El Máster en Sistemas Inteligentes y Modelado del Conocimiento se presenta como una oportunidad única para adentrarte en el dinámico mundo de la inteligencia artificial y la gestión del conocimiento. En un contexto donde la información y los datos se han convertido en el oro del siglo XXI, la demanda de profesionales capacitados en big data, machine learning y ciberseguridad está en auge. Este máster te proporciona las habilidades necesarias para dominar tecnologías emergentes como el Internet de las Cosas, la inteligencia de negocio y la ciencia de datos, empleando herramientas avanzadas como Python, R y sistemas de bases de datos NoSQL. Además, te prepara para afrontar los desafíos actuales en la seguridad de la información y la implementación de sistemas inteligentes en diversas industrias. Con una metodología totalmente online, podrás adquirir conocimientos clave desde cualquier lugar, permitiéndote compaginar tus estudios con otras responsabilidades. Al finalizar, estarás listo para liderar proyectos de innovación tecnológica, aportando soluciones efectivas y estratégicas en un mercado laboral en constante evolución.
El Máster en Sistemas Inteligentes y Modelado del Conocimiento está diseñado para profesionales y titulados en áreas relacionadas con la gestión del conocimiento, tecnologías de la información, big data e inteligencia artificial. Este programa avanzado es ideal para quienes buscan profundizar en tecnologías como machine learning, ciberseguridad y herramientas de visualización de datos, enriqueciendo su perfil profesional.
Objetivos
‘- Desarrollar estrategias para detectar y organizar el conocimiento en organizaciones. – Evaluar herramientas 2.0 para optimizar la gestión del conocimiento. – Aplicar técnicas de Business Intelligence en proyectos de Big Data. – Implementar bases de datos NoSQL para almacenamiento escalable. – Utilizar Python y R para el análisis y procesamiento de datos. – Desarrollar sistemas de recomendación usando Machine Learning. – Diseñar chatbots integrando técnicas de PLN e inteligencia artificial.
Salidas Profesionales
‘- Analista de datos en sectores tecnológicos – Especialista en inteligencia artificial para empresas – Consultor de big data y business intelligence – Desarrollador de sistemas de aprendizaje automático – Experto en ciberseguridad aplicada al IoT e Industria 4.0 – Diseñador de chatbots y sistemas de procesamiento de lenguaje natural – Gestor de conocimiento organizacional y estratégico
Necesidad de protección del conocimiento en el seno de la empresa
Ideas protegibles
El deber de secreto de los empleados
El deber de secreto con terceros en el ámbito de la empresa
Cloud computing: base de datos sensibles
Protección de datos en la empresa
Contextualización
Tipología de modelos
Principales modelos de gestión del conocimiento
¿Qué hace falta para poder aplicar la gestión del conocimiento?
Pasos a seguir para una adecuada implementación
Sistemas de Gestión de Seguridad de la Información (SGSI)
Seguridad aplicada a las TI y a la documentación
Planificación y gestión de la Recuperación de Desastres
Contextualización
Herramientas de búsqueda y clasificación de información
Aplicación del Business Intelligence
Herramientas para transformación de información en conocimiento
Herramientas de simulación
Contextualización
Evolución teórica de las TICs
Evolución técnica
Contextualización
Fases del proceso de un CRM
Beneficios y ventajas
Implementación
¿Está preparada tu empresa?
Errores más frecuentes
CRM para solucionar problemas de la empresa
¿Por qué es importante?
Consejos para realizar escucha activa
Ventajas de la escucha activa
Herramientas de monitorización
Acceso al conocimiento organizacional
Intranet y portal de conocimiento corporativo
Directorio de expertos y páginas amarillas
Repositorios digitales
Wiki
Mapas de conocimiento
Conceptualización de la transferencia tecnológica
Mecanismo de transferencia tecnológica
PARTICULARIDADES DE LA LICENCIA
Especificaciones del contrato Know-How
Nuevas tendencias en transferencia tecnológica: Spin-Off y Joint Ventures
Ejemplos reales de transferencia tecnológica
¿Qué es Big Data?
La era de las grandes cantidades de información. Historia del big data
La importancia de almacenar y extraer información
Big Data enfocado a los negocios
Open Data
Información pública
IoT (Internet of Things-Internet de las cosas)
Definición y relevancia de la selección de las fuentes de datos
Naturaleza de las fuentes de datos Big Data
Definición, Beneficios y Características
Ejemplo de uso de Open Data
Diagnóstico inicial
Diseño del proyecto
Proceso de implementación
Monitorización y control del proyecto
Responsable y recursos disponibles
Calendarización
Alcance y valoración económica del proyecto
Definiendo el concepto de Business Intelligence y sociedad de la información
Arquitectura de una solución de Business Intelligence
Business Intelligence en los departamentos de la empresa
Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
Sistemas operacionales y Procesos ETL en un sistema de BI
Ventajas y Factores de Riesgos del Business Intelligence
Cuadros de Mando Integrales (CMI)
Sistemas de Soporte a la Decisión (DSS)
Sistemas de Información Ejecutiva (EIS)
Apoyo del Big Data en el proceso de toma de decisiones
Toma de decisiones operativas
Marketing estratégico y Big Data
Nuevas tendencias en management
Concepto de web semántica
Linked Data Vs Big Data
Lenguaje de consulta SPARQL
Contexto Internet de las Cosas (IoT)
¿Qué es IoT?
Elementos que componen el ecosistema IoT
Arquitectura IoT
Dispositivos y elementos empleados
Ejemplos de uso
Retos y líneas de trabajo futuras
¿Qué es una base de datos NoSQL?
Bases de datos Relaciones Vs Bases de datos NoSQL
Tipo de Bases de datos NoSQL. Teorema de CAP
Sistemas de Bases de datos NoSQL
¿Qué es MongoDB?
Funcionamiento y uso de MongoDB
Primeros pasos con MongoDB. Instalación y shell de comandos
Creando nuestra primera Base de Datos NoSQL.Modelo e Inserción de Datos
Actualización de datos en MongoDB. Sentencias set y update
Trabajando con índices en MongoDB para optimización de datos
Consulta de datos en MongoDB
¿Qué es Hadoop? Relación con Big Data
Instalación y configuración de insfraestructura y ecosistema Hadoop
Sistema de archivos HDFS
MapReduce con Hadoop
Apache Hive
Apache Hue
Apache Spark
¿Qué es Weka?
Técnicas de Data Mining en Weka
Interfaces de Weka
Selección de atributos
Una aproximación a Pentaho
Soluciones que ofrece Pentaho
MongoDB & Pentaho
Hadoop & Pentaho
Weka & Pentaho
Introducción a la minería de datos y el aprendizaje automático
Proceso KDD
Modelos y Técnicas de Data Mining
Áreas de aplicación
Minería de textos y Web Mining
Data mining y marketing
Aproximación al concepto de DataMart
Procesos de extracción, transformación y carga de datos (ETL)
Data Warehou
Herramientas de Explotación
Herramientas para el desarrollo de cubos OLAP
Visión General. ¿Por qué DataWarehouse?
Estructura y Construcción
Fases de implantación
Características
Data Warehouse en la nube
Tipos de herramientas para BI
Productos comerciales para BI
Productos Open Source para BI
Beneficios de las herramientas de BI
¿Qué es la visualización de datos?
Importancia y herramientas de la visualización de datos
Visualización de datos: Principios básicos
¿Qué es Tableau? Usos y aplicaciones
Tableau Server: Arquitectura y Componentes
Instalación Tableau
Espacio de trabajo y navegación
Conexiones de datos en Tableau
Tipos de filtros en Tableau
Ordenación de datos, grupos, jerarquías y conjuntos
Tablas y gráficos en Tableau
Fundamentos D3
Instalación D3
Funcionamiento D3
SVG
Tipos de datos en D3
Diagrama de barras con D3
Diagrama de dispersión con D3
Visualización de datos
Tipologías de gráficos
Fuentes de datos
Creación de informes
Instalación y arquitectura
Carga de datos
Informes
Transformación y modelo de datos
Análisis de datos
Introducción a Power BI
Instalación de Power BI
Modelado de datos
Visualización de datos
Dashboards
Uso compartido de datos
CartoDB
¿Qué es la ciencia de datos?
Herramientas necesarias para el científico de datos
Data Science & Cloud Compunting
Aspectos legales en Protección de Datos
Introducción
El modelo relacional
Lenguaje de consulta SQL
MySQL. Una base de datos relacional
Introducción a Python
¿Qué necesitas?
Librerías para el análisis de datos en Python
MongoDB, Hadoop y Python. Dream Team del Big Data
Introducción a R
¿Qué necesitas?
Tipos de datos
Estadística Descriptiva y Predictiva con R
Integración de R en Hadoop
Obtención y limpieza de los datos (ETL)
Inferencia estadística
Modelos de regresión
Pruebas de hipótesis
Inteligencia Analítica de negocios
La teoría de grafos y el análisis de redes sociales
Presentación de resultados
Concepto, evolución y aplicaciones de la inteligencia artificial
Principales enfoques de la IA: simbólica, conexionista y basada en datos
Sistemas expertos y evolución hacia la IA moderna
Tipos y capacidades de los sistemas de inteligencia artificial
IA generativa y nuevos paradigmas de inteligencia artificial
Aplicaciones, oportunidades y limitaciones de la IA
Fundamentos del machine learning
Aprendizaje supervisado, no supervisado y por refuerzo
Datos de entrenamiento, validación y prueba
Preparación y transformación de datos
Selección y construcción de variables (features)
Algoritmos de aprendizaje automático y criterios de selección
Regresión y predicción
Clasificación y principales algoritmos
Árboles de decisión y métodos ensemble
Máquinas de vectores soporte (SVM)
Clustering: K-means, jerárquico y DBSCAN
Reducción de dimensionalidad: PCA y t-SNE
Detección de anomalías
Fundamentos del aprendizaje por refuerzo: agente, entorno, recompensa y política
Métodos de aprendizaje por refuerzo: de Q-learning a los métodos basados en política
Exploración frente a explotación y principales retos del aprendizaje por refuerzo
Aplicaciones del aprendizaje por refuerzo: juegos, robótica y sistemas de recomendación
Entrenamiento y evaluación de modelos
Métricas de evaluación y selección según el problema
Validación cruzada y partición de los datos
Sobreajuste, infraajuste y regularización
Optimización e hiperparámetros
Interpretación y comparación de modelos
Fundamentos de las redes neuronales artificiales
Perceptrón y redes neuronales multicapa
Funciones de activación y arquitectura de una red
Entrenamiento, descenso de gradiente y retropropagación
Sobreajuste y técnicas de regularización en redes profundas
Fundamentos y aplicaciones del deep learning
Redes neuronales convolucionales (CNN)
Redes recurrentes y modelos para datos secuenciales (RNN y LSTM)
Transformers frente a las arquitecturas secuenciales anteriores
Arquitecturas generativas: autoencoders y redes generativas antagónicas (GAN)
Aplicaciones del deep learning en visión artificial
Aplicaciones del deep learning en procesamiento del lenguaje natural
Transferencia de aprendizaje y modelos preentrenados
Sistemas de recomendación y soporte a la decisión
Casos de uso de IA en diferentes sectores
Sesgos, explicabilidad y transparencia
Privacidad, seguridad, ética y gobernanza de la IA
Impacto económico y social de la inteligencia artificial
Concepto, evolución y aplicaciones del PLN
Principales tareas del procesamiento del lenguaje
Del PLN basado en reglas a los modelos basados en aprendizaje automático
Representación del lenguaje: tokens, vectores y embeddings
PLN multilingüe y retos del lenguaje natural
Aplicaciones actuales del PLN
Concepto y evolución de los modelos de lenguaje
De las redes neuronales recurrentes a los Transformers en el procesamiento del lenguaje
Modelos preentrenados y modelos fundacionales de PLN: BERT, GPT y otras familias
Grandes modelos de lenguaje (LLM) aplicados al procesamiento del lenguaje
Adaptación de modelos de lenguaje a tareas específicas de PLN: fine-tuning y transfer learning
Criterios de selección de un modelo de lenguaje según la tarea de PLN
Procesamiento y preparación de textos
Clasificación y análisis de textos
Extracción de información y reconocimiento de entidades
Análisis de sentimientos y opiniones
Generación, resumen y traducción automática
Búsqueda semántica y recuperación de información
Evolución de los sistemas conversacionales
Concepto y arquitectura de un chatbot
Chatbots basados en reglas, intención y modelos de lenguaje
LLM como motor de sistemas conversacionales
Contexto, memoria y gestión del diálogo
Voicebots y asistentes conversacionales
Limitaciones y retos de los sistemas conversacionales
Diseño de experiencias conversacionales
Definición de objetivos, usuarios y casos de uso
Prompting y diseño de instrucciones
Integración de modelos de lenguaje mediante API
Embeddings y bases de datos vectoriales
RAG (Retrieval-Augmented Generation)
Evaluación y mejora de sistemas conversacionales
Frameworks de desarrollo: Rasa, Microsoft Bot Framework y Dialogflow
Orquestación de aplicaciones con LLM: LangChain y LlamaIndex
Plataformas no-code y low-code para chatbots
Despliegue e integración en canales: web, WhatsApp y redes sociales
Pruebas, monitorización y mantenimiento de un chatbot en producción
Concepto y evolución de los agentes de IA
Agentes basados en modelos de lenguaje
Uso de herramientas y conexión con sistemas externos
Memoria, planificación y ejecución de tareas
Sistemas multimodales: texto, voz, imagen y vídeo
Aplicaciones empresariales de agentes y asistentes de IA
Matriz de riesgo por caso de uso: dónde la seguridad y la ética del PLN son críticas
Alucinaciones y limitaciones de los modelos de lenguaje
Sesgos, privacidad y protección de datos
Seguridad de los sistemas conversacionales
Evaluación, supervisión y control de sistemas de IA
Diseño responsable de experiencias conversacionales
Tendencias y evolución de la IA conversacional
Concepto de seguridad TIC
Tipos de seguridad TIC
Aplicaciones seguras en Cloud
Plataformas de administración de la movilidad empresarial (EMM)
Redes WiFi seguras
Caso de uso: Seguridad TIC en un sistema de gestión documental
Buenas prácticas de seguridad móvil
Protección de ataques en entornos de red móv
Inteligencia Artificial
Tipos de inteligencia artificial
Impacto de la Inteligencia Artificial en la ciberseguridad
Contexto Internet de las Cosas (IoT)
¿Qué es IoT?
Elementos que componen el ecosistema IoT
Arquitectura IoT
Dispositivos y elementos empleados
Ejemplos de uso
Retos y líneas de trabajo futuras
Vulnerabilidades de IoT
Necesidades de seguridad específicas de IoT
Industria 4.0
Necesidades en ciberseguridad en la Industria 4.0
Titulación
Titulación de Máster en Sistemas Inteligentes y Modelado del Conocimiento con 1500 horas expedida por EDUCA BUSINESS SCHOOL como Escuela de Negocios Acreditada para la Impartición de Formación Superior de Postgrado, con Validez Profesional a Nivel Internacional
Ir al contenido 
