Máster en IA

Profundizaremos en el mundo de modelos de Machine Learning y Deep Learning, abordando campos como MLOPS, Generative AI y Responsible AI.

Sesiones:

• Librerías de Python para ML – Ángel Rodriguez (SDG Group)

Usarás bibliotecas clave como numpy, pandas, plotly, matplotlib y seaborn para manipulación y procesamiento de datos. 

• Programación Estadística con Python – Miguel Rua (AMS)

Aplicarás conceptos estadísticos (descriptiva univariante y multivariante, distribuciones, contrastes de hipótesis) usando Python, con librerías como statsmodels y scipy. 

• Machine Learning 0: Introducción – José Sánchez (ALIGN TECHNOLOGY)

Conceptos básicos, fundamentos del aprendizaje automático, tipos de aprendizaje, conceptos clave, herramientas de IA y gestión de proyectos de ML 

• Machine Learning 1: Regresión – José Sánchez (ALIGN TECHNOLOGY)

Introducción, fundamentos, modelos de regresión, evaluación de modelos y casos prácticos. 

• Machine Learning 2: Clasificación –José Sánchez (ALIGN TECHNOLOGY)

Introducción, fundamentos de la clasificación, tipos de algoritmos, evaluación de modelos y casos prácticos. 

• Machine Learning 3: Clustering – Javier Naranjo (ITI)

Algoritmos no supervisados: K-Means, DBSCAN, BIRCH, entre otros y técnicas para su evaluación (silueta, elbow method). 

• Machine Learning 4: Dimensionality – Javier Naranjo (ITI)

Reducción de dimensionalidad: PCA, t-SNE, UMAP y técnicas de selección inteligente de características para el entrenamiento de soluciones de IA. 

• Redes Neuronales 0: Introducción – Conchita Díaz (GOOGLE)

Fundamentos de perceptrones, arquitecturas básicas, backpropagation y frameworks como TensorFlow/PyTorch. 

• Redes Neuronales 1: Tradicionales – José Sánchez (ALIGN TECHNOLOGY)

Introducción, conceptos básicos, arquitectura de redes neuronales, implementación, entrenamiento y validación, optimización de modelos y casos prácticos. 

• Redes Neuronales 2: Imágenes – Rafa López (ALIGN TECHNOLOGY)

Procesamiento de imágenes, Arquitecturas (Clasificación, Detección de objetos, Segmentación), Aumento de datos, Transferencia de aprendizaje entre redes neuronales. 

• Redes Neuronales 3: Series Temporales – Adrián Colomer (UPV)

Modelado predictivo de series temporales mediante redes neuronales recurrentes con unidades LSTM y GRU. 

• Redes Neuronales 4: NLP – Félix Fuentes (UPM)

Procesamiento de Lenguaje Natural (NLP): Embeddings, modelos transformer, BERT, GPT y aplicaciones. 

• Introducción MLOPS – Daniel Ruiz (SDG Group) 

Conceptos clave: Introducción a la puesta en producción de modelos de machine learning,  plataformas ML, ciclo de vida de los proyectos de IA, introducción al MLOps. 

• MLOPs – Daniel Ruiz (SDG Group) 

Profundización en despliegue de modelos: servidores de inferencia (FastAPI y Google Cloud Vertex AI Online Prediction), pipelines (Metaflow y Google Cloud Vertex AI Pipelines), model registry (MLflow) y monitorización y mantenimiento de modelos. 

Se explorará la diferencia entre IA Analítica e IA Generativa. Se profundizará en modelos de generación de texto e imágenes y en cómo aplicar técnicas de IA Generativa en múltiples industrias. Además, se analizarán casos de uso específicos de la implementación de IA en sectores como la salud, financiero o retail, y se trabajarán los conceptos de Reinforcement Learning.

Sesiones:

• Cloud – (GOOGLE)

Fundamentos de Google Cloud Platform (GCP): arquitectura, servicios esenciales (Compute Engine, Kubernetes, BigQuery) y casos de uso empresariales. 

• IA generativa – Conchita Díaz (GOOGLE)

Introducción a modelos generativos (como Gemini) y sus aplicaciones en texto, imágenes y código. 

• IA responsable – (GOOGLE)

Principios de IA ética: mitigación de riesgos, transparencia y alineación con regulaciones (como EU AI Act). 

• IA para Sanidad – (GOOGLE)

Aplicaciones de IA en diagnóstico médico (ej. Google Health AI), procesamiento de imágenes radiológicas y gestión de datos clínicos. 

• IA para Finanzas – (GOOGLE)

Casos de uso en fraude, risk assessment, chatbots financieros y algoritmos de trading con herramientas de GCP. 

• IA para Retail – (GOOGLE)

Soluciones para recomendación personalizada, gestión de inventario, análisis de clientes y logística con IA. 

• IA para Media – (GOOGLE)

Aplicaciones en generación de contenido, subtitulado automático, análisis de audiencias y optimización de streaming. 

• Reinforcement Learning 

Fundamentos de aprendizaje por refuerzo (RL): algoritmos (Q-Learning, Deep RL), entornos simulados (OpenAI Gym) y casos prácticos. 

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.