El Máster en Ética e Inteligencia Artificial Aplicada te prepara para enfrentar los desafíos éticos en el auge de la IA, un sector con creciente demanda laboral. La formación abarca desde fundamentos de ética empresarial hasta la relación entre IA y Big Data, explorando tecnologías como machine learning y deep learning. Aprenderás a aplicar técnicas de Business Intelligence y Data Science, cruciales para interpretar grandes volúmenes de datos. Además, el máster aborda la visualización de datos y el uso de herramientas como Python y R, esenciales para el análisis de datos. La comprensión de la ética en la inteligencia artificial te permitirá diseñar sistemas confiables y responsables, con un enfoque en la sostenibilidad y el impacto social. La modalidad online te ofrece flexibilidad para desarrollar competencias clave y destacar en un ámbito innovador y transformador.
El Máster en Ética e Inteligencia Artificial Aplicada está orientado a profesionales y titulados interesados en profundizar en la intersección entre ética, big data, inteligencia artificial y ciencias del comportamiento. Ideal para aquellos que buscan avanzar en la toma de decisiones éticas en entornos tecnológicos complejos, utilizando herramientas como Python, R y técnicas de machine learning.
Objetivos
‘- Desarrollar habilidades para implementar decisiones éticas en entornos corporativos. – Comprender la integración de Big Data en proyectos de inteligencia empresarial. – Analizar datos utilizando Python y R para inferencias avanzadas. – Diseñar visualizaciones de datos efectivas con herramientas como Tableau y Power BI. – Aplicar algoritmos de IA para resolver problemas complejos de manera ética. – Evaluar el impacto ético de la IA en la gobernanza y la sociedad. – Implementar chatbots eficaces utilizando técnicas de Procesamiento de Lenguaje Natural.
Salidas Profesionales
‘- Consultor en ética tecnológica para empresas que implementan IA. – Responsable de cumplimiento ético en proyectos de IA. – Analista de datos éticos en equipos de Business Intelligence. – Desarrollador de políticas de IA responsable en sectores gubernamentales. – Especialista en visualización de datos con enfoque ético. – Experto en ética para la inteligencia artificial en el ámbito legal.
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)
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 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)
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
Bases de datos OLTP y OLAP
Variantes OLAP: MOLAP, ROLAP y HOLAP
Herramientas para el desarrollo de cubos OLAP
Qué es un Data Warehouse: estructura y construcción
Fases de implantación y características de un Data Warehouse
Data Warehouse en la nube
¿Qué es la ciencia de datos?
Herramientas y perfil profesional del científico de datos
Data Science & Cloud Computing
Aspectos legales en protección de datos
Qué es y por qué importa el data storytelling
Elementos clave y metodología para construir un data story
Inteligencia analítica de negocio y análisis de redes sociales
Presentación de resultados
¿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 CARTO?
Carga y uso de datos. Tipos de análisis
Programación de un visor con la librería CARTO.js
Uso de ejemplos y ayudas de la documentación de la API
Introducción a Gplot
El paquete ggplot2
Cambiar títulos de eje
Aumentar el espacio entre ejes y títulos de ejes
Cambiar la estética de los títulos de Axis
Cambiar la estética del texto del eje
Texto del eje de rotación
Eliminar texto de eje y marcas
Eliminar títulos de eje
Límite del rango del eje
Forzar el trazado para que comience en el origen
Ejes con la misma escala
Usar una función para modificar etiquetas
Añade un título
Ajustar la posición de los títulos
Use una fuente no tradicional en su título
Cambiar espaciado en texto de varias líneas
Trabajando con leyendas
Apaga la leyenda
Eliminar títulos de leyenda
Cambiar la posición de la leyenda
Cambiar la dirección de la leyenda
Cambiar el estilo del título de la leyenda
Cambiar título de leyenda
Cambiar el orden de las claves de leyenda
Cambiar etiquetas de leyenda
Cambiar cuadros de fondo en la leyenda
Cambiar el tamaño de los símbolos de leyenda
Dejar una capa fuera de la leyenda
Adición manual de elementos de leyenda
Usar otros estilos de leyenda
Cambiar el color de fondo del panel
Cambiar líneas de cuadrícula
Cambiar el espaciado de las líneas de cuadrícula
Cambiar el color de fondo de la trama
Trabajar con márgenes
Trabajar con gráficos de paneles múltiples
Crear múltiplos pequeños basados en una variable
Permitir que los ejes deambulen libremente
Uso facet_wrapcon dos variables
Modificar el estilo de los textos de la tira
Crear un panel de diferentes parcelas
Trabajar con colores
Especificar colores individuales
Asignar colores a las variables
Variables Cualitativas
Seleccionar manualmente colores cualitativos
Utilice paletas de colores cualitativas integradas
Use paletas de colores cualitativos de paquetes de extensión
Variables Cuantitativas
La paleta de colores Viridis
Usar paletas de colores cuantitativas de paquetes de extensión
Modificar paletas de colores después
Cambiar el estilo de trazado general
Cambiar la fuente de todos los elementos de texto
Cambiar el tamaño de todos los elementos de texto
Cambiar el tamaño de todos los elementos de línea y rectángulo
Crea tu propio tema
Actualizar el tema actual
Agregar líneas horizontales o verticales a un gráfico
Agregar una línea dentro de un gráfico
Agregar líneas curvas y flechas a un gráfico
Agregue etiquetas
Agregar anotaciones de texto
Use Markdown y HTML Rendering para anotaciones
Voltear una parcela
arreglar un eje
Invertir un eje
Transformar un eje
Circularizar una parcela
Alternativas a un diagrama de caja
Crear una representación de alfombra en un gráfico
Crear una matriz de correlación
Crear un gráfico de contorno
Crear un mapa de calor
Crear un diagrama de cresta
Trabajar con cintas (AUC, CI, etc.)
Predeterminado: agregar un suavizado LOESS o GAM
Trabajar con gráficos interactivos
Introducción a la inteligencia artificial
Historia
La importancia de la IA
Tipos de inteligencia artificial
Algoritmos aplicados a la inteligencia artificial
Relación entre inteligencia artificial y big data
IA y Big Data combinados
El papel del Big Data en IA
Tecnologías de IA que se están utilizando con Big Data
Sistemas expertos
Estructura de un sistema experto
Inferencia: Tipos
Fases de construcción de un sistema
Rendimiento y mejoras
Dominios de aplicación
Creación de un sistema experto en C#
Añadir incertidumbre y probabilidades
Futuro de la inteligencia artificial
Impacto de la IA en la industria
El impacto económico y social global de la IA y su futuro
Introducción
Clasificación de algoritmos de aprendizaje automático
Ejemplos de aprendizaje automático
Diferencias entre el aprendizaje automático y el aprendizaje profundo
Tipos de algoritmos de aprendizaje automático
El futuro del aprendizaje automático
Introducción
Algoritmos
Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos
Clasificadores
Algoritmos
Componentes
Aprendizaje
Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación
Aprendizaje profundo
Entorno de Deep Learning con Python
Aprendizaje automático y profundo
Redes neuronales
Redes profundas y redes poco profundas
Perceptrón de una capa y multicapa
Ejemplo de perceptrón
Tipos de redes profundas
Trabajar con TensorFlow y Python
Entrada y salida de datos
Entrenar una red neuronal
Gráficos computacionales
Implementación de una red profunda
El algoritmo de propagación directa
Redes neuronales profundas multicapa
Ética normativa y ética aplicada
Historia y caracteres de la ética de la inteligencia artificial
Ética realista y ética ficción
Inteligencia artificial como objeto y sujeto
Singularidad tecnológica y futuro de la especie humana
Machine ethics. Nuevos entes autónomos y estatus moral
Controversias éticas de la aplicación de la inteligencia artificial
Bioética e inteligencia artificial
Democracia e inteligencia artificial
Gobernanza como sistema de prevención y control de riesgos en la inteligencia artificial
Papel de la UE en la gobernanza de la inteligencia artificial
Evaluaciones de impacto social, ético y legal de inteligencia artificial de alto riesgo
Elaboración de un plan de gobernanza
Principios de la inteligencia artificial responsable
Aspectos de diseño éticos para Machine Learning
Inteligencia artificial explicable (XAI). Hacia la IA responsable
Imparcialidad de Datos (Fairness). Control del sesgo en los modelos
Escenarios con modelos de IA de alto riesgo
Auditabilidad en los sistemas de inteligencia artificial
Sandbox normativo piloto del futuro reglamentario de IA en España
Transparencia en modelos de Machine Learning
Análisis de herramientas software para medir la imparcialidad
Metodología de la ética en la inteligencia artificial
Agentes artificiales morales
Moralidad artificial desde un enfoque funcionalista
Objeciones acerca de agencias morales artificiales
Responsabilidad y Derechos de los robots
Introducción a la filosofía política de la inteligencia artificial
Empleo e inteligencia artificial
Relaciones humanas e inteligencia artificial
Funciones de los Estados e inteligencia artificial
Educación e inteligencia artificial
Salud e inteligencia artificial
Movilidad e inteligencia artificial
Articulación entre ética y política sobre la inteligencia artificial
Globalización e inteligencia artificial
Digitalización al servicio de los Objetivos de Desarrollo Sostenible (ODS)
Estrategia Europea de transición hacia una economía sostenible
Cambio climático global
Mejora de eficiencia en procesos organizativos con IA.
Mejora de eficiencia en prácticas individuales con IA.
Ética ambiental e inteligencia artificial
Armas autónomas
Intervenciones militares teledirigidas
Ética de la guerra
El metaverso
Gemelos digitales humanos
Creación de universos paralelos en 3D
Sistemas autónomos en el ámbito laboral
Inteligencia artificial para la mejora de calidad de vida en ciudades. Mejora del impacto medioambiental
Combinación de smart cities, internet de las cosas y big data
Inteligencia artificial y cuidado personal y sexual
Análisis ético de la incorporación de la robótica en la vida humana
Inteligencia artificial para restaurar funciones físicas y cognitivas deterioradas
Optimizar las capacidades humanas con inteligencia artificial
Debate académico sobre transhumanismo y poshumanismo
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
Internet of Behavior
Ciencia cognitiva
Neuropsicología
Personalización IOB
La visión Artificial
Procesamiento del lenguaje natural
Análisis de comportamiento
Análisis de opinión
Concepto, evolución y aplicaciones de la visión artificial
Componentes y funcionamiento de un sistema de visión artificial
Captura, procesamiento e interpretación de imágenes
Visión 2D, 3D y sistemas multiespectrales
Ventajas, limitaciones y retos de la visión artificial industrial
Integración de la visión artificial en la Industria 4.0
Cámaras y sensores para visión industrial
Ópticas, resolución y campo de visión
Iluminación y condiciones de captura
Sistemas de visión 3D
Selección y configuración del sistema de adquisición
Integración de cámaras y sistemas de visión en entornos industriales
Python y OpenCV para visión artificial
Lectura, visualización y gestión de imágenes y vídeo
Transformaciones geométricas y espacios de color
Filtrado, reducción de ruido y mejora de imágenes
Umbralización y operaciones morfológicas
Segmentación, detección de bordes y extracción de características
Histogramas y análisis de características de imagen
Detección de contornos, formas y objetos
Detección de líneas, círculos y puntos de interés
Reconocimiento y comparación de patrones
Template matching y técnicas de correspondencia
Extracción de información y reconocimiento de texto (OCR)
Inspección y control de calidad
Detección de defectos y anomalías
Medición, posicionamiento y guiado de procesos
Identificación, lectura de códigos y trazabilidad
Visión artificial aplicada a robótica y automatización
Integración de sistemas de visión con procesos industriales
Fundamentos del aprendizaje automático aplicado a imágenes
Clasificación y reconocimiento de imágenes
Extracción y selección de características
Clustering y detección de patrones
Evaluación y validación de modelos
Aplicaciones de machine learning en inspección industrial
Redes neuronales convolucionales aplicadas a visión
Clasificación de imágenes mediante deep learning
Detección y localización de objetos
Segmentación semántica y segmentación de instancias
Modelos preentrenados de visión artificial: ImageNet y transfer learning aplicado a visión
YOLO y otros modelos modernos de detección
Visión clásica frente a deep learning: selección del enfoque adecuado
Diseño de un sistema de visión artificial industrial
Selección de hardware, software y modelos de IA
Desarrollo y prueba de soluciones con Python y OpenCV
Integración con sistemas industriales y edge computing
Evaluación del rendimiento y fiabilidad del sistema
Mantenimiento, monitorización y mejora de modelos
Seguridad, privacidad y uso responsable de la visión artificial
Titulación
Titulación de Máster en Ética e Inteligencia Artificial Aplicada 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 
