MAESTRÍA EN INTELIGENCIA ARTIFICIAL APLICADA
Maestría 1 año En línea

UNADE, UDIMA · Informatica

MAESTRÍA EN INTELIGENCIA ARTIFICIAL APLICADA

Ficha del Programa

Titulación Maestría 1 año
Modalidad En línea
Duración 2 semestres
Idioma Español
Descargar Brochure Maestría en 2 años

Titulación UDIMA

Maestría con opción de un tercer título por la Universidad a Distancia de Madrid (UDIMA).

Maestría en Inteligencia Artificial Aplicada. Nº RVOE: 202640MIAA

La Maestría en Inteligencia Artificial Aplicada de la Universidad Americana de Europa (UNADE) está diseñada para quienes quieren ser parte del progreso y la innovación de nuestro mundo, dotando al estudiante de bases teóricas y habilidades prácticas en IA.

La era de la Inteligencia Artificial no es una promesa, sino una realidad a la que solo llegan quienes se forman a tiempo: las organizaciones demandan especialistas capaces de aplicar modelos de aprendizaje automático y procesamiento de lenguaje natural para resolver problemas de alta complejidad.

Con una duración de 1 año y modalidad 100 % online, esta maestría prepara a los profesionales para aplicar la inteligencia artificial en la mejora de los procesos de cualquier organización.

¿Qué aprenderá en la Maestría en Inteligencia Artificial Aplicada?

Entre las principales competencias que desarrollará destacan:

  • Introducción y técnicas de Inteligencia Artificial.
  • Minería de datos y aprendizaje de máquina (Machine Learning).
  • Ingeniería de software para sistemas inteligentes.
  • Introducción al Big Data.
  • Autómatas y lenguajes formales.
  • Computación evolutiva y redes neuronales.
  • Virtualización y Cloud Computing.
  • Procesamiento de Lenguaje Natural.

Salidas profesionales

  • Ingeniero de Inteligencia Artificial.
  • Científico de datos.
  • Especialista en minería de datos.
  • Desarrollador de software de sistemas inteligentes.
  • Ingeniero de aprendizaje de máquina.
  • Experto en Big Data.
  • Arquitecto de sistemas en Cloud Computing.

¿Por qué estudiar la Maestría en Inteligencia Artificial Aplicada en UNADE?

  • Formación especializada y de vanguardia en IA.
  • Metodología 100 % online y flexible.
  • Duración de 1 año.
  • Contenidos actualizados en machine learning, big data y redes neuronales.
  • Formación orientada a la empleabilidad en el sector tecnológico.

Al finalizar el programa, el egresado será capaz de identificar problemáticas susceptibles de ser resueltas con herramientas de Inteligencia Artificial y de analizar sistemas inteligentes que aporten soluciones a distintas áreas de una organización.

La Maestría en Inteligencia Artificial Aplicada está orientada a profesionales y recién egresados que quieren completar su formación académica y conocimientos en temas como Minería de Datos, Aprendizaje de Máquina, Procesamiento de Lenguaje Natural, entre otros, para que desde este aprendizaje y análisis se genere nuevo conocimiento, con base la identificación de nuevos algoritmos y aplicaciones de estas herramientas en otras disciplinas.

El objetivo general de la Maestría en Inteligencia Artificial Aplicada es dotar al estudiante de conocimientos sobre especializados que le otorguen bases teóricas y habilidades para analizar tomar decisiones y resolver problemas de alta complejidad de la mano de herramientas y conceptos fundamentales provistos por la inteligencia artificial.

Los objetivos específicos de este programa son:

  • Identificar los conceptos claves de la Inteligencia Artificial y su aplicación en diferentes campos.
  • Conocer problemáticas que pueden ser atendidas o apoyadas por herramientas del campo de la Inteligencia Artificial.
  • Identificación de modelos de Aprendizaje Máquina, así como de Procesamiento de Lenguaje Natural, como herramientas computacionales.
  • Identificación de técnicas de Inteligencia Artificial y su aplicación en diferentes áreas del conocimiento, para la toma de decisiones.
  • Identificación de técnicas de Inteligencia Artificial y su aplicación en diferentes áreas del conocimientopara la mejora de los procesos de las organizaciones.
  • Crear análisis, síntesis y crítica de la información, respecto a temas específicos de la disciplina de Inteligencia Artificial.
  • Analizar sistemas inteligentes que ofrezcan soluciones a las diferentes áreas en una compañía u organización.

Salidas Profesionales

  • Ingeniero de Inteligencia Artificial.
  • Científico de Datos.
  • Especialista en Minería de Datos.
  • Desarrollador de Software de Sistemas Inteligentes.
  • Ingeniero de Aprendizaje de Máquina.
  • Experto en Big Data.
  • Investigador en Computación Evolutiva.
  • Arquitecto de Sistemas en Cloud Computing.
  • Desarrollador de Aplicaciones de Procesamiento de Lenguaje Natural.
  • Consultor en Virtualización.
  • Analista de Datos en Investigación.
  • Docente e Investigador en Inteligencia Artificial.

Plan de Estudios

Asignatura 1. Introducción a la Inteligencia Artificial.

  • Tema 1. Introducción a la IA
  • Tema 2. Interacción del razonamiento, la lógica y la adquisición del conocimiento
  • Tema 3. Innovaciones en agentes inteligentes
  • Tema 4. Aprendizaje automático con árboles de decisión

Asignatura 2. Técnicas de Inteligencia Artificial.

  • Tema 1. Inteligencia artificial, aprendizaje automatico y mineria de datos
  • Tema 2. Busqueda en inteligencia artificial
  • Tema 3. Sistemas expertos basados en reglas
  • Tema 4. Incertidumbre e imprecision en sistemas expertos basados en reglas
  • Tema 5. Arboles para la toma de decisiones
  • Tema 6. Algoritmos de aprendizaje de reglas
  • Tema 7. Clasificacion no supervisada
  • Tema 8. Sistemas recomendadores
  • Tema 9. Sistemas neuronales
  • Tema 10. Algoritmos geneticos
  • Tema 11. Casos de estudio

Asignatura 3. Minería de Datos.

  • Tema 1. Minería de datos
  • Tema 2. Procesamiento de datos
  • Tema 3. Métodos para el análisis de datos
  • Tema 4. Exploración de datos: patrones, ética y herramientas

Asignatura 4. Aprendizaje de Máquina.

  • Tema 1. Bases del aprendizaje de máquina
  • Tema 2. Tipos de aprendizaje
  • Tema 3. Implementación
  • Tema 4. Proyecto del aprendizaje máquina

Asignatura 5. Ingeniería de Software para Sistemas Inteligentes.

  • Tema 1. Contexto de la industria 4.0
  • Tema 2. Robótica inteligente e inteligencia artificial
  • Tema 3. Visión computacional
  • Tema 4. Representación del Conocimiento y Ontologías

Asignatura 6. Introducción al Big Data.

  • Tema 1. ¿Qué es el Big Data?
  • Tema 2. Conceptos y oportunidades del Big Data.
  • Tema 3. Gestión de la información en entornos Big Data
  • Tema 4. Sectores para la aplicación del Big Data.

Asignatura 7. Autómatas y Lenguajes Formales.

  • Tema 1. ¿Qué son los autómatas y su unión con los Lenguajes Formales?
  • Tema 2. Autómatas finitos deterministas y no deterministas
  • Tema 3. Expresiones regulares
  • Tema 4. Máquinas de Turing

Asignatura 8. Computación Evolutiva.

  • Tema 1. Antecedentes históricos
  • Tema 2. Técnicas heurísticas
  • Tema 3. Paradigmas principales
  • Tema 4. Computación evolutiva en el contexto de la Inteligencia Artificial

Asignatura 9. Redes Neuronales.

  • Tema 1. Introducción a las redes neuronales
  • Tema 2. Modelos Neuronales
  • Tema 3. Paradigmas
  • Tema 4. Aprendizaje Supervisado y Redes Neuronales

Asignatura 10. Virtualización y Cloud Computing.

  • Tema 1. Introduccion al cloud computing
  • Tema 2. Cloud computing aplicado a la gestion empresarial
  • Tema 3. Suite de producto vmware vsphere
  • Tema 4. Virtualizacion de servidores en la nube
  • Tema 5. Virtualizacion de aplicaciones

Asignatura 11. Procesamiento de Leguaje Natural

  • Tema 1. Del lenguaje humano al código: la revolución del PNL
  • Tema 2. Aplicaciones del procesamiento del lenguaje natural
  • Tema 3. Análisis Lexical
  • Tema 4. Análisis sintáctico

Asignatura 12. Preparación para la Investigación.

  • Tema 1. La investigación científica.
  • Tema 2. Tipos de investigación y diseños de investigación.
  • Tema 3. Métodos de investigación.
  • Tema 4. Técnicas de investigación.
  • Tema 5. Planteamiento del problema y elaboración del marco teórico.
  • Tema 6. Formulación de hipótesis y selección de la muestra.
  • Tema 7. Recolección de datos. Análisis de datos.
  • Tema 8. Elaboración de un proyecto de investigación.
  • Tema 9. Aspectos formales y estructurales de una tesis doctoral.
  • Tema 10. Programas estadísticos. SPSS.

Asignatura 13. Seminario de Titulación.

Itinerario Académico

Semestre 1
Asignatura 1. Introducción a la Inteligencia Artificial.

  • Tema 1. Introducción a la IA

  • Tema 2. Interacción del razonamiento, la lógica y la adquisición del conocimiento

  • Tema 3. Innovaciones en agentes inteligentes

  • Tema 4. Aprendizaje automático con árboles de decisión

Asignatura 2. Técnicas de Inteligencia Artificial.

  • Tema 1. Inteligencia artificial, aprendizaje automatico y mineria de datos

  • Tema 2. Busqueda en inteligencia artificial

  • Tema 3. Sistemas expertos basados en reglas

  • Tema 4. Incertidumbre e imprecision en sistemas expertos basados en reglas

  • Tema 5. Arboles para la toma de decisiones

  • Tema 6. Algoritmos de aprendizaje de reglas

  • Tema 7. Clasificacion no supervisada

  • Tema 8. Sistemas recomendadores

  • Tema 9. Sistemas neuronales

  • Tema 10. Algoritmos geneticos

  • Tema 11. Casos de estudio

Asignatura 3. Minería de Datos.

  • Tema 1. Minería de datos

  • Tema 2. Procesamiento de datos

  • Tema 3. Métodos para el análisis de datos

  • Tema 4. Exploración de datos: patrones, ética y herramientas

Asignatura 4. Aprendizaje de Máquina.

  • Tema 1. Bases del aprendizaje de máquina

  • Tema 2. Tipos de aprendizaje

  • Tema 3. Implementación

  • Tema 4. Proyecto del aprendizaje máquina

Asignatura 5.
Ingeniería de Software para Sistemas Inteligentes.

  • Tema 1. Contexto de la industria 4.0

  • Tema 2. Robótica inteligente e inteligencia artificial

  • Tema 3. Visión computacional

  • Tema 4. Representación del Conocimiento y Ontologías

Asignatura 6. Introducción al Big Data.

  • Tema 1. ¿Qué es el Big Data?

  • Tema 2. Conceptos y oportunidades del Big Data.

  • Tema 3. Gestión de la información en entornos Big Data

  • Tema 4. Sectores para la aplicación del Big Data.

Asignatura 7.
Autómatas y Lenguajes Formales.

  • Tema 1. ¿Qué son los autómatas y su unión con los Lenguajes Formales?

  • Tema 2. Autómatas finitos deterministas y no deterministas

  • Tema 3. Expresiones regulares

  • Tema 4. Máquinas de Turing

Semestre 2
Asignatura 8. Computación Evolutiva.

  • Tema 1. Antecedentes históricos

  • Tema 2. Técnicas heurísticas

  • Tema 3. Paradigmas principales

  • Tema 4. Computación evolutiva en el contexto de la Inteligencia Artificial

Asignatura 9. Redes Neuronales.

  • Tema 1. Introducción a las redes neuronales

  • Tema 2. Modelos Neuronales

  • Tema 3. Paradigmas

  • Tema 4. Aprendizaje Supervisado y Redes Neuronales

Asignatura 10. Virtualización y Cloud Computing.

  • Tema 1. Introduccion al cloud computing

  • Tema 2. Cloud computing aplicado a la gestion empresarial

  • Tema 3. Suite de producto vmware vsphere

  • Tema 4. Virtualizacion de servidores en la nube

  • Tema 5. Virtualizacion de aplicaciones

Asignatura 11. Procesamiento de Leguaje Natural

  • Tema 1. Del lenguaje humano al código: la revolución del PNL

  • Tema 2. Aplicaciones del procesamiento del lenguaje natural

  • Tema 3. Análisis Lexical

  • Tema 4. Análisis sintáctico

Asignatura 12. Preparación para la Investigación.

Asignatura 13. Seminario de Titulación.

Líneas de Investigación

Líneas de investigación:

Línea 1. Tendencias en Inteligencia Artificial.

Línea 2. Aplicaciones en Inteligencia Artificial.

Línea 3. Prospectiva en Inteligencia Artificial.

Línea 4. Sistemas inteligentes.

Línea 5. Inteligencia Artificial aplicada a la educación.

Línea 6. Inteligencia Artificial y la salud.

Línea 7. Inteligencia artificial y empresas u organizaciones.

Línea 8. Inteligencia artificial y los sistemas de información.

Línea 9. Inteligencia artificial y SoftComputing.

Volver al catálogo