Introducción al Big Data e Inteligencia Artificial (IA)

Metodología

¿Estás listo para sumergirte en el emocionante mundo de Big Data e Inteligencia Artificial? ¡Prepárate para un viaje transformador que te llevará a dominar las tecnologías más vanguardistas de la actualidad!

En nuestro curso, no solo aprenderás los conceptos fundamentales detrás del Big Data y la Inteligencia Artificial, sino que también te sumergirás en un mar de oportunidades sin límites. Imagina la capacidad de analizar y extraer conocimientos profundos a partir de enormes conjuntos de datos, permitiéndote tomar decisiones informadas y estratégicas en cualquier industria. ¡El poder de transformar la información en acción está en tus manos!

Curso en modalidad eLearning basado en la metodología Learning by Doing. A través de casos reales, herramientas actuales, simulaciones y ejercicios aplicados, el participante vivirá una experiencia práctica y contextualizada.

El aprendizaje se enfoca en comprender las tecnologías clave del Big Data y la Inteligencia Artificial, su aplicación en entornos reales y su impacto ético, empresarial y social.

Objetivos

• Comprender los fundamentos y retos del Big Data, sus arquitecturas y herramientas asociadas.
• Conocer los diferentes tipos de bases de datos y sus aplicaciones en entornos masivos de datos.
• Analizar procesos ETL y flujos de datos en tiempo real.
• Explorar el potencial de la Inteligencia Artificial, el Machine Learning y el Deep Learning.
• Diferenciar tipos de aprendizaje automático y seleccionar algoritmos según contexto.
• Familiarizarse con modelos aplicados de visión por computador y procesamiento del lenguaje natural.
• Reconocer los desafíos éticos y de privacidad en la gestión de datos y el desarrollo de IA.

Perfil del alumnado

El curso está dirigido a:

Profesionales del ámbito tecnológico, analistas de datos, responsables de innovación, perfiles de negocio, estudiantes de informática, ingeniería o matemáticas, así como a cualquier persona interesada en iniciarse en Big Data e Inteligencia Artificial.
No se requieren conocimientos previos en programación ni en ciencia de datos.

Contenidos

Unidad 1: Conceptos clave del Big Data

• Qué es el Big Data
• Business Intelligence vs. Big Data
• Las 4 V’s del Big Data
• Aplicaciones y retos

Unidad 2: Bases de Datos en Big Data

• Relacionales vs. No relacionales (SQL y NoSQL)
• Hadoop y ecosistema: HDFS, MapReduce
• Lenguajes clave: Java, Scala, SQL y Python
• Procesos ETL: Flume, Sqoop, HIVE
• Bases de datos en tiempo real: Kafka, HBASE, Redis

Unidad 3: Arquitectura y visualización de datos

• Procesamiento en tiempo real y Cloud Computing
• Introducción a TensorFlow
• Técnicas de análisis y visualización de datos
• Dashboards y desafíos visuales

Unidad 4: Casos de uso y ética

• Aplicaciones públicas y empresariales
• Beneficios del Big Data
• Ética, privacidad y mejores prácticas

Módulo 2: Introducción a la Inteligencia Artificial

Unidad 1: Fundamentos de IA

• Definición y evolución histórica
• Aplicaciones en la vida cotidiana
• Técnicas y objetivos de la IA

Unidad 2: Machine Learning

• Tipos de aprendizaje: supervisado, no supervisado, por refuerzo
• Características de los algoritmos
• Evaluación de modelos

Unidad 3: Aprendizaje Supervisado y No Supervisado

• Regresión, árboles de decisión, SVM
• k-means, DBSCAN, PCA, agrupamiento jerárquico
• Comparativa y elección de modelos

Unidad 4: Aprendizaje por Refuerzo y Heurísticos

• Agentes y algoritmos de refuerzo
• Algoritmos heurísticos: genéticos, recocido simulado, búsqueda tabú

Unidad 5: Deep Learning y Redes Neuronales

• Conceptos, estructuras y entrenamiento
• Aprendizaje por transferencia

Unidad 6: Arquitecturas y aplicaciones avanzadas

• RNN, CNN, GAN, TNN
• Procesamiento del Lenguaje Natural
• Visión Computacional

Unidad 7: IA aplicada y consideraciones éticas

• Impacto económico y social
• Explicabilidad, sesgos y regulación
• Innovación, tendencias y desafíos futuros

Actividades

• Simulaciones con herramientas reales
• Casos de uso sectoriales
• Autoevaluaciones y test de comprensión
• Evaluación final