- Data information
- Knowledge wisdom
- Data Management (I)
- Data Management (II)
- Corporate perfomance management
- Bases de Datos
- Business intelligence
- Datawarehousing
- Big data
- Hadoop Spark
- Ecosistema Hadoop (I)
- Ecosistema Hadoop (II)
- Ecosistema Hadoop (III)
- Ecosistema Spark
- Instalación y configuración de arquitecturas Big Data
- Analytics
- Principales algoritmos (I)
- Principales algoritmos (II)
- Machine Learning y Deep Learning
- Internet Of Things
- Introducción a SQL
- Manipulación de bases de datos
- Tipos de datos
- Normalización
- Creación de tablas en SQL
- Manipulación de tablas
- Consulta de tablas en SQL
- Combinación de tablas en SQL
- Combinaciones de tablas y vistas
- Otros comandos en SQL
- Funciones para strings y funciones numéricas (I)
- Funciones numéricas (II)
- Funciones de fecha y hora
- Otras funciones
- Bucles, condicionales y triggers en SQL
- Introducción al datawarehousing
- Bases de datos en un datawarehouse. Stage
- Bases de datos en un datawarehouse. ODS (I)
- Datos en un datawarehouse. ODS (II)
- Bases de datos en un datawarehouse. DDS
- Concepto de Bases de Datos NoSQL
- Ventajas y desventajas de las Bases de Datos NoSQL
- Características principales de las Bases de Datos NoSQL
- Bases de datos Documentales
- Bases de datos de Columnas
- Bases de datos Clave-Valor
- Base de datos en grafos
- Introducción a MongoDB
- Características y arquitectura de MongoDB
- Modelado de datos en MongoDB
- Consultas y operaciones en MongoDB
- Escalabilidad y rendimiento en MongoDB
- Apache Cassandra
- CouchDB
- Redis
- Amazon DynamoDB
- NeoJS
- Diseño de la estructura de datos
- Configuración del entorno de desarrollo
- Instalación y configuración de MongoDB
- Creación y manipulación de colecciones en MongoDB
- Importación y exportación de datos en MongoDB
- Índices y optimización de consultas en MongoDB
- Agregación de datos en MongoDB
- Transacciones en MongoDB
- Replicación y alta disponibilidad en MongoDB
- Copias de seguridad y recuperación en MongoDB
- Aplicaciones web y móviles
- Big Data y análisis de datos
- Internet de las cosas (IoT)
- Sistemas de recomendación
- Social media y redes sociales
- Introducción a la integración de datos
- Integración con lenguajes de programación (Python, Java, etc.)
- Integración con herramientas de Business Intelligence (BI)
- Integración con sistemas de almacenamiento en la nube
- Conceptos de seguridad en Bases de Datos NoSQL
- Autenticación y autorización en MongoDB
- Encriptación de datos en Bases de Datos NoSQL
- Auditoría y control de acceso en Bases de Datos NoSQL
- Estado del arte de la inteligencia artificial
- Filosofía de la inteligencia artificial
- Futuro de la inteligencia artificial
- Procesos de desarrollo de proyecto con inteligencia artificial
- Los datos, tu mayor activo
- Aprendizaje automático
- Aprendizaje profundo
- Transformers
- Generación de datos sintéticos
- Hiperparámetros en los modelos de inteligencia artificial
- Regresión lineal
- Regresión no lineal y Support Vector Machine (SVM)
- Árboles de decisión y bosques aleatorios
- Lógica difusa y descenso del gradiente
- Sistemas de recomendación
- Preparación del entorno de trabajo. Anaconda, Visual Studio Code y Python
- Dataset de entrada y procesado de datos
- TensorHub, TensorFlow y Keras
- Tratamiento de imágenes
- Generación de modelos de inteligencia artificial
- Introducción
- Regresión lineal, múltiple y logística (I)
- Regresión lineal, múltiple y logística (II)
- Máquina de vectores soporte (SVM)
- Árboles de decisión
- KNN (K-Nearest Neighbors)
- Naive bayes
- Evaluación de modelos supervisados
- Ejercicio de ejemplo
- Ejercicio propuesto
- Introducción a clustering: propósito y métricas
- K-means clustering
- Clústering jerárquico, otras técnicas y ejemplos
- Análisis de componentes principales (PCA)
- Ejercicio de ejemplo PCA
- Redes neuronales artificiales (ANN) (I)
- Redes neuronales artificiales (ANN) (II)
- Redes neuronales artificiales (ANN) (III)
- Ejercicio de ejemplo
- Ejercicio propuesto
- Introducción y repaso de Redes Neuronales Artificiales (ANN)
- Redes Neuronales Convolucionales (CNN): Introducción y casos de uso
- CNN: Intuición
- CNN: Descripción matemática
- CNN: Ejemplo de programación con Python y TensorFlow
- Ejercicio: Visión artificial con CNN
- Repaso de Series Temporales
- Redes Neuronales Recurrentes (RNN): Introducción y casos de uso
- RNN: Intuición
- RNN: Descripción matemática
- RNN: Ejemplo de programación con Python Y TensorFlow
- Ejercicio: Series Temporales con RNN
- Repaso de Sistemas de Recomendación
- Deep Bolztmann Machines (DBM): Introducción y casos de uso [Video]
- DBM: Intuición
- DBM: Descripción matemática
- DBM: Ejemplo de programación con Python y TensorFlow
- Ejercicio: Sistema de Recomendación con DBM
- Detección de anomalías
- Self-Organizing Maps (SOM): Introducción e intuición
- SOM: Descripción matemática
- AutoEncoders (AE): Introducción e intuición
- AE: Descripción matemática
- Ejercicio: Detección de anomalías con SOM y AE
- Introducción
- Elementos clave para la gestión de proyectos de IA
- Características de los proyectos de IA
- Introducción a las principales metodologías ágiles y de ideación
- Integración de las diferentes metodologías
- Introducción
- Fase I: Empatizar
- Fase II: Definir
- Fase III: Idear
- Fase IV: prototipar
- Lean start-up. Conceptos básicos
- Lean Start-up. Herramientas
- Scrum. Introducción
- Scrum. Roles
- Scrum. Ceremonias y artefactos
- Introducción
- Ideando el proyecto
- Ejecutando el proyecto
- Algunos consejos a la hora de implementar las metodologías
- Resumen y conclusiones
- Finanzas y Seguros
- Retail
- Industria
- Agricultura
- Salud
- Logística y operaciones
- Marketing
- Ventas y Atención al cliente
- Finanzas y Control
- People Analytics
- Escenario actual de un sector en auge
- Financiación y fondos
- Startups destacadas
- Futuro del ecosistema
- Inicio de una empresa de IA
- Ética. Notas generales.
- Ejemplos de sesgos.
- Iniciativas globales.
- Organismos públicos y regulación.
- IA en los Objetivos de Desarrollo Sostenible
- Cuarta revolución industrial
- Transformación digital en las empresas
- Fundamentos y puntos clave
- Beneficios
- Tecnologías habilitadoras
- Big Data
- Cloud Computing
- Cibersecurity
- Inteligencia artificial
- Realidad virtual y aumentada
- BIM
- Robots colaborativos
- Fabricación aditiva
- Hiperconectividad
- IoT
- Manufacturing Execution System (MES)
- Integración y eficiencia de procesos
- Casos de uso
- Nuevas metodologías: Agile, Lean Startup o Design Thinking.
- Gestión del cambio en la empresa


