Cursos

INTELIGENCIA ARTIFICIAL

Comparte este curso

REQUISITOS

No se requieren requisitos académicos de acceso

OBJETIVOS

Aprender los conceptos clave desde nivel inicial a implementaciones prácticas.
Conocer la IA como herramienta para su potencial aprovechamiento en las operaciones de las empresas: desde producción a dirección cualquier proceso es susceptible de utilizar este recurso.
El conocimiento de sus capacidades y posibilidades de uso se analizarán a lo largo de este curso.

DIRIGIDO A

Trabajadores en activo y autónomos de la Comunidad Valenciana, incluido aquellos que estén en ERTE.

Trabajadores en situación de desempleo inscritos en LABORA.

Formación Gratuita, gestionada por GVA-LABORA y financiada por la Unión Europea a través del Mecanismo de Recuperación y Resiliencia – Next Generation EU.

CONTENIDO

UNIDAD 1: Introducción a la Inteligencia Artificial: paradigmas, tecnologías y ecosistemas
UNIDAD 2: Recursos y herramientas software para el aprovechamiento de los datos generados
a. Platafomas de desarrollo local
b. Plataformas de soporte cloud
UNIDAD 3: Lenguajes y librerías Open Source utilizables con conocimientos informáticos básicos.
c. Captura y tratamiento de datos.
d. Captura de dataset
e. Preprocesamiento y filtrado
f. Graficado
UNIDAD 4: Primera experiencia de introducción utilizando lenguaje de programación Python y librerías relacionadas.
UNIDAD 5: Aplicaciones de la IA en predicción, clasificación y optimización de procesos.
g. Ejemplo de aplicación en el proyecto de gestión energética ?eo-TICC? desarrollado en colaboración FEMPA/Universidad de Alicante/Eolis BV.
h. Otros ejemplos de aplicación: ?bots? inteligentes basados en plataforma ?Dialog Flow?(recursos en la nube para servicios text-to-speech, speech-to-text) , planificador inteligente, etc..
UNIDAD 6: Técnicas de Machine-Learning.
i. Conceptos teóricos.
j. Regresión.
k. Clusterización y clasificación
l. Modelos de clasificación: árboles de decisión, redes neuronales, otros. Análisis mediante ejemplos de uso.
UNIDAD 7: Introducción al Deep-Learning. Aprendizaje profundo
m. Recursos software y ejemplos de aplicación.
n. Arquitecturas de redes neuronales
o. Ejemplos”