Experto Universitario Online en Inteligencia Artificial

Crea el futuro con IA: domina los algoritmos, impulsa el cambio y lidera la revolución tecnológica

Nid: 27958
Plan de estudios

Experto Universitario en Inteligencia Artificial (15 ECTS)

Asignatura 1: Fundamentos de inteligencia artificial. 5 ECTS

La asignatura proporciona una base sólida que permite dotar al estudiantado de las habilidades básicas para el desarrollo de sistemas basados en inteligencia artificial. Se introduce y estudia el lenguaje de programación Python explorando los paradigmas principales que estructuran este campo, como los sistemas basados en reglas, el aprendizaje automático y el aprendizaje profundo. También se abordan los desafíos éticos actuales asociados al uso de la Inteligencia Artificial.

A continuación, se introduce el lenguaje Python, una herramienta esencial en el desarrollo de soluciones de IA. Los estudiantes aprenderán sus fundamentos, manipulación de datos, uso de las bibliotecas, además de técnicas básicas para preparar conjuntos de datos, todo enfocado en aplicaciones de inteligencia artificial.

El aprendizaje culmina con un caso práctico en el que se integran los conocimientos adquiridos durante la asignatura.

Esta asignatura sienta las bases para estudios avanzados en IA y desarrolla competencias clave en el uso de herramientas y técnicas aplicadas al análisis de datos y modelado.

Temario de la asignatura

1. Introducción a la inteligencia artificial

  • Historia de la IA y conceptos básicos
  • Paradigmas de la IA
  • Ética y desafíos actuales de la IA

2. Introducción a Python

  • Fundamentos del lenguaje Python
  • Manipulación de datos
  • Bibliotecas
  • Visualización de datos con Python
  • Preparación de conjuntos de datos

3. Caso práctico

  • Planteamiento de un problema y objetivos
  • Obtención y preparación de los datos
  • Selección de técnicas de IA
  • Implementación de un modelo básico en Python
  • Evaluación del modelo
  • Presentación de resultados, interpretación, reflexión crítica sobre mejoras

Asignatura 2: Sistemas basados en el conocimiento. 5 ECTS

Se introducen los conceptos base de la inteligencia artificial, empezando por los algoritmos de búsqueda para comprender qué tipo de problemas son capaces de resolver y que características tienen. Estos algoritmos nos permiten comprender y diseñar la estructura de cualquier Sistema Basado en el Conocimiento. Además, esta base, permite presentar a continuación los conceptos de Aprendizaje Automático, junto con los métodos de aprendizaje supervisado (k-NN, Árboles de decisión, etc.) y los métodos de aprendizaje no supervisado (Clustering).

Finalmente, la asignatura culmina con la web semántica y los datos enlazados (grafos). La web semántica permite enriquecer los conjuntos de datos a través de las representaciones formales del conocimiento: las ontologías.

Temario de la asignatura

1. Inteligencia artificial y sistemas basados en el conocimiento

  • Introducción a la inteligencia artificial y a los sistemas basados en el conocimiento
  • Algoritmos de búsqueda ciega
  • Algoritmos de búsqueda heurística

2. Aprendizaje automático

  • Introducción al aprendizaje automático
  • Aprendizaje analógico: KNN
  • Aprendizaje inductivo: árboles de decisión, ID3, C4.5

3. Aprendizaje no supervisado y web semántica

  • Aprendizaje no supervisado: clustering
  • Web semántica y ontologías

Asignatura 3: Inteligencia artificial para la ciencia de datos. 5 ECTS

En la ciencia de los datos es imprescindible aplicar la inteligencia artificial a un Sistema basado en el conocimiento. Estos métodos permiten explicitar el conocimiento de la base de conocimiento. Se estudiarán métodos y herramientas de inteligencia artificial aplicadas y aplicables al análisis de datos y generación de modelos.

Desde este punto de vista, se completan los conceptos de Machine Learning y se abordan las técnicas de aprendizaje automático profundas y los métodos avanzados de inteligencia artificial.

Temario de la asignatura

1. Machine Learning Algorithms

  • Bagging & Boosting
  • Support Vector Machine
  • Association Rules

2. Deep Learning

  • Multi-Layer Perceptron
  • Convolutional Neural Network
  • Recurrent Neural Network

3. Computación evolutiva

  • Introducción a la computación evolutiva
  • Genetic algorithms