1. Data information
  2. Knowledge wisdom
  3. Data Management (I)
  4. Data Management (II)
  5. Corporate perfomance management
  6. Bases de Datos

  1. Business intelligence
  2. Datawarehousing
  3. Big data
  4. Hadoop Spark

  1. Ecosistema Hadoop (I)
  2. Ecosistema Hadoop (II)
  3. Ecosistema Hadoop (III)
  4. Ecosistema Spark
  5. Instalación y configuración de arquitecturas Big Data

  1. Analytics
  2. Principales algoritmos (I)
  3. Principales algoritmos (II)
  4. Machine Learning y Deep Learning
  5. Internet Of Things

  1. Introducción a SQL
  2. Manipulación de bases de datos
  3. Tipos de datos
  4. Normalización
  5. Creación de tablas en SQL

  1. Manipulación de tablas
  2. Consulta de tablas en SQL
  3. Combinación de tablas en SQL
  4. Combinaciones de tablas y vistas
  5. Otros comandos en SQL

  1. Funciones para strings y funciones numéricas (I)
  2. Funciones numéricas (II)
  3. Funciones de fecha y hora
  4. Otras funciones
  5. Bucles, condicionales y triggers en SQL

  1. Introducción al datawarehousing
  2. Bases de datos en un datawarehouse. Stage
  3. Bases de datos en un datawarehouse. ODS (I)
  4. Datos en un datawarehouse. ODS (II)
  5. Bases de datos en un datawarehouse. DDS

  1. Concepto de Bases de Datos NoSQL
  2. Ventajas y desventajas de las Bases de Datos NoSQL
  3. Características principales de las Bases de Datos NoSQL

  1. Bases de datos Documentales
  2. Bases de datos de Columnas
  3. Bases de datos Clave-Valor
  4. Base de datos en grafos

  1. Introducción a MongoDB
  2. Características y arquitectura de MongoDB
  3. Modelado de datos en MongoDB
  4. Consultas y operaciones en MongoDB
  5. Escalabilidad y rendimiento en MongoDB

  1. Apache Cassandra
  2. CouchDB
  3. Redis
  4. Amazon DynamoDB
  5. NeoJS

  1. Diseño de la estructura de datos
  2. Configuración del entorno de desarrollo
  3. Instalación y configuración de MongoDB
  4. Creación y manipulación de colecciones en MongoDB
  5. Importación y exportación de datos en MongoDB

  1. Índices y optimización de consultas en MongoDB
  2. Agregación de datos en MongoDB
  3. Transacciones en MongoDB
  4. Replicación y alta disponibilidad en MongoDB
  5. Copias de seguridad y recuperación en MongoDB

  1. Aplicaciones web y móviles
  2. Big Data y análisis de datos
  3. Internet de las cosas (IoT)
  4. Sistemas de recomendación
  5. Social media y redes sociales

  1. Introducción a la integración de datos
  2. Integración con lenguajes de programación (Python, Java, etc.)
  3. Integración con herramientas de Business Intelligence (BI)
  4. Integración con sistemas de almacenamiento en la nube

  1. Conceptos de seguridad en Bases de Datos NoSQL
  2. Autenticación y autorización en MongoDB
  3. Encriptación de datos en Bases de Datos NoSQL
  4. Auditoría y control de acceso en Bases de Datos NoSQL

  1. Estado del arte de la inteligencia artificial
  2. Filosofía de la inteligencia artificial
  3. Futuro de la inteligencia artificial
  4. Procesos de desarrollo de proyecto con inteligencia artificial
  5. Los datos, tu mayor activo

  1. Aprendizaje automático
  2. Aprendizaje profundo
  3. Transformers
  4. Generación de datos sintéticos
  5. Hiperparámetros en los modelos de inteligencia artificial

  1. Regresión lineal
  2. Regresión no lineal y Support Vector Machine (SVM)
  3. Árboles de decisión y bosques aleatorios
  4. Lógica difusa y descenso del gradiente
  5. Sistemas de recomendación

  1. Preparación del entorno de trabajo. Anaconda, Visual Studio Code y Python
  2. Dataset de entrada y procesado de datos
  3. TensorHub, TensorFlow y Keras
  4. Tratamiento de imágenes
  5. Generación de modelos de inteligencia artificial

  1. Introducción
  2. Regresión lineal, múltiple y logística (I)
  3. Regresión lineal, múltiple y logística (II)
  4. Máquina de vectores soporte (SVM)
  5. Árboles de decisión

  1. KNN (K-Nearest Neighbors)
  2. Naive bayes
  3. Evaluación de modelos supervisados
  4. Ejercicio de ejemplo
  5. Ejercicio propuesto

  1. Introducción a clustering: propósito y métricas
  2. K-means clustering
  3. Clústering jerárquico, otras técnicas y ejemplos
  4. Análisis de componentes principales (PCA)
  5. Ejercicio de ejemplo PCA

  1. Redes neuronales artificiales (ANN) (I)
  2. Redes neuronales artificiales (ANN) (II)
  3. Redes neuronales artificiales (ANN) (III)
  4. Ejercicio de ejemplo
  5. Ejercicio propuesto

  1. Introducción y repaso de Redes Neuronales Artificiales (ANN)
  2. Redes Neuronales Convolucionales (CNN): Introducción y casos de uso
  3. CNN: Intuición
  4. CNN: Descripción matemática
  5. CNN: Ejemplo de programación con Python y TensorFlow
  6. Ejercicio: Visión artificial con CNN

  1. Repaso de Series Temporales
  2. Redes Neuronales Recurrentes (RNN): Introducción y casos de uso
  3. RNN: Intuición
  4. RNN: Descripción matemática
  5. RNN: Ejemplo de programación con Python Y TensorFlow
  6. Ejercicio: Series Temporales con RNN

  1. Repaso de Sistemas de Recomendación
  2. Deep Bolztmann Machines (DBM): Introducción y casos de uso [Video]
  3. DBM: Intuición
  4. DBM: Descripción matemática
  5. DBM: Ejemplo de programación con Python y TensorFlow
  6. Ejercicio: Sistema de Recomendación con DBM

  1. Detección de anomalías
  2. Self-Organizing Maps (SOM): Introducción e intuición
  3. SOM: Descripción matemática
  4. AutoEncoders (AE): Introducción e intuición
  5. AE: Descripción matemática
  6. Ejercicio: Detección de anomalías con SOM y AE

  1. Introducción
  2. Elementos clave para la gestión de proyectos de IA
  3. Características de los proyectos de IA
  4. Introducción a las principales metodologías ágiles y de ideación
  5. Integración de las diferentes metodologías

  1. Introducción
  2. Fase I: Empatizar
  3. Fase II: Definir
  4. Fase III: Idear
  5. Fase IV: prototipar

  1. Lean start-up. Conceptos básicos
  2. Lean Start-up. Herramientas
  3. Scrum. Introducción
  4. Scrum. Roles
  5. Scrum. Ceremonias y artefactos

  1. Introducción
  2. Ideando el proyecto
  3. Ejecutando el proyecto
  4. Algunos consejos a la hora de implementar las metodologías
  5. Resumen y conclusiones

  1. Finanzas y Seguros
  2. Retail
  3. Industria
  4. Agricultura
  5. Salud

  1. Logística y operaciones
  2. Marketing
  3. Ventas y Atención al cliente
  4. Finanzas y Control
  5. People Analytics

  1. Escenario actual de un sector en auge
  2. Financiación y fondos
  3. Startups destacadas
  4. Futuro del ecosistema
  5. Inicio de una empresa de IA

  1. Ética. Notas generales.
  2. Ejemplos de sesgos.
  3. Iniciativas globales.
  4. Organismos públicos y regulación.
  5. IA en los Objetivos de Desarrollo Sostenible

  1. Cuarta revolución industrial
  2. Transformación digital en las empresas
  3. Fundamentos y puntos clave
  4. Beneficios
  5. Tecnologías habilitadoras

  1. Big Data
  2. Cloud Computing
  3. Cibersecurity
  4. Inteligencia artificial
  5. Realidad virtual y aumentada

  1. BIM
  2. Robots colaborativos
  3. Fabricación aditiva
  4. Hiperconectividad
  5. IoT

  1. Manufacturing Execution System (MES)
  2. Integración y eficiencia de procesos
  3. Casos de uso
  4. Nuevas metodologías: Agile, Lean Startup o Design Thinking.
  5. Gestión del cambio en la empresa