Titulación Universitaria + 60 Créditos ECTS

Máster en Inteligencia Artificial. Gestión e Implantación de Modelos + 60 Créditos ECTS

Máster en Inteligencia Artificial. Gestión e Implantación de Modelos + 60 Créditos ECTS

¿Quieres liderar la integración estratégica de la Inteligencia Artificial en tu organización y optimizar procesos y estrategias empresariales? Fórmate en IA, gestión e implantación de modelos de principio a fin.

  • 100% Online
  • 1500
  • Conv. abierta
  • Becas
  • Titulación Universitaria
  • Modalidad 100% online, a tu ritmo
  • 60 Créditos ECTS
  • Sin permanencia · Te contestamos en menos de 24 h
Máster en Inteligencia Artificial. Gestión e Implantación de Modelos + 60 Créditos ECTS

Un máster con datos verificables del programa

  • 60 Créditos ECTS
  • Facultad de Transformación Digital
  • Prácticas en centros reales
  • Título propio STRUCTURALIA

¿Qué conseguirás al terminar este máster?

Visión estratégica IA

Comprende tipos de IA, sus límites y cómo liderar iniciativas con potencial estratégico y limitaciones claras.

Modelos y algoritmos

Diseña e implementa proyectos con Machine Learning y Deep Learning para decisiones estratégicas informadas.

Datos y preparación

Prepara datos de autoservicio con herramientas como Excel, Talend y Dataprep by Trifacta, asegurando calidad y gobernanza.

Implantación y evaluación

Gestiona proyectos de IA hasta puesta en producción y evalúa el rendimiento para maximizar impacto y ROI.

Temario del programa

9 módulos que cubren desde los fundamentos de la Inteligencia Artificial y sus tipos hasta la gestión e implantación de modelos con Machine Learning, Deep Learning, data mining y preparación de datos. Haz clic en cada módulo para ver el contenido completo.

01

Módulo 1. Inteligencia Artificial

Unidad Didáctica 1. Introducción a la Inteligencia Artificial

  • 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

Unidad Didáctica 2. Tipos de Inteligencia Artificial

  • Aprendizaje automático
  • Aprendizaje profundo
  • Transformers
  • Generación de datos sintéticos
  • Hiperparámetros en los modelos de inteligencia artificial

Unidad Didáctica 3. Introducción a los Algoritmos de Aprendizaje Automático

  • 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

Unidad Didáctica 4. Proyecto Llave en Mano con Inteligencia Artificial

  • 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
02

Módulo 2. Preparación de Datos de Autoservicio. Excel, Talend y Trifacta

Unidad Didáctica 1. Preparación de Datos

  • Introducción
  • Alfabetización de los datos
  • Trabajar con datos
  • Soluciones y técnicas para tratamiento de datos
  • Gestión de la calidad de datos

Unidad Didáctica 2. Preparación de Datos con Excel

  • Trabajar con datos en Excel
  • Conjunto de datos (DATASET)
  • Data Cleasing con Excel
  • Data Wrangling con Excel
  • Data Blending en Excel

Unidad Didáctica 3. Preparación de Datos con Talend

  • Instalación Talend Data Preparation Desktop
  • Trabajar con datos en Talend
  • Data Cleasing con Talend
  • Data Wrangling con Talend
  • Data Blending con Talend

Unidad Didáctica 4. Preparación de Datos con Dataprep By Trifacta

  • Registro en dataprep by Trifacta
  • Trabajar con datos con Dataprep by Trifacta
  • Data Cleasing con Trifacta
  • Data Wrangling con Dataprep by Trifacta
  • Data Blending con Dataprep by Trifacta
03

Módulo 3. Data Mining, Machine Learning y Deep Learning (big Data)

Unidad Didáctica 1. Aprendizaje Supervisado (i)

  • Introducción
  • Regresión lineal, múltiple y logística (I)
  • Regresión lineal, múltiple y logística (II)
  • Máquina de vectores soporte (SVM)
  • Árboles de decisión

Unidad Didáctica 2. Aprendizaje Supervisado (ii)

  • KNN (K-Nearest Neighbors)
  • Naive bayes
  • Evaluación de modelos supervisados
  • Ejercicio de ejemplo
  • Ejercicio propuesto

Unidad Didáctica 3. Aprendizaje No Supervisado

  • Introducción a clustering: propósito y métricas
  • K-means clustering
  • Clústering jerárquico, otras técnicas y ejemplos
  • Análisis de componentes principales (PCA)
  • Ejercicio de ejemplo PCA

Unidad Didáctica 4. Deep Learning

  • Redes neuronales artificiales (ANN) (I)
  • Redes neuronales artificiales (ANN) (II)
  • Redes neuronales artificiales (ANN) (III)
  • Ejercicio de ejemplo
  • Ejercicio propuesto
04

Módulo 4. Deep Learning Avanzado

Unidad Didáctica 1. Introducción Al Machine Learning

  • 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

Unidad Didáctica 2. Extracción de Estructura de los Datos: Clustering

  • Introducción
  • Algoritmos

Unidad Didáctica 3. Sistemas de Recomendación

  • Introducción
  • Filtrado colaborativo
  • Clusterización
  • Sistemas de recomendación híbridos

Unidad Didáctica 4. Clasificación

  • Clasificadores
  • Algoritmos

Unidad Didáctica 5. Redes Neuronales y Deep Learning

  • Componentes
  • Aprendizaje

Unidad Didáctica 6. Sistemas de Elección

  • Introducción
  • El proceso de paso de DSS a IDSS
  • Casos de aplicación

Unidad Didáctica 7. Deep Learning con Python, Keras y Tensorflow

  • Aprendizaje profundo
  • Entorno de Deep Learning con Python
  • Aprendizaje automático y profundo

Unidad Didáctica 8. Sistemas Neuronales

  • Redes neuronales
  • Redes profundas y redes poco profundas

Unidad Didáctica 9. Redes de una Sola Capa

  • Perceptrón de una capa y multicapa
  • Ejemplo de perceptrón

Unidad Didáctica 10. Redes Multicapa

  • Tipos de redes profundas

Unidad Didáctica 11. Estrategias de Aprendizaje

  • 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
05

Módulo 5. Power Bi. Herramienta de Visualización de Datos para la Toma de Decisiones

Unidad Didáctica 1. Comenzando con Power Bi

  • Introducción a Power BI
  • Diferentes tipos de Power BI: ¿es realmente gratis?
  • Sumerjámonos en ello: primer informe simple
  • Power Query: fuente de datos
  • Transformación de datos

Unidad Didáctica 2. Modelado de Datos y Dax

  • Modelado de datos
  • Comenzando con DAX (I)
  • Comenzando con DAX (II)
  • Dominando DAX (I)
  • Dominando DAX (II)

Unidad Didáctica 3. Visualización de Datos

  • Tabla y matriz
  • Tendencias
  • Cómo filtrar tus datos adecuadamente
  • Marcadores
  • Obtención de detalles

Unidad Didáctica 4. Llevando Power Bi Al Siguiente Nivel

  • Entendiendo Power BI Service
  • Compartiendo contenido en Power BI Service
  • Comparando Power BI Service y Power Report Service
  • Integrando Python y R en Power BI Desktop
  • Introduciendo Bravo para Power BI Desktop
06

Módulo 6. Aplicaciones Prácticas de Machine Learning, Deep Learning y Data Science

Unidad Didáctica 1. Machine Learning. Implementación de Algoritmos en Python y Herramientas Y/o Librerías de Machine Learning

  • - Regresión Lineal.
  • - Regresión Logística.
  • - Redes Neuronales.
  • - Clustering.
  • Principal Component Analysis (PCA).

Unidad Didáctica 2. Deep Learning. Implementación de Algoritmos en Python y Herramientas Y/o Librerías de Deep Learning

  • - Redes neuronales profundas.
  • - Optimización de algoritmos.
  • - Redes neuronales convolucionales.
  • - Redes neuronales recurrentes.
  • - NPL. Procesamiento de lenguaje natural.

Unidad Didáctica 3. Data Science. Análisis y Visualización de Datos Empleando la Herramienta Powerbi

  • - Creación de Tablas e informes.
  • - Transformación y filtrado de datos.
  • - Visualización de los datos.
  • - Cálculo. Relaciones entre tablas de datos, métricas e indicadores.
  • - Panel de control dinámico e interactivo.

Unidad Didáctica 4. Desarrollo de Aplicaciones Reales

  • - Aplicación. Clasificación de objetos en imágenes.
  • - Aplicación. Detección de objetos en imágenes.
  • - Aplicación. Reconocimiento facial.
  • - Aplicación. Detección de palabras para asistentes de voz.
  • - Aplicación. Business Intelligence.
07

Módulo 7. Ecosistemas de Tecnologías. Introducción a las Nuevas Tecnologías Disruptivas

Unidad Didáctica 1. Introducción Al Ecosistema de Tecnologías

  • Cuarta revolución industrial
  • Transformación digital en las empresas
  • Fundamentos y puntos clave
  • Beneficios
  • Tecnologías habilitadoras

Unidad Didáctica 2. Tecnologías Habilitadoras I

  • Big Data
  • Cloud Computing
  • Blockchain
  • Inteligencia artificial
  • Realidad virtual y aumentada

Unidad Didáctica 3. Tecnologías Habilitantes Ii

  • BIM
  • Robots colaborativos
  • Fabricación aditiva
  • Hiperconectividad
  • IOT

Unidad Didáctica 4. Tecnologías Habilitadoras Iii

  • Manufacturing Execution System (MES)
  • Integración y eficiencia de procesos
  • Casos de uso
  • Nuevas metodologías: agile, lean startup o design thinking
  • Gestión del cambio
08

Módulo 8. Metodologías de Ideación y Gestión de Proyectos de Inteligencia Artificial

Unidad Didáctica 1. Introducción

  • 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

Unidad Didáctica 2. Design Thinking

  • Introducción
  • Fase I: Empatizar
  • Fase II: Definir
  • Fase III: Idear
  • Fase IV: prototipar

Unidad Didáctica 3. Lean Start-up y Scrum

  • Lean start-up. Conceptos básicos
  • Lean Start-up. Herramientas
  • Scrum. Introducción
  • Scrum. Roles
  • Scrum. Ceremonias y artefactos

Unidad Didáctica 4. Aplicación a Proyectos de Ia

  • Introducción
  • Ideando el proyecto
  • Ejecutando el proyecto
  • Algunos consejos a la hora de implementar las metodologías
  • Resumen y conclusiones
09

Módulo 9. Impacto de la Inteligencia Artificial en la Empresa

Unidad Didáctica 1. Inteligencia Artificial Aplicada a Distintos Sectores

  • Finanzas y Seguros
  • Retail
  • Industria
  • Agricultura
  • Salud

Unidad Didáctica 2. Aplicaciones en las Distintas Áreas de una Empresa

  • Logística y operaciones
  • Marketing
  • Ventas y Atención al cliente
  • Finanzas y Control
  • People Analytics

Unidad Didáctica 3. Emprendiendo en Ia

  • Escenario actual de un sector en auge
  • Financiación y fondos
  • Startups destacadas
  • Futuro del ecosistema
  • Inicio de una empresa de IA

Unidad Didáctica 4. Ética. Empresa y Sociedad

  • Ética. Notas generales.
  • Ejemplos de sesgos.
  • Iniciativas globales.
  • Organismos públicos y regulación.
  • IA en los Objetivos de Desarrollo Sostenible

Claustro docente

Equipo docente con experiencia profesional en Inteligencia Artificial. Gestión e Implantación de Modelos + 60 Créditos ECTS.

AR

Adrián Rodríguez Porres

Facultad de Gestión de Proyectos en Arquitectura

metodología BIM

VG

Vidal Gascón Culebras

Inteligencia Artificial aplicada

JM

Julia Molina Virués

Facultad de Gestión de Proyectos en Arquitectura

arquitectura sostenible

Charo Rey Zabalza

Charo Rey Zabalza

Facultad de Medioambiente y Sostenibilidad

economía circular

ÁS

Ángel Sanz Bernabé

control de calidad

Isabella Sánchez Bermúdez

Isabella Sánchez Bermúdez

Facultad de Dirección de Proyectos e Innovación Tecnológica

comunicación estratégica

Rogelio Delgado Mingorance

Rogelio Delgado Mingorance

Facultad de Ingeniería Industrial

gestión y dirección de proyectos

Miguel Ángel Aparicio Jiménez

Miguel Ángel Aparicio Jiménez

¿En qué podrás trabajar?

Con este máster podrás optar a puestos como:

  • Director de Proyectos de IA
  • Responsable de Estrategia de IA
  • Consultor Senior en Transformación Digital con IA
  • Especialista en Data Mining IA
  • Líder de proyectos de Machine Learning
  • Gestor de modelos de Inteligencia Artificial

Metodología

Nuestra metodología educativa

Equipo diverso de ingeniería trabajando con portátiles en un laboratorio maker con impresoras 3D
Aprende cuando quieras

Avanza al ritmo que te convenga, desde donde estés
y con seguimiento cercano.

Realista

La metodología EDUCA LXP prescinde de conocimientos excesivamente teóricos o de métodos prácticos poco eficientes. La combinación de contenidos en constante actualización y el seguimiento personalizado durante el proceso educativo hacen de EDUCA LXP una metodología única.

Student First

La metodología EDUCA LXP y la formación del grupo EDUCA EDTECH conciben al estudiante como el centro de la experiencia educativa, nutriéndose de su retroalimentación. Su feedback es nuestro motor del cambio.

Inteligencia Artificial

La personalización en el aprendizaje no sería posible sin una combinación precisa entre experiencia académica e investigación tecnológica, así como la Inteligencia Artificial. Por eso contamos con herramientas IA de desarrollo propio, adaptadas a cada institución educativa del grupo.

Profesionales en activo

Nuestro equipo de profesionales docentes, además de ser especialistas en su sector, cuentan con una formación específica en el manejo de herramientas tecnológicas que conforman el ecosistema EDUCA EDTECH.

Rankings y reconocimientos

Evaluados por organismos independientes de educación superior online.

Organización de Estados Americanos (OEA)

Desde 2010 Structuralia ofrece un programa de becas, para másters en español e inglés, en conjunto con la Organización de los Estados Americanos (OEA) dirigido a profesionales sobresalientes de Las Américas, incluido en el Programa de Alianzas para la Educación y Capacitación (PAEC), del que ya se han beneficiado más de 3.500 estudiantes de la región.

APICE

Structuralia y la Asociación Panamericana de Instituciones de Crédito Educativo (APICE) ofrecen un programa de becas de capacitación especializada dirigido a profesionales de Latinoamérica y el Caribe en másters especializados en el sector STEM.

Educa Edtech

La Fundación Educa Edtech se creó con el propósito de fomentar el crecimiento personal y profesional, a la vez que apostar por la transferencia de conocimiento como medio para cambiar el mundo, velando por la implantación de soluciones y por la concesión de ayudas a quienes las merecen.

Financial Magazine

El Ranking 2025 de este medio ha considerado incluir hasta 10 programas de máster de Structuralia en algunas de sus categorías, entre las que se encuentran: Data Science, Big Data, Inteligencia Artificial, Planificación Urbana, Energía o Medio Ambiente.

Mundo Posgrado

En la última publicación de sus habituales rankings anuales, los másteres de Structuralia se colaron en el Top 10 de mejores másteres de España en las categorías de Energías Renovables y de Sistemas Integrados de Gestión.

Escudo Digital

El programa de máster en Ciberseguridad y Riesgos de la Información está incluido en el Top 25 de los mejores programas formativos de ciberseguridad según la entidad "Escudo Digital".

Nuestras cifras

92%de nuestros alumnos nos recomendaría
30+países con alumnado activo
60%de nuestro profesorado son profesionales en activo del sector
15 añosformando a especialistas en ingeniería y arquitectura

Becas STRUCTURALIA

¿Damos el paso para especializarte en Inteligencia Artificial. Gestión e Implantación de Modelos + 60 Créditos ECTS?

Nuestro equipo de asesores responde tus preguntas y te explica las ayudas disponibles, sin compromiso.