Impulsa tu carrera
 y sigue creciendo profesionalmente

Plazas limitadas

FORMACIÓN GRATUITA

Itinerario DataCraft: Domina la Inteligencia Artificial y el Big Data

Familia profesional

Informática y Comunicaciones

Sector prioritario

Nueva tecnología avanzada de la información

Se ubica principalmente en el sector servicios, en los subsectores productivos dedicados a la comercialización de equipos y servicios informáticos, a la asistencia técnica informática, en redes de telecentros y en todos aquellos sectores productivos que utilicen sistemas informáticos para su gestión.

TODA LA INFORMACIÓN SOBRE EL CURSO:

Itinerario DataCraft: Domina la Inteligencia Artificial y el Big Data

Ocupaciones y puestos de trabajo relevantes

Los  términos  de  la  siguiente  relación  de  ocupaciones  y  puestos  de  trabajo  se  utilizan  con  carácter genérico y omnicomprensivo de mujeres y hombres:

  • Operadores de sistemas (orientados a la máquina).
  • Técnicos de soporte informático.

RESERVAR PLAZA

Qué va a conseguir el alumnado:

  • Certificado de aprovechamiento de haber realizado la formación.

Unidad de competencia:

En esta formación se trabaja:

  • La UC0219_2 ‐ Instalar y configurar el software base en sistemas microinformáticos, de la cualificación profesional IFC300_2 Operación de sistemas informáticos.
  • La UC2493_3 ‐ Entrenar modelos en sistemas de Inteligencia Artificial basados en aprendizaje automático, de la cualificación profesional IFC749_3 Gestión de datos y entrenamiento en sistemas de Inteligencia Artificial basados en aprendizaje automático.

CONTENIDOS FORMATIVOS

Big Data Aplicado

Unidad 1. Modelos de datos (20h.)

  • Descripción. Características generales. Tipos de modelos de datos. Compatibilidades entre modelo de datos.

Unidad 2. Sistemas gestores de datos (20h.)

  • Características.
  • Componentes de un sistema gestor de datos.
  • Funcionamiento de un sistema gestor de datos.
  • Relación entre los sistemas gestores de datos y los modelos de datos.
  • Características de los  sistemas  gestores  de  datos  operacionales  (OLAT). 
  • Características  de  los  sistemas  gestores  de  datos orientados a las tomas de decisiones o análisis de datos (OLAP).
  • Sistemas gestores de datos avanzados.

Unidad 3. Procedimientos de extracción y consulta de información en los sistemas gestores de  datos (20h.)

  • Búsquedas  en  sistemas  gestores. 
  • Optimización  de  la  recuperación.
  • Utilización  de  lenguajes  de  consultas.
  • Ventajas e inconvenientes. Entornos de trabajo.
  • Utilización de herramientas.
  • Ventajas e  inconvenientes.
  • Funcionalidades.
  • Presentación  de la información.
  • Normativa aplicable en materia de protección de datos.
Entrenamiento  de  modelos  en  sistemas  de  Inteligencia  Artificial  basados  en aprendizaje automático

Unidad 1. Introducción a los tipos de aprendizaje automático. (9 h.)

  • Tipos de aprendizaje automático: supervisado, no supervisado, semi‐supervisado, por refuerzo.

Unidad 2. Tipos de problemas de aprendizaje automático. (9 h.)

  • Tipos de problemas: clasificación, regresión, segmentación, detección de objetos.

Unidad 3. Técnicas Paramétricas y no paramétricas . (9 h.)

  • Técnicas  paramétricas:  Basadas  en  distribuciones  de  probabilidad  conocidas:  ‘Gaussian  Mixture Models’ u otras.
  • Técnicas  no  paramétricas:  (árboles  de  decisión:  clásicos,  ‘random  forest’,  ‘gradient  boosting’, ‘extremely  randomized  trees’, Vecinos más próximos  (k‐NN) ‘Kernel density estimation’, ‘Support Vector Machines’ (SVM), K‐Means.

Unidad 4. Técnicas holisticas: redes neuronales. (9 h.)

  • Técnicas Holísticas: redes neuronales: ‘fully connected’, ‘convolutional’, ‘recurrent’, ‘transformers’, ‘autoencoders’, ‘encoder‐decoder’, seq2seq u otras.

Unidad 5. Técnicas de regularización. (8 h.)

  • Técnicas de regularización para evitar el sobreaprendizaje.

Unidad 6. Métricas de evaluación de modelos. (8 h.)

  • Métricas  para  evaluar  la  calidad  de  los  modelos  diseñados  y  entrenados:  MSE,  MAE,  ‘accuracy’, precisión, ‘recall’ o ‘sensitivity’, ‘specificity’, ‘F1‐score’, ratio de falsos positivos y de falsos negativos, área  bajo  la  curva  ROC,  ‘DICE  coeffient’,  ‘Intersection  over  Union’  (IoU),  y  otros  específicos  del problema a abordar.

Unidad 7. Herramientas de Software. (8 h.)

  • Herramientas software con la implementación de las técnicas de aprendizaje automático. 

Evaluación:

  • Cuestionario en línea para evaluar los conocimientos teóricos sobre la gestión y consulta de datos.
  • Cuestionario en línea para evaluar los conocimientos teóricos sobre inteligencia artificial.

Itinerario DataCraft: Domina la Inteligencia Artificial y el Big Data

2024

120 HORAS

Virtual

RESERVAR PLAZA