MÁSTER EN INTELIGENCIA ARTIFICIAL APLICADA

Estudiantes
Dirigido a estudiantes y recién titulados de áreas como informática, ingeniería, matemáticas, ciencia de datos o disciplinas afines que deseen adquirir una formación sólida en inteligencia artificial, aprendizaje automático, Big Data y tecnologías emergentes para impulsar su desarrollo académico y profesional.
Profesionales
Orientado a profesionales del ámbito tecnológico, analistas de datos, desarrolladores, ingenieros y perfiles TIC que busquen actualizar sus conocimientos, incorporar herramientas de inteligencia artificial a su actividad y especializarse en el diseño e implementación de sistemas inteligentes.
Público en general
Pensado para cualquier persona interesada en comprender el funcionamiento y las aplicaciones de la inteligencia artificial, el aprendizaje automático y el Big Data, sin necesidad de contar con una especialización previa, y que desee adquirir competencias con alta demanda en el mercado laboral.

• Comprender los fundamentos de la inteligencia artificial, sus principales áreas de aplicación y su evolución, identificando el papel del razonamiento, la lógica y la representación del conocimiento en el desarrollo de sistemas inteligentes.

• Analizar las principales técnicas y algoritmos de inteligencia artificial, incluyendo sistemas expertos, árboles de decisión, algoritmos genéticos, sistemas recomendadores y métodos de búsqueda, para su aplicación en distintos contextos.

• Adquirir las competencias necesarias para el procesamiento, análisis y exploración de datos mediante técnicas de minería de datos, utilizando herramientas como Jupyter Notebook para la resolución de casos prácticos.

• Desarrollar modelos de aprendizaje automático, diferenciando los distintos tipos de aprendizaje e implementando soluciones capaces de resolver problemas reales mediante técnicas de machine learning.

• Aplicar principios de ingeniería de software al diseño y desarrollo de sistemas inteligentes, integrando tecnologías propias de la Industria 4.0, la robótica, la visión computacional y la representación del conocimiento.

• Comprender los conceptos fundamentales del Big Data, su arquitectura, gestión de la información y principales ámbitos de aplicación en entornos empresariales y tecnológicos.

• Conocer los fundamentos teóricos de los autómatas y los lenguajes formales, comprendiendo su importancia en la computación, el diseño de lenguajes y la teoría de la computabilidad.

• Analizar los principios y aplicaciones de la computación evolutiva, empleando técnicas heurísticas y algoritmos inspirados en procesos naturales para la resolución de problemas complejos.

• Diseñar e implementar modelos basados en redes neuronales artificiales, incluyendo redes convolucionales (CNN) y arquitecturas basadas en mecanismos de atención y Transformers para tareas de aprendizaje profundo.

• Comprender los fundamentos de la virtualización y el cloud computing, gestionando infraestructuras virtualizadas y servicios en la nube orientados a entornos empresariales y al despliegue de soluciones de inteligencia artificial.

• Aplicar técnicas de procesamiento del lenguaje natural para el análisis y comprensión del lenguaje humano, utilizando modelos generativos y grandes modelos de lenguaje en el desarrollo de aplicaciones inteligentes.

• Integrar los conocimientos adquiridos a lo largo del programa mediante el desarrollo de un proyecto final, aplicando metodologías, herramientas y tecnologías de inteligencia artificial para resolver un problema real de forma estructurada y fundamentada.

Plan de Estudios

Asignatura 1. Teorías del aprendizaje y bases metodológicas.

• Tema 1. Teorías de la educación I.

• Tema 2. Teorías de la educación II.

• Tema 3. La formación por competencias.

• Tema 4. La metodología de la investigación.

Asignatura 2. Aprendizaje estratégico, desarrollo profesional.

• Tema 1. El aprendizaje estratégico en la educación.

• Tema 2. Características y componentes del aprendizaje estratégico.

• Tema 3. Proceso formativo: concepto y agentes integrantes.

• Tema 4. Fases del proceso formativo.

• Tema 5. El proceso formativo en las diferentes modalidades de aprendizaje.

Asignatura 3. Factores de aprendizaje.

• Tema 1. El proceso formativo y los nuevos entornos de aprendizaje.

• Tema 2. Innovación e investigación educativa.

• Tema 3. El currículum.

• Tema 4. Agentes mediacionales de la educación.

• Tema 5. Evaluación formativa y basada en evidencias.

Asignatura 4. La acción tutorial en el sistema educativo.

• Tema 1. Introducción a la acción tutorial.

• Tema 2. Planificación y desarrollo de la acción tutorial.

• Tema 3. Planes de tutorización I.

• Tema 4. Planes de tutorización II.

• Tema 5. Estrategias y técnicas en la acción tutorial.

Asignatura 5. Las TIC en el aula.

• Tema 1. Competencia digital docente: Introducción al m-learning.

• Tema 2. Accesibilidad y diseño digital: Profesores m-learning.

• Tema 3. Diseño pedagógico de entornos virtuales de aprendizaje.

• Tema 4. Recursos TIC aplicados a la enseñanza.

• Tema 5. Herramientas para el desarrollo de contenidos digitales.

Asignatura 6. Interculturalidad y educación.

• Tema 1. Concepto de Interculturalidad. Fundamentación teórica de la Educación Intercultural.

• Tema 2. Objetivos de una Educación Intercultural. Contenidos para la Educación Intercultural.

• Tema 3. La Educación Intercultural en una sociedad multicultural.

• Tema 4. De la multiculturalidad a la interculturalidad.

Asignatura 7. Resolución y trasformación de conflictos en el ámbito escolar.

• Tema 1. Introducción a la resolución de conflictos.

• Tema 2. Las normas y el conflicto escolar.

• Tema 3. Dialogo y comunicación en el conflicto escolar.

• Tema 4. Conflicto educativo y autoestima.

• Tema 5. El reto de la responsabilidad en la resolución de conflictos.

Asignatura 8. La educación ambiental en la educación formal.

• Tema 1. Teoría de la educación ambiental.

• Tema 2. Metas didácticas de la educación ambiental.

• Tema 3. El desarrollo de actitudes y valores ambientales.

• Tema 4. Estrategias metodológicas.

• Tema 5. El papel del profesor en la educación ambiental.

Asignatura 9. Fundamentos de la educación especial: procesos de atención a la diversidad.

• Tema 1. Introducción: la escuela inclusiva.

• Tema 2. Atención a la diversidad: problemas de aprendizaje.

• Tema 3. Necesidades educativas especiales I.

• Tema 4. Necesidades educativas especiales II.

• Tema 5. Identificación pedagógica de las NNEE.

Asignatura 10. Organización y gestión de centros educativos.

• Tema 1. Introducción a la organización de centros educativos.

• Tema 2. Teoría de la organización escolar.

• Tema 3. La organización institucional de los centros educativos.

• Tema 4. Instituciones educativas.

• Tema 5. Evaluación institucional.

Asignatura 11. Metodología de la investigación científica.

• Tema 1. Introducción a la investigación científica.

• Tema 2. Gestión del acceso a la información y datos científicos.

• Tema 3. Técnicas y métodos cuantitativos.

• Tema 4. Técnicas y métodos cualitativos.

• Tema 5. Fundamentos para el análisis de datos.

Asignatura 12. Seminario de Titulación