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.

QUIERO SOLICITAR INFORMACIÓN

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

QUIERO SOLICITAR INFORMACIÓN