Doble titulación en Ingeniería de Desarrollo de Software + Especialización en IA & Data Science for Business

Fundamentos del desarrollo de software, permitiendo al alumno empezar a crear programas básicos de escritorio. Comenzamos instalando una distribución de Ubuntu en nuestro portátil y aprendiendo a utilizar Ubuntu a nivel de usuario. Después seguimos el Tutorial oficial de Python para aprender las bases de la programación y finalmente nos enfrentamos al reto de resolver un caso práctico para el que necesitaremos hacer uso de lo que acabamos de aprender.

1. Creación de programas básicos.
2. Variables.
3. Estructuras de control.
4. Estructuras básicas de memoria.
5. Condiciones.
6. Funciones.
7. Entrada/Salida.
8. Estructuras de datos incorporadas.

Conceptos fundamentales de programación. Diseñado para desarrollar habilidades en la aplicación de métodos básicos de lenguajes de programación a problemas abstractos. Los temas incluyen conceptos básicos de programación y Python, conceptos computacionales, ingeniería de software, técnicas algorítmicas, tipos de datos y recursividad. El componente de laboratorio consiste en el diseño, construcción e implementación de software.

Estructuras de datos más comunes que suele utilizar un desarrollador a la hora de crear software. Nos enfrentaremos a retos prácticos que facilitarán el aprendizaje del funcionamiento de las estructuras de datos más comunes (listas, árboles, grafos y tablas hash). Para ello, primero crearemos nuestra propia implementación para dichos tipos de datos y después integraremos nuestras librerías en un programa que hemos creado para un bloque anterior.

Matemáticas discretas elementales para ciencias e ingeniería, con especial atención a herramientas matemáticas y técnicas de demostración útiles en informática. Los temas incluyen notación lógica, conjuntos, relaciones, teoría de grafos elementales, máquinas de estados e invariantes, inducción y pruebas por contradicción, recurrencias, notación asintótica, análisis elemental de algoritmos, teoría elemental de números y criptografía, permutaciones y combinaciones, herramientas de conteo y probabilidad discreta.

Algoritmos más comunes que se suelen emplear para resolver problemas de ordenación y búsqueda.

Nos enfrentaremos a retos prácticos que facilitarán el aprendizaje de los algoritmos más utilizados para resolver problemas de 'ordenación de listas' y 'búsqueda de elementos en listas'. Para ello, primero crearemos nuestra propia implementación para dichos algoritmos y después integraremos nuestras librerías en un programa creado para un bloque anterior.

Estudio de los componentes informáticos y aborda las técnicas utilizadas por los sistemas actuales para obtener altas prestaciones explotando el paralelismo.

Paradigma de la programación orientada a objetos. Nos enfrentaremos a un reto práctico para el que necesitaremos utilizar la programación orientada a objetos para gestionar algunos datos científicos que encajan en este paradigma. No sólo incluirá hacer uso de clases y métodos, sino también un buen uso de los principios clave de la "Programación Orientada a Objetos" (encapsulación, abstracción de datos, polimorfismo y herencia).

Proyecto de diseño: La tarea principal es el proyecto de diseño (DP). Este proyecto es donde los estudiantes llegan a diseñar su propio sistema, que es el objetivo principal de este curso.

El DP requiere que usted desarrolle un diseño detallado del sistema para resolver un problema del mundo real. Este proyecto se extenderá durante la mayor parte del curso, y se realizará en equipos de cinco estudiantes. Los sistemas del mundo real no se construyen individualmente; siempre es un trabajo en equipo. Parte del PD es aprender a trabajar de forma productiva y eficaz en este entorno. Le daremos herramientas para hacerlo en los tutoriales de escritura.

Presenta los principios y técnicas fundamentales del desarrollo de software: cómo escribir software a salvo de errores, fácil de entender y preparado para el cambio. Los temas incluyen especificaciones e invariantes; pruebas, generación de casos de prueba y cobertura; tipos de datos abstractos e independencia de la representación; patrones de diseño para la programación orientada a objetos; programación concurrente, incluido el paso de mensajes y la concurrencia de memoria compartida, y la defensa contra las carreras y el bloqueo; y programación funcional con datos inmutables y funciones de orden superior. Incluye ejercicios de programación semanales y proyectos de programación en grupos más grandes.

Matemáticas discretas elementales para ciencias e ingeniería, con especial atención a herramientas matemáticas y técnicas de demostración útiles en informática. Los temas incluyen notación lógica, conjuntos, relaciones, teoría de grafos elementales, máquinas de estados e invariantes, inducción y pruebas por contradicción, recurrencias, notación asintótica, análisis elemental de algoritmos, teoría elemental de números y criptografía, permutaciones y combinaciones, herramientas de conteo y probabilidad discreta.

Uso de la red y sus protocolos relacionados. Nos enfrentaremos al desafío de crear una solución cliente-servidor que permita a los usuarios del programa cliente compartir información que se almacenará en un programa-servidor al que todos podrán acceder. Este desafío facilitará el aprendizaje del paradigma cliente-servidor y los procedimientos básicos comúnmente utilizados para comunicar programas a través de la red.

Bases de la programación web del lado del cliente. Nos enfrentaremos al desafío de crear la parte del lado del cliente de un negocio. Para hacer esto, usaremos HTML para crear la página web, CSS para diseñar y JavaScript para el manejo de eventos. También nos encargaremos de la seguridad web del lado del cliente.

Bases de la programación web del lado del servidor. Nos enfrentaremos al desafío de completar nuestro negocio implementando su parte del lado del servidor, haciendo uso de un lenguaje de programación del lado del servidor, accediendo a una base de datos y ocupándonos de la seguridad web del lado del servidor. Todo esto se hará siguiendo el patrón de diseño Modelo-Vista-Controlador.

Bases de la programación móvil Android. Nos enfrentaremos al desafío de crear una aplicación para Android haciendo uso de Android Studio. Esto incluirá la gestión de manifiestos de Android, archivos de compilación de Graddle, actividades, fragmentos y widgets gráficos, manejo de eventos, diseño y estilo.

Nos enfrentaremos al reto de crear una App avanzada para Android que sea capaz de actuar como una tienda multimedia para mostrar/reproducir y grabar/capturar audio, imágenes y vídeo. Dicha App accederá a una base de datos local para llevar un registro de la información que maneja, y también podrá conectarse a servidores externos para intercambiar información complementaria.

Bases de la ingeniería de software clásica. Los estudiantes se dividen en grupos y cada grupo piensa en un proyecto. Luego, cada grupo toma los requisitos de otro y sigue el ciclo de vida habitual de desarrollo de software para generar todos los documentos correspondientes (requisitos, diseño, implementación, prueba, instalación y mantenimiento). No es necesario escribir código fuente para la parte obligatoria. Opcionalmente, los estudiantes pueden escribir el código fuente correspondiente, verificarlo y luego validarlo con el grupo de clientes.

Últimas tendencias y metodologías relacionadas con la ingeniería de software. Los estudiantes se separan en grupos y cada grupo piensa en un proyecto (que debe ser diferente al proyecto anterior del bloque I de Ingeniería de Software). Luego, cada grupo seguirá las últimas tendencias en ingeniería de software (metodologías Lean y Agile, método Kanban y metodología Scrum) para desarrollar dicho proyecto. Al mismo tiempo, los estudiantes actuarán como clientes potenciales de los proyectos a los que no pertenecen.

Nos enfrentaremos al desafío de crear un programa que sea capaz de gestionar la información de los clientes de una empresa. Esto incluirá realizar el modelado de datos correspondiente, definir el modelo Entidad-Relación, crear bases de datos y tablas, e implementar todas las funcionalidades para acceder a dicha BD mediante SQL. Luego, desarrolle un sistema que haga uso de una base de datos sin esquemas para almacenar, administrar y mostrar información heterogénea proveniente de varias fuentes distintas, cada una usando su propio formato de datos. Opcionalmente, los estudiantes pueden optar por una solución distribuida si así lo desean.

Fundamentos del Big Data y su ecosistema. Nos enfrentaremos al reto de utilizar Apache Hadoop y Apache Spark para recopilar y mostrar algunos KPI para un hipotético equipo directivo de una empresa. Esta empresa dispondrá de una enorme base de datos de clientes con información proveniente de diversas fuentes heterogéneas (por lo que también necesitaremos realizar acciones ETL).

Computación en la nube. Afrontamos el reto de evaluar y probar cómo trabajar en la nube.

Importancia de la ciberseguridad y sus principios y técnicas básicos.

Proceso de ciencia de datos y sus técnicas.

1. Transformadores
2. Difusores
3. Redes neuronales y redes convolucionales
4. OpenAI. Cadena Lang
5. Vectores

Nos enfrentaremos al reto de diseñar y programar (bajo ROS) un robot capaz de seguir una línea en el suelo. Para hacer esto, los estudiantes primero elegirán los sensores y actuadores convenientes y luego implementarán un algoritmo de control de retroalimentación para lograr el objetivo.

Familiarizarse con la tecnología blockchain (protocolo, componentes de una blockchain, operaciones y algoritmos subyacentes. Nos enfrentaremos al desafío de crear nuestra propia criptomoneda (básica) basada en blockchain. Para hacer esto, el estudiante primero deberá comprender las bases de la tecnología blockchain y ser capaz de implementar algoritmos y técnicas básicas con respecto a los bloques y transacciones de blockchain.

• Creación de equipos de trabajo.
• Elección de tema para proyecto final.
• Asignación de tutores.
• Desarrollo del proyecto con tutor asignado.
• Entrega del proyecto.

Presentación de proyecto final ante tribunal de expertos.

Este módulo es una piedra angular, ya que proporciona las herramientas fundamentales para comprender y analizar datos de manera precisa y rigurosa. En este módulo, entenderemos cómo las técnicas estadísticas y los conceptos probabilísticos son elementos esenciales en la toma de decisiones basadas en datos, aprendiendo a aplicar métodos estadísticos para obtener inferencias significativas, identificar patrones y tendencias, y realizar predicciones confiables. Adquiriremos habilidades para evaluar la incertidumbre y el riesgo asociados a los datos, crítico en entornos empresariales dinámicos.

• Introducción y Conceptos Matemáticos Clave
• Fundamentos de Estadística
• Estadística Descriptiva
• Distribuciones de Probabilidad
• Álgebra Lineal
• Probabilidad
• Conceptos Fundamentales
• Métodos de Estimación

Una vez asentadas las técnicas para empezar a trabajar con Machine Learning, este módulo nos permitirá profundizar el algoritmos y escenarios más complejos, pero también nos enseñará técnicas avanzadas para optimizar nuestros modelos y enfrentarnos a problemas cuando los datos no nos ayudan demasiado en su estado natural.

• Algoritmos Avanzados
• Support Vector Machines (SVM)
• Stochastic Gradient Descent
• Algoritmos ensemble: AdaBoost, XGBoost, entre otros
• Optimización de Modelos
• Ajuste de hiperparámetros
• Selección de características
• Regularización
• Validación cruzada
• Análisis de Series Temporales
• Introducción al análisis de series temporales
• Modelado y tendencias
• Modelos ARIMA y SARIMA
• Grafos
• Conceptos fundamentales de grafos
• Aprendizaje de representaciones de grafos
• Clasificación y predicción de enlaces
• Aprendizaje por Refuerzo
• Concepto de aprendizaje por refuerzo
• Estados, acciones y recompensas
• Algoritmos de aprendizaje por refuerzo
• Detección de Anomalías y Aprendizaje de Datos Desbalanceados
• Identificación de observaciones atípicas utilizando métodos estadísticos, clustering y aprendizaje supervisado
• Técnicas para manejar datos desbalanceados, como recolección adicional de datos, generación sintética y modificación de algoritmos

El módulo de Deep Learning es el siguiente nivel en el aprendizaje automático, donde explorarás redes neuronales profundas y arquitecturas avanzadas para abordar problemas complejos. Descubre cómo estas técnicas revolucionarias han transformado el campo, permitiendo el análisis de datos de mayor complejidad y la resolución de desafíos en visión por computadora, procesamiento del lenguaje natural y más.

• Introducción al Deep Learning
• Convolutional Neural Network (CNN)
• Recurrent Neural Network (RNN)
• Procesamiento de Lenguaje Natural (NLP)
• Generative Adversarial Networks (GAN)

El módulo sobre Inteligencia Artificial Generativa (Generative AI) proporciona a los estudiantes una comprensión profunda de las tecnologías que permiten la creación de contenido original a partir de datos existentes. El objetivo es brindar tanto conocimientos teóricos como experiencia práctica para implementar modelos generativos en distintos campos.

• Fundamentos de Generative AI
• Desarrollo y Codificación con Generative AI
• Aplicaciones Prácticas de Generative AI
• Ética y Responsabilidad en Generative AI
• Generative AI en la Transformación Digital

El procesamiento distribuido ha revolucionado la forma en que gestionamos grandes volúmenes de datos, y Apache Spark se ha establecido como una de las
principales herramientas en este campo. Su capacidad para procesar datos de forma paralela y distribuida, aprovechando la potencia de los clústeres de
computación, ha hecho que sea esencial para profesionales que buscan extraer valor de la gran cantidad de información generada en la actualidad.

• Introducción al Procesamiento Distribuido con Spark: Comprender el paradigma de procesamiento distribuido que ofrece Spark. Su capacidad para dividir tareas en múltiples nodos del clúster permite que las operaciones se realicen a gran velocidad y en paralelo.
• Manipulación de Datos con Spark DataFrame: Los DataFrames en Spark son estructuras optimizadas que permiten la manipulación eficiente de datos tabulares. Aquí es importante conocer:
  • Carga de datos desde múltiples fuentes.
  • Filtrado y selección de columnas.
  • Agregaciones y transformaciones.
• Spark SQL: Este módulo de Spark proporciona una interfaz que permite usar consultas SQL para manipular los datos, facilitando el análisis y la obtención de información valiosa.
• Limpieza y Preparación de Datos: Antes de cualquier análisis, los datos deben estar listos para ser utilizados:
  • Detección y tratamiento de valores nulos.
  • Manejo de datos faltantes.
  • Conversión de tipos de datos.
  • Normalización de datos.
• Transformación y Enriquecimiento de Datos:
  • Operaciones de fecha y hora para manejar correctamente los datos temporales.
  • Manipulación de cadenas para formatear y transformar datos textuales.
  • Creación de nuevas columnas que proporcionen información adicional para el análisis.

La asignatura explora los componentes críticos y las tecnologías subyacentes de la Industria 4.0, un paradigma que integra herramientas digitales avanzadas dentro del contexto industrial para mejorar los procesos de producción y la toma de decisiones basada en datos. Los estudiantes aprenderán sobre la transformación digital y cómo las empresas pueden convertirse en entidades impulsadas por datos (Data Driven). Además, se introducirán los fundamentos de tecnologías emergentes como Cloud Computing, Big Data, Internet de las Cosas (IoT) e Inteligencia Artificial, destacando su importancia y aplicación en el entorno actual.

• Transformación Digital
• Empresas Data Driven
• Fundamentos de Cloud
• Fundamentos de Big Data
• Fundamentos de IoT
• Fundamentos de Inteligencia Artificial

Proporciona una comprensión detallada del viaje hacia la adopción de la nube, incluyendo los aspectos técnicos, estratégicos y de gestión involucrados. Los estudiantes serán guiados a través de conceptos fundamentales y avanzados de la computación en la nube, estrategias de migración efectivas y técnicas para la optimización y gestión de infraestructuras en la nube. Se fomentará un enfoque práctico a través del diseño, implementación y evaluación de soluciones basadas en la nube.

• Fundamentos de la Computación en la Nube
• Componentes Clave de la Infraestructura en la Nube
• Planificación y Estrategias de Migración a la Nube
• Diseño y Arquitectura de Soluciones en la Nube
• Gestión de la Seguridad y Cumplimiento en la Nube
• Optimización y Gestión de Operaciones en la Nube
• Innovación y Servicios Avanzados en la Nube

Este módulo integral enseña cómo administrar y utilizar datos estratégicamente para fomentar la innovación en diversos contextos organizacionales. A través de una combinación de teoría avanzada y práctica aplicada, se estudiarán metodologías para el manejo efectivo de datos y la implementación de procesos innovadores que capitalicen las oportunidades emergentes en el entorno tecnológico y empresarial.

• Fundamentos de Gestión de Datos
• Innovación y Creatividad en Negocios
• Tecnologías Emergentes y Transformación Digital
• Emprendimiento y Startups Innovadoras
• Gestión de Proyectos de Innovación

Este módulo proporciona una visión integral de la gobernanza de datos, destacando su importancia en la gestión y protección de activos de datos dentro de una organización. A través del análisis de marcos de trabajo y regulaciones, los estudiantes aprenderán cómo implementar políticas eficaces que aseguren la calidad, seguridad y cumplimiento de los datos. El módulo combina teoría con estudios de caso prácticos para enseñar a los estudiantes a diseñar e implementar un programa de gobernanza de datos robusto que respalde los objetivos estratégicos y operativos de la organización.

• Fundamentos de Gobernanza de Datos
• Gestión de Metadatos y Calidad de Datos
• Roles y Responsabilidades en la Gobernanza de Datos
• Tecnologías y Herramientas para la Gobernanza de Datos

Este módulo se centra en las metodologías de gestión de proyectos utilizadas para liderar, planificar y ejecutar proyectos complejos de manera efectiva. A través del estudio de metodologías predictivas y ágiles, los estudiantes aprenderán a adaptarse a entornos dinámicos y a gestionar proyectos que respondan a las necesidades de los stakeholders y los objetivos del negocio. Este módulo combina teoría académica y técnicas de gestión de proyectos probadas, preparando a los estudiantes para enfrentar desafíos reales en la gestión de proyectos.

• Fundamentos de Gestión de Proyectos
• Metodologías de Proyecto Predictivas y Ágiles
• Planificación y Ejecución de Proyectos
• Liderazgo y Gestión de Equipos en Proyectos
• Adaptación y Transformación Digital en Gestión de Proyectos
• Gestión de Proyectos en Entornos Complejos

Este curso explora los principios éticos fundamentales aplicados al manejo de datos en la era digital. Abordará cuestiones complejas como la privacidad, la confidencialidad, la autonomía y el consentimiento en el contexto del uso creciente de tecnologías de datos y análisis. A través de una combinación de teoría filosófica y casos prácticos, los estudiantes aprenderán a navegar y aplicar marcos éticos en situaciones reales relacionadas con la gestión de datos, garantizando decisiones responsables y justas en entornos profesionales.

• Fundamentos de la Ética de Datos
• Valores en la Era de los Datos
• Ética en la Democracia Digital
• Ética y Responsabilidad en Generative AI
• Cuestiones Contemporáneas en Ética de Datos

Módulo asíncrono en el que se habilitará el tiempo para preparar y realizar los exámenes de certificación incluidos en el programa. IMMUNE, en este caso, actúa de facilitador en la conexión entre la entidad certificadora y el estudiante, facilitando el proceso pero sin tener la autoridad sobre el examen ni las calificaciones obtenidas por los estudiantes.

• Creación de equipos de trabajo.
• Elección de tema para proyecto final.
• Asignación de tutores.
• Desarrollo del proyecto con tutor asignado.
• Entrega del proyecto.

Presentación de proyecto final ante tribunal de expertos.