Máster en Inteligencia Artificial

Inteligencia Artificial

Máster online en Inteligencia Artificial

El Máster en Inteligencia Artificial nace a raíz de la unión entre la amplia experiencia en formación e investigación, en el ámbito de la tecnología, que caracteriza a la UPC, avalada por el reconocimiento y las acreditaciones que posee, tanto a nivel nacional como internacional; y, la experiencia en formación online, con foco tecnológico y de negocios, de OBS.

El Máster en Inteligencia Artificial permite, a los estudiantes, conocer los conceptos y elementos necesarios de la IA desde un punto de vista teórico-práctico para poder llevar a cabo, con éxito, proyectos en este ámbito. En el Máster, los estudiantes, profundizarán en cinco grandes bloques:

  • Bloque I, Fundamentos de la IA: se definirán los conceptos y tecnologías clave vinculados a la IA, profundizando en los aspectos esenciales de su funcionamiento.
  • ​Bloque II. Diseño y desarrollo de modelos de Machine Learning y Redes Neuronales: se profundizará en los modelos basados en Machine Learning y Redes Neuronales, así como en su uso práctico. Esto incluye la optimización y evaluación posterior de ambas tipologías de modelo.
  • Bloque III.Principales tecnologías de IA: se profundizará en los principales frameworks existentes en el mercado para el desarrollo de modelos de IA.
  • Bloque IV. Implantación de proyectos IA: se trabajará en cómo abordar un proyecto en el que se utilizan o se desarrollan modelos de IA, incluyendo un enfoque metodológico y una revisión de los recursos materiales y humanos necesarios.
  • Bloque V. Aplicaciones empresariales de la IA y su impacto de negocio: se introducirán las principales aplicaciones de negocio de la IA, así como el impacto que tienen, tanto desde un punto de vista de negocio como tecnológico.

Es importante destacar que el carácter eminentemente práctico del programa permite al estudiante aplicar, de manera inmediata, los conocimientos adquiridos durante el máster.

Objetivos del programa

¿Qué es la IA y cuáles sus diferentes aplicaciones? ¿Qué tecnologías de vanguardia y capacidades son necesarias para generar ventajas competitivas a partir de la IA?  ¿Cuál es su impacto potencial en las empresas y la sociedad? ¿Qué riesgos existen en los modelos de aprendizaje basados en Machine Learning? ¿Qué relación existe entre la IA y el Big Data? ¿Qué elementos clave deben considerarse para liderar proyectos de IA en una Organización?

El Máster en Inteligencia Artificial te ayudará a responder a todas estas preguntas, a través de la combinación de los conceptos relacionados con las tecnologías más importantes, y la aplicación de éstos a nivel empresarial. El análisis de diferentes casos reales y el desarrollo de tu propio proyecto, te permitirán concretar la realidad de las tecnologías de IA, así como su aplicación para respaldar las necesidades empresariales.

Objetivo general

El Máster en Inteligencia Artificial tiene como objetivo principal acercar los fundamentos de IA a todos aquellos profesionales que ven como las aplicaciones del Machine Learning, en sus sectores, están cambiando la forma de gestionar los modelos de negocio. A través de este programa, los estudiantes adquirirán los conocimientos técnicos necesarios para liderar proyectos de IA. 

Objetivos específicos

El plan de estudios del Máster en Inteligencia Artificial está diseñado para alcanzar los siguientes objetivos específicos:

  • Profundizar en los fundamentos y conceptos clave de la IA, así como en los métodos y técnicas utilizadas para resolver problemáticas de negocio.
  • Conocer los principales algoritmos y herramientas relacionados con el Machine Learning, para ser capaz de implementarlos en la resolución de problemas sin tener conocimientos previos de programación.
  • Desarrollar modelos de IA utilizando los principales frameworks de trabajo existentes en el mercado.
  • Desarrollar aplicaciones prácticas de IA tales como asistentes virtuales y chatbots.
  • Ser capaz de liderar proyectos de IA, no sólo desde un punto de vista técnico sino también gerencial, desarrollando perfiles multidisciplinares que sepan relacionar y conectar diferentes áreas de negocio y prácticas tecnológicas.
  • Entender el impacto estratégico de la IA desarrollando una visión de negocio para maximizar su ROI.
  • Entender las aplicaciones de la IA en las diferentes Industrias y profundizar en los casos de uso con mayor impacto de negocio.

Salidas profesionales

Una vez finalizado el programa, los estudiantes podrán ocupar posiciones como:

  • Responsable de Grupo de desarrollo de I+D en diferentes sectores.
  • Consultor de negocio especializado en IA.
  • Consultor tecnológico especializado en IA.
  • Responsable proyectos IA.
  • Experto en desarrollo de sistemas IA.

BLOQUE I. Fundamentos de la IA

Curso nivelador IA

En paralelo al módulo 1, los estudiantes inician el programa de Inteligencia Artificial con este curso nivelador que provee de las bases de conocimiento de programación, algoritmos y matemáticas. En este curso, los estudiantes encontrarán recursos materiales que les permitirán profundizar en diferentes temas necesarios para el seguimiento del curso. En este curso, realizarán exámenes tipo test que les servirán como guía para la evaluación de sus conocimientos y será evaluado al final del mismo. Los temas a abordar son:

  • Conceptos básicos de IA.
  • Introducción a la programación.
  • Introducción a los algoritmos en IA.

Módulo 1. La IA: fundamentos y principales tecnologías

En este módulo el estudiante se introducirá en el mundo de la IA y su aplicación en negocio, abordando temas como:

  • Conceptos claves de la IA: matriz de confusión, precisión, echaustividad, modelos prescriptivos, predictivos, entre otros.
  • Principales tecnologías IA: procesado de lenguaje natural, generación de lenguaje natural y agentes virtuales, entre otros.
  • Evolución histórica de la IA.
  • Visión alto nivel principales stacks tecnológicos.

Módulo 2. Impacto socio-económico de la IA

En este módulo, el estudiante adquirirá una visión integrada del concepto de IA en el contexto socio-económico actual. En éste, el estudiante verá temas como:

  • Impacto económico de la IA e industria 4.0.
  • Casos de uso aplicables a industrias de ejemplo: sanidad, comercio minorista, entre otras.
  • Impacto de la IA en las personas: consideraciones éticas, sociales y legales: sesgo, transparencia, diversidad, privacidad, seguridad y fuerza de trabajo.

 

BLOQUE II. Diseño y desarrollo de Modelos de Machine Learning y Redes Neuronales

Módulo 3. Introducción al Machine Learning: datos y algoritmos

Este módulo introducirá al estudiante en el Machine Learning, proporcionando aquellos conceptos clave para su correcta comprensión. En éste se verán temas como:

  • Los principales entornos de desarrollo y uso del Machine Leraning.
  • Las principales técnicas de procesado de los datasets.
  • Los recursos y librerías para la importación y procesado de los datos.
  • La adecuación de los tipos de implementación (supervisado o no supervisado) a un problema dado.
  • La teoría de sistemas con algoritmos y su aplicación mediante ejemplos prácticos.

Módulo 4. Modelos Machine Learning: optimización y aplicaciones

En este módulo se proporcionarán las claves para optimizar el resultado de los modelos de Machine Learning, a la vez que se abordará el proceso vinculado a la minimización de riesgos en la generación de aplicaciones basadas en IA. Los temas que se trabajarán son:

  • Las fortalezas y debilidades de los algoritmos de clasificación, regresión y clustering más conocidos, y los algoritmos de reducción de la dimensionalidad.
  • Los principales riesgos que pueden ocurrir en el aprendizaje de un modelo y la determinación de las soluciones que se pueden aplicar.
  • Proceso para la identificación de los puntos de mejora en los modelos desarrollados y las técnicas existentes para optimizar los resultados.
  • Las metodologías existentes dentro de un proyecto analítico, sus fases y aplicación de las diferentes tipologías.

Módulo 5. Introducción a las Redes Neuronales

A lo largo de este quinto módulo, el estudiante se adentrará en el mundo de las Redes Neuronales abordando los siguientes puntos:

  • Exploración de los principales entornos de desarrollo y uso de Deep Learning.
  • Manejo de recursos y librerías para la creación, entrenamiento y despliego de modelos profundos.
  • Estudio de las arquitecturas típicas.
  • Cómo obtener el mejor desempeño para una determinada arquitectura profunda en función de su tipología.

 

BLOQUE III. Principales tecnologías de IA

Módulo 6. Frameworks de IA

En este módulo se introducirán las principales tecnologías y frameworks, empleados en proyectos de IA, que existen actualmente en el mercado con el objetivo de que el alumno sepa escoger, de entre el amplio abanico de opciones, las que mejor se adapten al problema concreto que necesite solucionar.

Para ello, se presentarán tecnologías empleadas en las siguientes tareas de IA:

  • Procesado del dato.
  • Ciclo de vida de modelos de Machine Learning.
  • Tracking de entrenamiento de modelos.
  • Entrenamiento de modelos de Deep Learning.
  • Visualización de datos.
  • Procesamiento del Lenguaje Natural (NLP).
  • Agentes conversacionales.
  • Visión Artificial.

Además, se introducirán las capacidades disponibles en Microsoft Azure, AWS, IBM Watson y Google AI para resolver muchas de estas tareas.

 

BLOQUE IV. Implantación de proyectos de IA

Módulo 7. Implantación de proyectos de IA (I): metodología

En esta primera parte del bloque 4, los temas que se abordarán son:

  • IA empresarial: situación actual.
  • Entender los distintos tipos de proyecto IA y sus factores de complejidad.
  • Identificar la funcionalidad de la solución candidata para implementar con IA.
  • Construcción de modelos: entrenamiento vs reutilización.
  • Operacionalización de modelos: MLOps, Trusted IA, AI Governance.

A lo largo del módulo se trabajará, en grupos, con un caso de negocio que debe resolverse, mediante el diseño de una solución IA.

Módulo 8. Implantación de proyectos de IA (II): recursos materiales y humanos

En esta segunda parte del bloque, el estudiante se centrará en conocer qué recursos materiales y qué perfiles humanos son necesarios en un proyecto IA, dependiendo del tipo de proyecto y del contexto de la empresa. También se llevarán a cabo ejercicio de estimación económica de proyectos IA. En este sentido, alguno de los puntos que se abordarán en el módulo son:

  • Infraestructura para IA (computación y almacenamiento).
  • Nuevas tendencias de despliegue de IA. Edge AI.
  • Modelos económicos de la infraestructura IA.
  • Lenguajes de programación, Frameworks y Librerías para IA.
  • Herramientas para la construcción de modelos.
  • Herramientas para la operacionalización de modelos.
  • Mercado de Herramientas IA.
  • Desarrollo de escenarios de costes en entornos Cloud IA de pago por uso.
  • Recursos Humanos: nuevos perfiles y evolución de perfiles tradicionales.

 

BLOQUE V. Aplicaciones empresariales de la IA y su impacto de negocio

Módulo 9. Aplicaciones empresariales de la IA y su impacto de negocio

En este módulo se introducirá al estudiante en las principales aplicaciones de negocio de la IA. Algunos de los temas que se abordarán son:

  • Inteligencia de cliente: la optimización de la experiencia de cliente, a través del Customer Joruney, así como de la hiper-personalización, el scoring y la clusterización.
  • Productos y servicios inteligentes: las capacidades que proporciona la IA y la búsqueda de nuevos modelos de negocio y mercados.
  • Operaciones inteligentes: combinación de la IA con soluciones de automatización.
  • Funciones de soporte corporativas inteligentes (seguridad, RRHH, tecnología, etc.): el uso de la IA para aumentar la inteligencia humana y mejorar la toma de decisiones.

Módulo 10. Modelos de IA basados en el cliente

En este último módulo del programa se profundizará en las aplicaciones de la IA a los procesos de relación con el cliente. Alguno de los puntos del módulo son los siguientes:

  • Servicios: tareas de procesado de lenguaje natural e implementación práctica de un asistente virtual. Aplicación práctica de la visión artificial.
  • ​Venta: recomendador (upselling y cross selling)

 

PROYECTO FINAL DE MÁSTER

Durante el Proyecto Final de Máster (PFM), el estudiante trabajará mano a mano con una empresa real en el desarrollo de un proyecto.  Éste tendrá la opción de realizarlo para su propia empresa o bien escoger entre las opciones planteadas por Three Points.

 

Talleres

Durante el Máster en Inteligencia Artificial, el estudiante tendrá la oportunidad de realizar 2 talleres prácticos, divididos en un taller tecnológico y un taller business.

Taller Tecnológico. Aplicación sobre lenguaje Python

Este taller eleva los conocimientos básicos sobre Python introducidos en el curso nivelador, avanzando en el conocimiento sobre la aplicación de este lenguaje de programación. A lo largo de este taller, los estudiantes, adquirirán una visión práctica sobre la aplicación del lenguaje de programación más utilizado actualmente en el ámbito de la Inteligencia Artificial y el Machine Learning: Python.

Python es un lenguaje de programación referente en los entornos de Inteligencia Artificial por su facilidad de uso, versatilidad y el gran número de librerías disponibles. El crecimiento en el uso de este lenguaje está siendo espectacular gracias, fundamentalmente, a las nuevas tecnologías de Data Science y Machine Learning.

Nota: Para poder realizar este taller, es requisito indispensable tener conocimientos en programación.

Taller Business. Potenciación de proyectos de Big Data mediante Machine Learning

El Machine Learning necesita grandes cantidades de datos para poder funcionar y entrenar los algoritmos que utiliza. En este taller, los estudiantes verán los diferentes usos del Machine Learning en el entorno Big Data. Además, este taller permitirá a los estudiantes a dominar cómo la IA se relaciona con el Big Data. ¿Cómo aplicamos el Machine Learning en Big Data? ¿Cómo podemos descubrir patrones en los datos a través del uso del Machine Learning? ¿Qué aplicaciones tiene a nivel empresarial?

Como es un taller práctico, los estudiantes trabajarán, a modo de ejemplo, con un caso de uso de marketing digital. En concreto, verán cómo se realiza hoy la compra programática de medios digitales y cómo se puede optimizar mediante técnicas de Machine Learning combinada con entornos de Big Data. De esta forma, verán el beneficio de negocio que aporta esta combinación de tecnologías y cómo extrapolarlo a otros procesos.

 

Herramientas

A lo largo del programa los estudiantes utilizarán, entre otras, las siguientes herramientas:

Python Software

Software que permite programar en lenguaje Python. Se trata de uno de los lenguajes de programación más usados actualmente. Es un lenguaje multiparadigma.

R Software

Software de programación integrado por diferentes herramientas, ampliables a través de la descarga de diferentes paquetes, librerías o muestras propias. Es de código abierto.

Tensor Flow

Biblioteca de software libre que se utiliza para realizar cálculos numéricos mediante diagramas de flujos.

PyTorch

Paquete de Python diseñado para realizar cálculos numéricos haciendo uso de la programación de tensores.

CNTK (Microsoft Cognitive Toolkit)

Librería para el Deep Learning basado en redes neuronales profundas. Ésta se basa en el constructo de red computacional, que es un marco unificado para describir diferentes tipos de Machine Learning, como redes neuronales profundas, redes neuronales convolucionales, redes neuronales recurrentes, etc.

Servicios APIS (Amazon)

Servicio de AWS que permite crear, publicar, mantener, monitorizar y proteger las API de REST y de WebSocket a cualquier escala.

IA en Cloud (IBM Watson)

Se llevarán a cabo prácticas guiadas que mostrarán cómo pueden aprovecharse los servicios, herramientas e infraestructura que proporcionan los proveedores de IA en entornos de Cloud Pública (IBM Cloud, en este caso).

Plataforma de desarrollo de asistentes virtuales (Dialogflow)

Se implementará un asistente virtual en la herramienta Dialogflow de Google trabajando conceptos como intención, entidad, canales, etc.

Metodología

STUDENT ON

 

Una metodología donde el core es el estudiante. Un estudiante conectado siempre con la actualidad, líder del mundo empresarial y en constante búsqueda de la excelencia. Un estudiante activo y conectado para crecer e inspirar a la sociedad.

Siempre avalado por docentes practitioners de prestigio internacional, que comparten sus conocimientos y experiencia, impulsando el desarrollo profesional del estudiante. Con un método ágil, flexible y colaborativo que permite la conciliación de la vida laboral y personal.

Esta metodología se basa en un modelo pedagógico innovador que permite a los alumnos aprender en un entorno 100% online simulando el complejo mundo profesional que afrontan  día a día dentro de las empresas. La didáctica se focaliza en la realización de diferentes módulos consecutivos que abordan las diversas asignaturas del plan de estudios para poder avanzar en el proceso de aprendizaje de una manera flexible y organizada.

Una de las bases principales que hace posible el proceso de aprendizaje de STUDENT ON es el claustro docente de OBS Business School. Formado por profesores practitioners de prestigio, con perfil internacional, innovador, en activo, con amplia experiencia en su sector y conocedores del mercado actual y de las innovaciones tecnológicas.

STUDENT ON tiene como pilar fundamental al alumno. Es por ello, que desde OBS Business School se realiza un seguimiento personalizado durante todo el curso académico en el que los estudiantes podrán contar con el apoyo de su Program Manager, una figura académica que acompaña al alumno durante toda su formación.

Este método ofrece una experiencia educativa única y diferente que proporciona la asimilación de conocimientos de una forma práctica. Se simulan situaciones de la vida empresarial real relacionadas con el mundo laboral en las que se desarrollarán: capacidades directivas, de liderazgo y de trabajo en equipo. Un método de gestión de habilidades y competencias personales y profesionales en management a través de diferentes elementos de aprendizaje (consultar los elementos específicos del máster en el plan de estudios):

  • CASE STUDIES: Se estudian y analizan situaciones reales del entorno empresarial para que los alumnos puedan aplicar todos los conocimientos adquiridos en la toma de decisiones.
  • TALLERES DE DESARROLLO DE HABILIDADES: Se realizan talleres en los que los alumnos descubren y desarrollan las diferentes habilidades que poseen tanto a nivel comunicativo, como directivo o de negociación para su crecimiento profesional. Algunos de los workshops que se hacen son: mindfulness y gestión del estrés, competencias directivas, habilidades y competencias coaching, storytelling y comunicación corporativa, desarrollo directivo, comunicación efectiva, habilidades y técnicas de negociación, coaching aplicado a la CEM: empatía, etc.
  • DEBATES: Además de potenciar sus habilidades profesionales, los estudiantes desarrollan su pensamiento crítico a través de la participación en debates de calidad. En ellos, se potencian las sinergias entre los diferentes conocimientos y experiencias de los alumnos y docentes.
  • SIMULADORES: Uso de programas y herramientas que recrean de manera real situaciones empresariales para poder valorar las consecuencias de la toma de decisiones y los resultados de las mismas. 
  • SOFTWARES: Los conocimientos tratados en los diferentes Másters se ponen en práctica mediante el uso de diferentes softwares destacados en el mundo empresarial.
  • TRABAJO FINAL DE MÁSTER / BUSINESS PLAN: Todos los alumnos de OBS realizan el Trabajo de Final de Máster dentro del marco de una empresa real y actual, mediante el cual culminan su proceso de aprendizaje aplicando todos los conocimientos adquiridos.

Perfil de los estudiantes y requisitos de admisión

Los módulos del máster están diseñados pensando en aquellos profesionales, de diferentes sectores, que aspiren a acelerar el desarrollo de su carrera profesional y entender el rol que está adquiriendo la IA, en el entorno empresarial. Los requisitos para acceder al Máster de Inteligencia Artificial de OBS son los siguientes:

  • Graduados y licenciados en ingenierías técnicas, ADE y ciencias (medicina, matemáticas, física o química).
  • Responsables y jefes de proyecto que quieran ampliar su capacidad de gestión para acometer proyectos relacionados con la IA.
  • Personas con experiencia o vocación en el área de la IA que deseen reforzar su formación académica.
  • Consultores y especialistas del sector de la IA que quieran prepararse, actualizarse y completar su perfil, forjando así su posición competitiva en el mercado.

Titulación

Una vez finalizado el programa, los estudiantes obtendrán:

  • Un título propio de la escuela.
  • Un título propio acreditado por la UPC, si se cumplen los requisitos de la Universidad al finalizar el programa.

 

José Ramón Sanfiz

  • Director Consultoría IT en Accenture.
  • Experiencia en el sector de la Banca y Seguros y en el sector Telco.
  • Ingeniero en Telecomunicaciones por la Universidad Politécnica de Catalunya UPC.
  • Programa de Desarrollo Ejecutivo por el Instituto de Empresa. 
  • Diplomado en Ciencias Empresariales por la Universitat Oberta de Catalunya UOC.

Claustro de Profesores

Lucas Fernández

  • Desarrollador e investigador de herramientas de ciberseguridad y de aplicaciones de machine learning en Telefónica.
  • Máster en Seguridad de la Información por la Universidad Europea de Madrid.
  • Grado en Ingeniería Informática por la Universidad de Alcalá de Henares.

Alfonso Ibáñez

  • Data Science & Engineering Manager en Telefónica.
  • Máster en Inteligencia Artificial por la Universidad Politécnica de Madrid.
  • Grado en Ciencias Informáticas por la Universidad Pontificia Comillas.

Jordi Navarro

  • CEO en Cleverdata.io.
  • Ha desarrollado su carrera en Condis donde desarrolló e implantó el Plan de Transformación Digital de la Compañía, con el que recibió el Premio Alain Turing al CIO del año 2012, así como el premio eAwards 2013.
  • Fue Presidente del Comité de Comercio Electrónico de AECOC.
  • Ingeniero Informático por la UAB.
  • PDD por el IESE.

Enrique Blanco

  • IT developer en Telefónica.
  • Tiene experiencia en proyectos internacionales de Data Science e Ingeniería de Sistemas dentro del sector aeroespacial.
  • Está involucrado en proyectos de investigación en Synergic Partners.
  • Licenciado en Ciencias Físicas por la Universidad Complutense.
  • Máster en Astrofísica por la Universidad Complutense.

Jaume Miralles

  • Responsable de la promoción de la adopción de la tecnología en IBM Watson Data & Artificial Intelligence.
  • Más de 20 años de experiencia en proyectos de servicio de consultoría TI en empresas como PwC.
  • Ingeniero Electrónico por la Universitat Ramón Llull.

Carlos Rodríguez

  • Data Scientist en Telefónica.
  • Máster en Filosofía por UNED.
  • Máster en Inteligencia Artificial por la Universidad Politécnica de Madrid.

Luis Miguel Garay

  • Director de Digitalización en Telefónica.
  • Ha desarrollado su carrera como Gerente en Estrategia de canales de atención y Director de canales online B2S/B2B.
  • Autor de varios libros sobre Modelos de Negocio Digitales y Marketing Mobile.
  • Licenciado en Informática por la Universidad de Deusto.
  • Doctor en Inteligencia Artificial.
  • PDD por el IE.
  • Dedicación60 ECTS
  • InicioMayo 2021
  • Duración12 meses
  • Precio7.200 €
  • MetodologíaOnline
  • Idioma de ImparticiónEspañol