Programa avanzado en IA & Data Science for Business

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.