Plan de Estudios

MÓDULO I

Evolución de la Inteligencia Artificial

Pasado, presente y futuro de la Inteligencia Artificial. Progresos y desafíos

  • Introducción a la IA
  • Qué es IA y qué no es IA
  • Progresos de la IA débil
  • Tipos de algoritmos de IA
  • El reto de la super inteligencia
  • Conclusiones

MÓDULO II

Conceptos clave sobre Inteligencia Artificial

Ingeniería del Conocimiento y Machine Learning

  • Diferencias entre Machine Learning y Estadística
  • Gestión del Conocimiento y su representación
  • Redes neuronales y sistemas expertos
  • De unas pocas variables a miles
  • Algoritmos

MÓDULO III

El papel de la Inteligencia Artificial en la estrategia de Customer Centric: qué oportunidades ofrece para conocer al cliente y mejorar la experiencia de usuario

Procesamiento del Lenguaje Natural (NLP). Inteligencia artificial conversacional: Chatbots

  • Lenguaje: representación y razonamiento
  • Enriquecimiento semántico de contenidos (Medios, Gestión del Conocimiento)
  • Análisis de la Voz del Cliente (o del Empleado, o del Ciudadano, o del Paciente…) para mejorar la rentabilidad o los servicios
  • Extracción de información para
    • Inteligencia competitiva
    • Compliance
    • Servicios de información
    • Seguridad • Asistentes virtuales
    • Sistemas de consulta en lenguaje natural
    • Agentes conversaciones
  • Análisis del sentimiento

Taller de demostración de aplicaciones de PLN

  • Market Intelligence: analítica de texto para inteligencia competitiva
  • Voice of the Customer Analytics: análisis de la voz del cliente; ejemplos en Banca y Seguros
  • Voice of the Citizen: escuchando lo que dicen los ciudadanos sobre los servicios de las administraciones públicas; ejemplo en gestión de emergencias
  • People Analytics: aplicaciones en gestión de Recursos Humanos
  • Social Media Profiling: perfilado sociodemográfico de individuos en redes sociales
  • Robotic Process Automation: procesamiento automático de documentos; ejemplos en el sector Legal
  • Real World Evidence: análisis de la Historia Clínica Electrónica para comprender mejor la efectividad de medicamentos

Aproximaciones prácticas a los sistemas cognitivos

  • Diferentes aproximaciones en función de los casos de uso en cada industria
  • Uso de los sistemas cognitivos en escenarios de atención al cliente
  • Metodologías de proyecto - entrenando a los sistemas cognitivos (que no programando)

MÓDULO IV

Aplicaciones prácticas de la Inteligencia Artificial en los procesos industriales y de negocio

El papel de la IA en la Industria 4.0

  • Introducción a la digitalización en la industria
  • Nuevos modelos de negocio dentro de la Industria 4.0
  • La IA en los sectores industriales
  • BigData y Analytics en la industria
  • Industrial Internet of Things
  • Casos de uso en la Industria 4.0

La Computación Cognitiva y los Sistemas con Auto Aprendizaje

  • Situación actual y barreras para el despliegue de soluciones basadas en el Aprendizaje Automático
  • Objetivos, no todo es almacenar datos
  • Identificación de problemas abarcables mediante soluciones basadas en la I.A
  • Método de resolución de problemas mediante Aprendizaje Automático: artificial Intelligence in a Process for Automated Knowledge Acquisition and Applications (AIPAKA)
  • Límites, problemáticas y ética de las decisiones de las máquinas

Geo Inteligencia Artificial (GeoAI) : creación de ventajas competitivas con Inteligencia Artificial y datos geo-referenciados

Cómo las plataformas tecnológicas, las comunicaciones, el software como servicio y la Inteligencia Artificial, están cambiando la naturaleza de las organizaciones en la 4ª Revolución Industrial. Análisis del impacto de los datos geo-referenciados.

  • Perspectiva histórica de la utilización de Inteligencia Artificial en los Sistemas de Información Geográfica
  • La cadena de valor de los datos geo-referenciados en la 4ª Revolución Industrial
  • Procesos de extracción, transformación y carga de datos geo-referenciados. Entrenamiento y evaluación de modelos
  • IA y Big Data Spatial: Casos de uso de aplicación
  • IA utilizando datos vectoriales. Ejemplos en Smart Cities
  • IA utilizando imágenes de satélite. Ejemplos en Industria 4.0
  • IA para predecir y optimizar el conocimiento y las relaciones con los clientes

 

Módulo V

Los pilares de la transformación digital: Inteligencia Artificial y Big Data

Advanced Analitycs y la Era del Big Data 2.0

  • Modelado, Razonamiento y Resolución de Problemas
  • Small y Big Data. Diferencias y aplicaciones. Structured & Unstructured Data Management
  • Aprendizaje Supervisado y no supervisado
  • Gestión de la Incertidumbre
  • De la Minería a la Analítica Predictiva
  • CEP y Análisis en Tiempo Real

BUSINESS CASE

A Data-Science review for Artificial Intigence in Telecommunications

Del Business Intelligence a la Inteligencia Operativa

  • Analítica Funcional: los Datos hablan si sabemos cómo escucharlos
  • Cultura Data-Driven: la información accionable y la toma de decisiones en la empresa
  • Gestión del Rendimiento y métricas de resultado: lo que no se mide, no puede mejorarse
  • Inteligencia de Procesos y Negocio en Tiempo Real: decisiones y experimentos Real-Time
  • Captura de información, métricas, KPIs e visualización de información
  • El valor de los datos en la Data Economy: nuevas tendencias en BI y OI        

Módulo VI

Fases de implantación de un proyecto de IA y aspectos claves de gestión: inversiones, infraestructuras, costes, RR.HH

Cómo montar una empresa de IA: búsqueda de desarrolladores, búsqueda de K,...

  • Mitos y realidades de la Inteligencia Artificial y cómo establecer expectativas realistas
  • Un nuevo paradigma y cómo afecta a la organización y negocio
  • Liderazgo y cambios en la cultura organizacional
  • Equipo, nuevos roles
  • Tecnologías, infraestructura y procesos
  • Mirando hacia el futuro

Cómo trabajar con empresas de Inteligencia Artificial

  • Por qué trabajar con empresas de AI
  • Qué esperar
  • Tipo y forma de colaboración
  • Cómo prepararse
  • Planificación, equipo, tecnología e infraestructura
  • Mirando hacia el futuro

Cómo organizar un centro de competencia

  • Medición (priorización) del impacto en el negocio
  • Nuevos perfiles a incorporar a los proyectos, algunos dentro de la empresa (en las áreas de negocio), otros con capacidades nuevas, como el entrenador de sistemas cognitivos

Cómo formar un equipo de Data Science y no morir en el intento

  • ¿Necesito contratar un Data Scientist?
  • Diferencias entre Data Scientist y Data Engineer
  • Mínimo equipo viable: plataformas OpenAI
  • Multi-disciplinaridad: Knowledge as a Service
  • Retos de la captación y retención de talento
  • Motivación de equipos altamente cualificados

Proyecto piloto: aprendiendo a explorar los datos desde la visualización

  • Design thinking, lean, agile y otras metodologías para la innovación
  • Diferencias entre análisis, diagnóstico, predicción y prescripción
  • Definición de objetivos y preguntas de negocio a resolver
  • Enfoque científico: diseño de KPIs y metodología de validación

Módulo VII

Mapa de las plataformas de Inteligencia Artificial

Inteligencia Artificial y Computación Cognitiva “as a Service”. Plataformas de Inteligencia Artificial

  • IBM Watson and AlchemyAPI (ahora llamado Watson Developer Cloud)
  • Google Cloud ML, Prediction & TensorFlow
  • Microsoft Azure y Amazon Machine Learning
  • Otros: AT&T Speech, Wit.ai, Diffbot, Ross,...

La visión de Google en ML

Cómo crear aplicaciones inteligentes

Nuevos modelos de disrupción

  • Visual, Speech, Tone Analyzer, Personality insight
  • Conversation, Discovery, Natural languej understanding
  • Knowledge studio, DeepLearning and Machine Learning as a Service

Cómo la nube (visión de AWS) ayuda a innovar con tecnologías de Inteligencia Artificial y Machine Learning (visión y casos de uso reales)

Aplicaciones de Machine Learning en el mundo real

Módulo VIII

Pool Business Cases: RRHH, Sanidad, Legal, Turismo, Coche conectado, Retail, Seguros

BUSINESS CASE

Usos de la IA en soluciones de optimización comercial

BUSINESS CASE

Cómo se puede llevar la analítica digital al mundo de la TV gracias a la tecnología de Reconocimiento Automático de Contenido (ACR)

BUSINESS CASE

Self-driving cars. El futuro de los coches

BUSINESS CASE

HR Analytics: la voz de los datos en las decisiones sobre personas

BUSINESS CASE

Técnicas de IA y PLN en el Sector Salud

BUSINESS CASE

Turismo cognitivo

BUSINESS CASE

Sector Legal

BUSINESS CASE

La revolución del la IA en el sector seguros

BUSINESS CASE

AI y Sector Telco:  la experiencia de AURRA y Movistar Home

Módulo IX

AI y Sector Telco: la experiencia de AURRA y Movistar Home

Tendencias de Inversión en IA: por qué y para qué se han invertido $3 Bn de Venture Capital en los últimos 4 años

  • Ramon Llul: el creador de la lógica computacional y base de la IA
  • Enablers y tendencias tecnológicas en IA: Big Data, Machine Learning y evolución de interfaces/dispositivos
  • Neural Networks y Deep Learning: últimos logros y avances
  • Landscape Venture Capital en AI: principales VCs e inversiones 2015-2016
  • Landscape Startups de AI: los siguientes unicornios
  • The leading edge: disruptive research en Machine Learning y AI
  • Trusting AI machines: Explainable Artificial Intelligence
  • How to get started with Machine Learning if you are not a Data Scientist : a practical guide

MÓDULO PRÁCTICO LEARNING BY DOING

El instructor entregará un caso práctico a los participantes al inicio del curso.
Para trabajar en su resolución se crearán equipos multidisciplinares y, a ser posible, multisectoriales.
El trabajo seguirá la metodología de la resolución del caso: los asistentes desarrollarán un Chatbot que facilitará un proceso de inscripción con la Plataforma IBM WATSON.
Explorarán metodologías para la ejecución de técnicas de entrenamiento sobre una plataforma real, que permitirá a los alumnos entender cuáles son los retos, las dificultades y las buenas prácticas.

Los alumnos, por grupos, desarrollarán un sistema completo autónomo, equivalente a uno productivo, mediante:

  • Creación sencilla de elementos cognitivos para integrar en aplicaciones
  • Desarrollo y despliegue rápido de bots inteligente
  • Captura de intenciones y gestión de los contextos de los clientes en las conversaciones
  • Métricas del sentimiento del cliente en tiempo real

NETWORKING DAY

SESIÓN PRESENCIAL DE CLAUSURA

Mesas Redondas

Inteligencia Artificial y su convergencia con tecnologías exponenciales: Blockchain, IoT, Cloud, APIs y Plataformas, Computación Cuántica,...

Taller Colaborativo

Reconociendo el Valor: cómo identificar oportunidades de uso para nuestro negocio

El Director del Taller presentará un reto de negocio o tecnológico y los asistentes deberán darle una solución aplicando alguna de las técnicas explicadas en el curso, en modo colaborativo (por equipos multidisciplinares con la metodología Design Thinking).

Tras este trabajo colaborativo, cada equipo presentará su conclusión, debatirá sobre ella y, finalmente, se votará la mejor resuelta.

Solicita información