Impulsa tu carrera
y sigue creciendo profesionalmente
Plazas limitadas
FORMACIÓN GRATUITA
Itinerario Especialización en entrenamiento de sistemas y modelización de algoritmos
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 Especialización en entrenamiento de sistemas y modelización de algoritmos
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.
- Integradores de sistemas de información.
- Técnicos en proceso y analítica de datos.
- Técnicos en desarrollo de aplicaciones basadas en aprendizaje automático.
- Técnicos en sistemas de aprendizaje automático.
Cualificación profesional:
- IFC300_2 Operación de sistemas informáticos.
- IFC749_3 Gestión de datos y entrenamiento en sistemas de Inteligencia Artificial basados en aprendizaje automático.
- IFC750_3 Gestión de la instalación, despliegue y explotación de sistemas de Inteligencia Artificial basados en aprendizaje automático.
Unidad de competencia:
- UC0219_2: Instalar y configurar el software base en sistemas microinformáticos.
- UC2493_3 ‐ Entrenar modelos en sistemas de Inteligencia Artificial basados en aprendizaje automático.
- UC2497_3 ‐ Desarrollar componentes software específicos para sistemas de Inteligencia Artificial basados en aprendizaje automático.
CONTENIDOS FORMATIVOS
Contenidos vinculados al módulo formativo MF0219_2: Instalación y configuración de sistemas operativos
1 Modelos de datos (20h.)
- Descripción. Características generales. Tipos de modelos de datos. Compatibilidades entre modelo de datos.
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.
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.
MF2493_3 Entrenamiento de modelos en sistemas de Inteligencia Artificial basados en aprendizaje automático
- Técnicas de entrenamiento en el aprendizaje automático.
- Tipos de aprendizaje automático: supervisado, no supervisado, semi‐supervisado, por refuerzo.
- Tipos de problemas: clasificación, regresión, segmentación, detección de objetos.
- 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.
- Técnicas Holísticas: redes neuronales: ‘fully connected’, ‘convolutional’, ‘recurrent’, ‘transformers’, ‘autoencoders’, ‘encoder‐decoder’, seq2seq u otras.
- Técnicas de regularización para evitar el sobreaprendizaje.
- 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. Herramientas software con la implementación de las técnicas de aprendizaje automático.
Contenidos vinculados con el módulo formativo MF2497_3
Desarrollo de componentes software específicos para sistemas de Inteligencia Artificial basados en aprendizaje automático
1 – Modelización de algoritmos de carácter general y específicos de Inteligencia Artificial
- Técnicas de abstracción de problemas reales para su traslado a la elaboración de algoritmos.
- Interpretación de gráficos y la documentación de análisis y diseño para la elaboración de algoritmos.
- Técnicas de modularización. ‘Top‐down’ y ‘bottom‐up’.
- Herramientas de abstracción lógica para modelizar. Algoritmos y técnicas. Gestión y ordenación de archivos, búsqueda ordenada y secuencial, divide y vencerás, programación dinámica, algoritmos voraces, recursividad, búsquedas con retroceso, ramificación y poda, programación lineal y reducciones, algoritmos recursivos y otros.
- Técnicas de representación de algoritmos: pseudocódigo y diagramas de flujo.
2 – Resolución de problemas generales y específicos de Inteligencia Artificial aplicando Programación Orientada a Objetos
- Clases. Tipología. Clase base, clase derivada, clase abstracta.
- Relaciones entre clases. Herencia. Visibilidad. Multiplicidad.
- Atributos y operaciones.
- Sobrecarga. Polimorfismo.
- Interfaces. Implementación y aplicación.
- Constructores.
- Tipos de datos básicos o elementales. Numéricos, alfanuméricos y lógicos (‘boolean’).
- Tipos y estructuras de datos complejos. Cadenas, vectores, tablas multidimensionales, árboles, grafos, conjuntos, pilas, colas, tablas hash y colecciones.
- Paso de mensajes.
- Sentencias de la programación estructurada: asignaciones, condiciones, bucles e iteraciones.
3 – Mecanismos de control, gestión en integración en Programación Orientada a Objetos aplicada a la Inteligencia Artificial
- Control de errores.
- Herramientas de desarrollo y depuración.
- Componentes de terceros. Complementos y librerías.
- Librerías y mecanismos de acceso y manipulación de datos estructurados y no estructurados externos.
- Procedimientos a seguir para elaborar un plan de pruebas. Tipos de prueba.
- Empaquetado de código en librerías. Refactorización.
4 – Interpretación de diagramas de modelización de problemas
- Estándares. ‘Unified Modelling Language’ (UML).
- Interpretación de diagramas que representan el sistema de manera estática. Diagramas de
- Estructura Estática. Diagramas de Clases.
- Interpretación de diagramas de interacción. Interpretación de diagramas de Casos de Uso.
- Interpretación de diagramas que representan la interacción organizada. Diagramas de Casos de
- Colaboración.
- Interpretación de diagramas de Modelado Dinámico. Diagramas de Actividades. Diagramas de
- Secuencia, Diagramas de Colaboración, Diagramas de Estados, Diagramas de Casos de Uso, Diagramas de Actividades.
Evaluación:
- Cuestionario en línea para evaluar los conocimientos teóricos sobre la gestión y consulta de datos.
Itinerario Especialización en entrenamiento de sistemas y modelización de algoritmos
2024
180 HORAS
Virtual