analytics y machine learning.

• Visualización de datos (Looker – Google) — Juanjo García Milla (MILMOH)
  Creación de paneles, informes y exploraciones de datos interactivas con Looker (LookML) para transformar análisis complejos en insights comprensibles para el negocio.

• PySpark (Google) — Nacho Reyes (BBVA)
  Procesamiento distribuido de data utilizando PySpark en Dataproc, permitiendo el análisis de grandes volúmenes de datos con el poder de Apache Spark en GCP.

• Airflow (Composer Google) — Vicent Asensio (PRIMA)
  Orquestación, programación y monitorización de pipelines de datos complejos y workflows utilizando Apache Airflow en su versión gestionada de GCP, Cloud Composer.

Este módulo proporciona un dominio completo del ciclo de vida de la Inteligencia Artificial en la nube, desde los fundamentos del Machine Learning y las redes neuronales profundas (ANN, CNN, RNN) hasta la vanguardia de la IA Generativa y los sistemas de agentes autónomos.

Se enfoca en la implementación práctica y escalable en GCP, cubriendo las metodologías MLOps para garantizar el despliegue, monitorización y gobierno de modelos tanto predictivos como generativos, culminando con la preparación para la certificación oficial de Google.

• ML (Machine Learning) – José Sánchez (ALIGN TECHNOLOGY) y Javier Naranjo (ITI)
  Fundamentos de aprendizaje automático, covering key algorithms for regression, classification, and clustering, along with model training and evaluation techniques.

• ANN (Redes Neuronales Artificiales) — José Sánchez (ALIGN TECHNOLOGY)
  Construcción y entrenamiento de redes neuronales básicas y multicapa para resolver problemas complejos no lineales.

• CNN (Redes Neuronales Convolucionales) — Rafa López (ALIGN TECHNOLOGY)
  Desarrollo de modelos especializados en el procesamiento de imágenes y visión por computadora para tareas como clasificación, detección de objetos y segmentación.

• RNN (Redes Neuronales Recurrentes) — Adrián Colomer (UPV) y Félix Fuentes (UPM)
  Diseño de redes para el análisis de datos secuenciales y series temporales, aplicables a lenguaje natural, audio y predicción.

• Gen AI (IA Generativa) — GOOGLE
  Principios y arquitecturas de modelos generativos (como GPT, Diffusion Models) para la creación de texto, imágenes, código y otros contenidos originales.

• Cloud (Servicios GCP) — GOOGLE
  Uso práctico de los servicios específicos de IA en Google Cloud (Vertex AI, Gemini) para construir, entrenar y desplegar modelos de manera eficiente.

• MLOPs for Predictive & Gen — Daniel Ruiz (SDG GROUP)
  Implementación de prácticas de MLOps para automatizar el ciclo de vida de los modelos de ML predictivos y generativos, ensuring reproducibility, monitoring, and governance in production.

• IA Verticales — GOOGLE
  Aplicación de soluciones de IA a casos de uso específicos de industrias como healthcare, retail, finanzas o manufacturing.

• Agentes — GOOGLE
  Desarrollo de sistemas de agentes inteligentes utilizando frameworks como LangChain, LangGraph, Model Context Protocols (MCPs), y herramientas como Agent-to-Agent (A2A) y Agent Development Kit (ADK) para crear aplicaciones autónomas.

• Preparación Examen Certificación — Conchita Díaz (GOOGLE)
  Sesiones preparatorias para la certificaciones de Google de ML Engineer y Data Engineer.

Expertos en empleabilidad te acompañarán durante todo el proceso formativo en EDEM, proporcionándote las herramientas clave para dar el salto profesional que buscas.

Tendrás acceso a contenido sobre las tendencias actuales del mercado laboral y formación especializada para mejorar la presentación de tu perfil profesional, así como la gestión y optimización de tu LinkedIn. También podrás acceder a mentorías personalizadas para abordar tus inquietudes profesionales.

Si estás en búsqueda de nuevas oportunidades profesionales, recibirás recursos clave para que tu perfil destaque en todas las fases de los procesos de selección.