Objetivos. Qué vas a aprender
Aplicar en empresas conocimientos acerca de la Inteligencia Artificial, sus ramas y usos, especialmente en Big Data, Deep Learning y algoritmos relacionados.
Contenidos
- Definición e historia de la Inteligencia Artificial.
- Principales ramas y algoritmos de la IA.
- Machine Learning y Deep Learning: conceptos y usos.
- Big Data como impulsor de la IA.
- Modelos supervisados y no supervisados.
- Aprendizaje por refuerzo y modelos profundos.
- Casos prácticos con herramientas como Weka u Orange.
Requisitos de acceso
Según la normativa este curso no cuenta con plazas para la Administración Pública.
Cumplir como mínimo alguno de los siguientes requisitos:
- Título de Bachiller o equivalente.
- Título de técnico superior (FP Grado Superior) o equivalente.
- Haber superado la prueba de acceso a Ciclos Formativos de Grado Superior.
- Haber superado cualquier prueba oficial de acceso a la universidad
- Certificado de Profesionalidad de nivel 3.
- Título de Grado o equivalente.
- Título de Postgrado (Máster) o equivalente.
Titulación: Fichero maestro
Los ficheros maestros son diplomas otorgados por la Junta de Comunidades de Castilla-La Mancha, el cual acredita que la persona esta altamente cualificada para poder desarrollar dicha actividad en el ámbito laboral.
DATOS GENERALES DE LA ESPECIALIDAD FORMATIVA
Familia Profesional: INFORMÁTICA Y COMUNICACIONES
Área Profesional: SISTEMAS Y TELEMÁTICA
Denominación: INTELIGENCIA ARTIFICIAL APLICADA A LA EMPRESA
Código: IFCT0019
OBJETIVO GENERAL
Aplicar en empresas conocimientos acerca de la inteligencia artificial, sus diversas ramas y más específicamente aquellas relacionadas con Big Data, Deep Learning y los algoritmos relacionados con estas nuevas tecnologías.
CONTENIDOS FORMATIVOS
1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL1.1. Definición e historia de la inteligencia artificial.
1.2. Identificación de las ramas de la IA y sus algoritmos.
1.3. Uso del Machine/Deep Learning.
1.4. Conocimiento acerca del Big data como el cambio en la IA.
2. APLICACIÓN DEL ALGORITMO DE INTELIGENCIA ARTIFICIAL
2.1. Uso en el Machine Learning: modelos supervisados.
2.2. Uso en el Machine learning: modelos no supervisados.
2.3. Aprendizaje por refuerzo 2.4 Modelos profundos (Deep learning).
2.4. Asimilación de ejemplos con Weka/Orange.

