Master en IA, IoT y Big Data para la Transformación Digital
MATRICULACIÓN
Entidad:
Duración total:
1500 h.
Teleformación:
450 h.
Modalidad:
Online
Precio: 1895 €
Bonificable hasta el 100%
SOLICITAR INFORMACIÓN
DESCRIPCIÓN
Las empresas se encuentran en la actualidad inmersas en un proceso de digitalización sin precedentes. La implementación de tecnologías punteras como la inteligencia artificial, el internet de las cosas, o el big data en las empresas, han dejado de ser una utopía para formar parte del que se vislumbra como futuro empresarial a corto plazo.Con el Master en IA, IOT y Big Data para la transformación digital, se conseguirán las competencias profesionales necesarias para abanderar el ascenso de las empresas a lo que se conoce como la industria 4.0. Por ello, en un contexto laboral donde la demanda de profesionales altamente cualificados en la implementación de esta tecnología tiende a ser mayor, podrás anticiparte con la formación online de Euroinnova a un futuro profesional más que prometedor.
OBJETIVOS
- Diseñar y controlar la implementación de un plan de transformación digital acorde a los nuevos modelos de negocio y el cliente digital.
- Familiarizarse con la figura del CTO, CIO, CDO y otras más que surgen de los nuevos ecosistemas digitales.
- Conocer el lenguaje de programación Python, así como herramientas de análisis de datos como MongoDB o Hadoop.
- Plasmar los datos de las empresas de forma interactiva con Power BI y tomar decisiones más acertadas.
- Hacer uso de la inteligencia artificial, machine learning o Deep learning para crear redes neuronales y algoritmos.
- Dirigir a las empresas hacia la industria 4.0 implementando la tecnología IoT, sistemas ciberfísicos o la computación en la nube.
PARA QUÉ TE PREPARA
La evolución de las empresas hacia la industria 4.0 surge de la importancia del análisis de los datos para una toma de decisiones acertada, la aparición de algoritmos que dotan de eficiencia a su actividad, o la mejora en la experiencia de usuario con experiencias más interactivas. La implementación de esta tecnología será posible con profesionales altamente cualificados con el Master en IA, IOT y Big Data para la transformación digital de Euroinnova.
A QUIÉN VA DIRIGIDO
El Master en IA, IOT y Big Data para la Transformación Digital está diseñado para diferentes perfiles profesionales como consecuencia de la polivalencia de esta tecnología. No obstante, los principales destinatarios serán aquellas personas que hayan finalizado sus estudios en ingeniería informática, telecomunicaciones, administración de empresas o económicas.
La metodología INESEM Business School, ha sido diseñada para acercar el aula al alumno dentro de la formación online. De esta forma es tan importante trabajar de forma activa en la plataforma, como necesario el trabajo autónomo de este. El alumno cuenta con una completa acción formativa que incluye además del contenido teórico, objetivos, mapas conceptuales, recuerdas, autoevaluaciones, bibliografía, exámenes, actividades prácticas y recursos en forma de documentos descargables, vídeos, material complementario, normativas, páginas web, etc.
A esta actividad en la plataforma hay que añadir el tiempo asociado a la formación dedicado a horas de estudio. Estos son unos completos libros de acceso ininterrumpido a lo largo de la trayectoria profesional de la persona, no solamente durante la formación. Según nuestra experiencia, gran parte del alumnado prefiere trabajar con ellos de manera alterna con la plataforma, si bien la realización de autoevaluaciones de cada unidad didáctica y evaluación de módulo, solamente se encuentra disponible de forma telemática.
El alumno deberá avanzar a lo largo de las unidades didácticas que constituyen el itinerario formativo, así como realizar las actividades y autoevaluaciones correspondientes. Al final del itinerario encontrará un examen final o exámenes. A fecha fin de la acción formativa el alumno deberá haber visitado al menos el 100 % de los contenidos, haber realizado al menos el 75 % de las actividades de autoevaluación, haber realizado al menos el 75 % de los exámenes propuestos y los tiempos de conexión alcanzados deberán sumar en torno al 75 % de las horas de la teleformación de su acción formativa. Dicho progreso se contabilizará a través de la plataforma virtual y puede ser consultado en cualquier momento.
La titulación será remitida al alumno por correo postal una vez se haya comprobado que ha completado el proceso de aprendizaje satisfactoriamente.
Por último, el alumno contará en todo momento con:
Claustro Docente
Ofrecerá un minucioso seguimiento al alumno, resolviendo sus dudas e incluso planteando material adicional para su aprendizaje profesional.
Comunidad
En la que todos los alumos de INESEM podrán debatir y compartir su conocimiento.
Material Adicional
De libre acceso en el que completar el proceso formativo y ampliar los conocimientos de cada área concreta. Podrá encontrarlo en Revista Digital, INESEM y MasterClass INESEM, puntos de encuentro entre profesionales que comparten sus conocimientos.
SE DESARROLLARÁN LOS SIGUIENTES CONTENIDOS
- Introducción a la transformación digital
- Concepto de innovación
- Concepto de tecnología
- Tipología de la tecnología
- Punto de vista de la ventaja competitiva
- Según su disposición en la empresa
- Desde el punto de vista de un proyecto
- Otros tipos de tecnología
- La innovación tecnológica
- Competencias básicas de la innovación tecnológica
- El proceso de innovación tecnológica
- Herramientas para innovar
- Competitividad e innovación
- Filosofía Web 3.0 y su impacto en el mundo empresarial
- Socialización de la Web
- Adaptación del mundo empresarial a las Nuevas tecnologías
- Community Manager
- Chief Data Officer
- Data Protection Officer
- Data Scientist
- Otros perfiles
- Desarrollo de competencias informáticas
- El Papel del CEO como líder en la transformación
- La transición digital del modelo de negocio tradicional
- Nuevos modelos de negocio
- Freemium
- Modelo Long Tail
- Modelo Nube y SaaS
- Modelo Suscripción
- Dropshipping
- Afiliación
- Infoproductos y E-Learning
- Otros
- Diagnóstico de la madurez digital de la empresa
- Análisis de la innovación en la empresa
- Elaboración del roadmap
- Provisión de financiación y recursos tecnológicos
- Implementación del plan de transformación digital
- Seguimiento del plan de transformación digital
- BBVA y la empresa inteligente
- DKV Salud y #MédicosfrentealCOVID
- El Corte Inglés
- Cepsa y su apuesta por los servicios cloud de AWS
- Rediseñando el customer experience
- La transformación de los canales de distribución: omnicanalidad
- Plan de marketing digital
- Buyer´s Journey
- Growth Hacking: estrategia de crecimiento
- El nuevo rol del marketing en el funnel de conversión
- Oportunidades de innovación derivadas de la globalización
- Como Inventar Mercados a través de la Innovación
- Etapas de desarrollo y ciclos de vida
- Incorporación al mercado
- Metodologías de desarrollo
- La transformación digital de la cadena de valor
- La industria 4.0
- Adaptación de la organización a través del talento y la innovación
- Modelos de proceso de innovación
- Gestión de innovación
- Sistema de innovación
- Como reinventar las empresas innovando en procesos
- Innovación en Procesos a través de las TIC
- El Comercio Electrónico: innovar en los canales de distribución
- Caso de estudio voluntario: La innovación según Steve Jobs
- Caso Helvex: el cambio continuo
- La automatización de las empresas: RPA, RBA y RDA
- ¿Qué es Big Data?
- 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
- Bases de Datos OLAP
- MOLAP, ROLAP & HOLAP
- Herramientas para el desarrollo de cubos OLAP
- Visión General: ¿Por qué DataWarehouse?
- Estructura y Construcción
- Fases de implantación
- Características
- Data Warehouse en la nube
- ¿Qué es el Data Storytelling?
- Elementos clave del Data Storytelling
- ¿Por qué es importante el Data Storytelling?
- ¿Cómo hacer Data Storytelling?
- ¿Qué es la ciencia de datos?
- Herramientas necesarias para el científico de datos
- Data Science & Cloud Computing
- Aspectos legales en Protección de Datos
- ¿Qué es Weka?
- Técnicas de Data Mining en Weka
- Interfaces de Weka
- Selección de atributos
- Introducción a Python
- ¿Qué necesitas?
- Librerías para el análisis de datos en Python
- MongoDB, Hadoop y Python. Dream Team del Big Data
- Introducción a R
- ¿Qué necesitas?
- Tipos de datos
- Estadística Descriptiva y Predictiva con R
- Integración de R en Hadoop
- Obtención y limpieza de los datos (ETL)
- Inferencia estadística
- Modelos de regresión
- Pruebas de hipótesis
- Inteligencia Analítica de negocios
- La teoría de grafos y el 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 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
- ¿Qué es PLN?
- ¿Qué incluye el PLN?
- Ejemplos de uso de PLN
- Futuro del PLN
- PLN en Python con la librería NLTK
- Otras herramientas para PLN
- Principios del análisis sintáctico
- Gramática libre de contexto
- Analizadores sintácticos (Parsers)
- Aspectos introductorios del análisis semántico
- Lenguaje semántico para PLN
- Análisis pragmático
- Aspectos introductorios
- Pasos en la extracción de información
- Ejemplo PLN
- Ejemplo PLN con entrada de texto en inglés
- Aspectos introductorios
- ¿Qué es un chatbot?
- ¿Cómo funciona un chatbot?
- VoiceBots
- Desafios para los Chatbots
- Chatbots y el papel de la Inteligencia Artificial (IA)
- Usos y beneficios de los chatbots
- Diferencia entre bots, chatbots e IA
- Áreas de aplicación de Chatbots
- Desarrollo de un chatbot con ChatterBot y Python
- Desarrollo de un chatbot para Facebook Messenger con Chatfuel
- La visión artificial: definiciones y aspectos principales
- Ópticas
- Iluminación
- Cámaras
- Sistemas 3D
- Sensores
- Equipos compactos
- Metodologías para la selección del hardware
- Algoritmos
- Software
- Segmentación e interpretación de imágenes
- Metodologías para la selección del software
- Aplicaciones clásicas: discriminación, detección de fallos…
- Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
- Descripción general OpenCV
- Instalación OpenCV para Python en Windows
- Instalación OpenCV para Python en Linux
- Anaconda y OpenCV
- Manejo de archivos
- Leer una imagen con OpenCV
- Mostrar imagen con OpenCV
- Guardar una imagen con OpenCV
- Operaciones aritméticas en imágenes usando OpenCV
- Funciones de dibujo
- Redimensión de imágenes
- Erosión de imágenes
- Desenfoque de imágenes
- Bordeado de imágenes
- Escala de grises en imágenes
- Escalado, rotación, desplazamiento y detección de bordes
- Erosión y dilatación de imágenes
- Umbrales simples
- Umbrales adaptativos
- Umbral de Otsu
- Contornos de imágenes
- Incrustación de imágenes
- Intensidad en imágenes
- Registro de imágenes
- Extracción de primer plano
- Operaciones morfológicas en imágenes
- Pirámide de imágen
- Analizar imágenes usando histogramas
- Ecualización de histogramas
- Template matching
- Detección de campos en documentos usando Template matching
- Espacios de color en OpenCV
- Cambio de espacio de color
- Filtrado de color
- Denoising de imágenes en color
- Visualizar una imagen en diferentes espacios de color
- Detección de líneas
- Detección de círculos
- Detectar esquinas (Método Shi-Tomasi)
- Detectar esquinas (método Harris)
- Encontrar círculos y elipses
- Detección de caras y sonrisas
- Vecino más cercano (K-Nearest Neighbour)
- Agrupamiento de K-medias (K-Means Clustering)
- Contexto Internet de las Cosas (IoT)
- ¿Qué es IoT?
- Elementos que componen el ecosistema IoT
- Arquitectura IoT
- Dispositivos y elementos empleados
- Ejemplos de uso
- Retos y líneas de trabajo futuras
- Contexto Sistemas Ciberfísicos (CPS)
- Características CPS
- Componentes CPS
- Ejemplos de uso
- Retos y líneas de trabajo futuras
- Conceptos previos
- Objetivos de la automatización
- Grados de automatización
- Clases de automatización
- Equipos para la automatización industrial
- Diálogo Hombre-máquina, HMI y SCADA
- ¿Qué es la Industria 4.0?
- Sensores y captación de información
- Ciclo de vida de los productos en la Industria 4.0
- Modelos de negocio basados en la industria 4.0
- IoT industrial
- Industria 4.0
- Necesidades en ciberseguridad en la Industria 4.0
- Ciberseguridad en Sistemas de Control Industrial (IC)
- Amenazas y riesgos en los entornos IC
- Mecanismo de defensa frente a ataques en entornos IC
- Introducción
- Filosofía BIM
- Sector AEC
- Exigencias del mercado
- Del BIM al CIM
- Software BIM
- El concepto de Smart Building
- El crecimiento del Smart Building desde su inicio
- El mercado del Smart Building en España
- Climatización
- Iluminación
- Seguridad
- Telecomunicaciones
- Eficiencia energética
- Monitorización
- ¿Qué es un sistema embebido?
- Hardware
- Software
- Funcionamiento de los sistemas embebidos
- Ciclo de vida de desarrollo de software
- Sensores para IoT
- Sensores de temperatura
- Sensor de proximidad
- Sensor de presión
- Sensor de calidad del agua
- Sensor de calidad del agua
- Sensor de gas
- Sensor de humo
- Sensores IR(infrarojos)
- Sensores de nivel
- Sensores de imagen
- Sensores de detección de movimiento
- Sensores de acelerómetro
- Sensores de giroscopio
- Sensores de humedad
- Sensores ópticos
- Arquitectura IoT
- Capas de la arquitectura IoT
- Tipos de redes IoT
- Seguridad en redes IoT
- Tecnología inalámbrica para IoT
- 2G/3G/4G/5G Móvil
- 802.15.4
- 6LoWPAN Direcciones Nodos
- Bluetooth
- LoRaWan
- LTE Cat 0/1
- NB-IoT
- SIGFOX
- Weightless
- Wi-Fi
- WirelessHART
- Zigbee
- Z-Wave
- Diseño lógico de IoT
- Bloques funcionales de IoT
- Modelos de comunicación de IoT y relación
- Modelos de comunicación de IoT y arquitectura
- API de comunicación de IoT
- Aplicación de IoT
- Agricultura inteligente
- Vehículos inteligentes
- Hogar inteligente
- Control inteligente de la contaminación
- Smart Healthcare
- Ciudades Inteligentes
- Smart Retail
- Business Analytics
- Wearables
- Automatización industrial
- Ejemplo de aplicación
- Principales aplicaciones de IoT
- Introducción al IoB
- Beneficios de IoB
- Internet de las cosas (IoT)
- Deep Learning
- Machine Learning
- IA
- Big Data
- Selección de datos de IoB
- Orígenes de Internet
- Productos de IoB en uso o en desarrollo
- Potenciales beneficios de IoB
- Problemas de IoB
- El futuro del IoB
- Recopilación de datos y análisis del comportamiento
- Uso de IoB en varios sectores
- IoB para satisfacer las necesidades de los clientes
- Estrategias de IoB
- Atributos de calidad relacionados con IoB
- Pasos de trabajo con IoB
- Aplicaciones de IoB
- Funcionalidades de los sensores IoB
- Red de sensores inalámbricos
- RFID
- Códigos QR
- Tarjetas
- Ética de la sociedad de información
- Políticas de ética corporativa
- Estudios de caso
- Influencia en el comportamiento del consumidor
- Riesgos morales de la nueva tecnología
- Legislación acerca del IoB
- Protección de datos
- RGPD
- Responsabilidad de tratamiento de datos personales
- Reglas de privacidad de datos
- CNIL
- Consentimiento y control del usuario
Titulación de Formación Continua Bonificada expedida por el Instituto Europeo de Estudios Empresariales (INESEM). Titulación Expedida y Avalada por el Instituto Europeo de Estudios Empresariales. "Enseñanza No Oficial y No Conducente a la Obtención de un Título con Carácter Oficial o Certificado de Profesionalidad."
Este curso bonificado pertenece al sistema de Formación Programada de INESEM Business School. Se tramita con cargo a un crédito formativo asignado a las empresas privadas españolas para la formación de sus trabajadores sin que les suponga un coste. Para tramitar este curso de formación programada es necesario:
- Estar trabajando para una empresa privada.
- Encontrarse cotizando en el Régimen General de la Seguridad Social
- Que el curso seleccionado esté relacionado con el puesto de trabajo o actividad principal de la empresa.
- Que la empresa autorice la formación programada
- Que la empresa disponga de suficiente crédito formativo para cubrir el coste del curso
Master en IA, IoT y Big Data para la Transformación Digital
Duración total:
1500 h.
Teleformación:
450 h.
Modalidad:
Online
Precio: 1895 €
Bonificable hasta el 100%
MATRICULACIÓN
MATRÍCULA ONLINE
Master en IA, IoT y Big Data para la Transformación Digital
