inteligencia artificial la salle campus barcelona

Postgrado en Gestión de la Inteligencia Artificial y Data Science en la Empresa

Haz crecer tu negocio mediante el uso de datos combinados con la Inteligencia Artificial.

Nid: 27009
Plan de estudios
Módulo 1: Data science y big data en la empresa

1. Introducción a la data science, big data, deep learning y machine learning

  • Definición de los diferentes conceptos relacionados a la ciencia de los datos (data science)
  • Teoría de diferentes métodos como Machine Learning (supervisado, no supervisado y semi)
  • Ilustración con casos reales (Morale Machine)

2. Data-driven management

  • Modelos de negocio data-driven
  • Desafíos legales del Big Data – el Big (Brother) Data
  • Organización Data-Driven: nueva estrategia corporativa
  • Modelo Canvas de Inteligencia Artificial
  • Testimonio de un Data Scientist sobre el impacto del Big Data en su empresa

3. Análisis exploratorio de datos

  • Práctica sobre casos reales de Big Data
  • Uso de datos abiertos
  • Ilustración con problemáticas de RRHH, Marketing, Salud, etc.

4. Modelos de machine learning supervisado y no supervisado

  • Práctica en Python de algoritmo de Machine Learning supervisado (Knn, RF, SVM)
  • Práctica en Python de algoritmo de Machine Learning no supervisado (PCA, AGNES, DIANA)
  • Aplicación a casos reales de negocio

5. Data story telling y visualización de datos

  • Data Story Telling: metodología
  • Principios de diseño: color, forma y pensamiento visual
  • Aprender técnicas de interacción con los datos
  • Explorar las herramientas más comunes para la creación de gráficos: Tableau o Power BI
  • Herramientas de visualización de datos: Reporting y Dashboarding

6. Proyecto real y caso de negocio

  • Aplicación a un caso real: tu negocio
Módulo 2: Inteligencia artificial en la empresa

1. Introducción y contexto

  • Introducción y evolución de la inteligencia artificial
  • Aplicaciones de IA en los negocios
    • ¿Cuándo se aplica IA y cuando no?
    • ¿Cuándo aporta valor la IA?
    • El negocio tradicional y la IA, y los modelos de negocio basados en IA
  • Taller: design thinking aplicado a la IA
    • Herramientas para la definición de soluciones de IA en la empresa

2. IA en la práctica

  • IA y la toma de decisiones
  • IA y automatización de procesos
    • Ejemplos y ejercicios prácticos de aplicación en empresas
  • IA generativa y herramientas de IA
    • ¿Cómo identificamos la herramienta ideal para nuestra tarea? (Audio/video/imagen/texto/tablas/etc)?
  • Taller: definición de retos
    • Selección y diseño de solución de IA aplicada a un reto elegido (Udio/Perplexity/ElevenLabs/NoteGPT/EverART/LivePortrait/etc)

3. Aplicaciones de negocio de la IA

  • IA y análisis de datos
    • Modelos de Machine Learning: análisis predictivo, segmentación de clientes, detección de anomalías, etc.
  • La aplicación de la IA en los negocios
    • Uso de la IA en optimización de precios, análisis de sentimientos, predicción de demanda
  • Taller: desarrollo de un proyecto

4. Estrategia de la IA en los negocios

  • Estrategias de IA en los negocios
    • ¿Cómo incluir la IA en los planes estratégicos de la empresa? La importancia de alinear IA con la estrategia empresarial?
  • Cadena de valor de la IA y gestión de proyectos de IA
  • Taller: La estrategia y el liderazgo con IA

5. Implicaciones de la IA para su correcta gestión

  • IA y transformación digital
  • Riesgos y seguridad de la IA
  • Ética de la IA
  • Regulación y política de la IA
  • Taller: Valoración ética de modelos de IA

6. Gestion y gobernanza de IA

  • Implementación de una estrategia de IA en una organización
    • Manejo de riesgos de una solución de IA
  • Herramientas de analítica de datos y toma de decisiones apoyados en modelos de IA
    • Detección de fraude mediante Amazon Fraud Detection

7. Proyecto de IA

  • Planteamiento de la ejecución de un proyecto IA
    • Desarrollo propio vs subcontratación
  • Implementación de un proyecto de IA en un escenario de negocio
  • Taller: aplicando la IA
    • Desarrollo de un chatbot para atención al cliente, creación de un modelo de aprendizaje automático para predecir el abandono de clientes

8. Presentación final de proyectos y debate