Descripción

La inteligencia artificial está transformando la forma en que las organizaciones gestionan y analizan la información, convirtiéndose en una herramienta esencial en el ámbito de la Ciencia de Datos. Este curso te ofrece una formación completa, actualizada y práctica sobre los fundamentos de la IA aplicada al análisis de datos, que te permitirá adquirir competencias clave para la toma de decisiones basada en datos.

A lo largo del programa, aprenderás a recopilar, procesar y analizar datos mediante técnicas avanzadas de aprendizaje automático. Profundizarás en la implementación de modelos predictivos, la extracción de patrones en datos no etiquetados y el uso de herramientas como KNIME para el desarrollo de proyectos aplicados, adquiriendo así una base sólida para afrontar retos complejos en el ámbito profesional.

Modalidad 100% online
Clases en directo interactivas
y trabajo autónomo.

Evaluación del curso
30% Cuestionarios
70% Proyecto final

Duración y fechas
del 7 de mayo al 23 de julio
con certificado de 75 horas

Objetivos del curso

• Comprender los conceptos fundamentales de la Ciencia de Datos: adquirir una visión integral del dato como activo clave para generar conocimiento.
• Resolver problemas complejos en Ciencia de Datos: diseñar soluciones innovadoras en proyectos con datos reales.
• Dominar los principios del aprendizaje automático (Machine Learning): conocer técnicas y algoritmos para el análisis predictivo y la detección de patrones.
• Aplicar modelos supervisados y no supervisados: implementar estrategias de clasificación, regresión y clustering en escenarios reales.
• Desarrollar competencias en tratamiento de datos: visualizar, preparar y transformar datos de manera adecuada para su análisis.

Público objetivo

• Profesionales de TI que deseen especializarse en Ciencia de Datos y Machine Learning.
• Estudiantes y titulados en áreas tecnológicas interesados en formación aplicada.
• Empresas que quieran capacitar a sus equipos en herramientas avanzadas de análisis de datos.

No se requieren conocimientos avanzados, aunque se recomiendan nociones básicas de informática y estadística.

Estructura del curso

• Modalidad: 100 % online, con sesiones síncronas y trabajo autónomo. (Clases en directo interactivas combinadas con talleres prácticos con resolución de casos reales mediante herramientas como KNIME)
• Evaluación: cuestionarios teóricos 30%, proyecto práctico final: 70%
• Duración: 30 horas en directo (10 sesiones de 3 horas) + 45 horas asíncronas.
• Certificación: Curso de 75 horas – 3 ECTS.
• Fechas: Del 7 de mayo al 23 de julio de 2025.
• Sesiones en directo: Todos los miércoles, del 7 de mayo al 16 de julio de 2025, en horario de 16:00h a 19:00h (España, GMT+2) o 09:00h a 12:00h (Perú, GMT-5).
• El miércoles 18 de junio no habrá clase por festivo en Granada.
• El último día para entregar trabajos y proyectos es el 23 de julio de 2025.

Importante: El curso se desarrollará en nuestro aula virtual, a la que tendrás acceso mediante usuario y contraseña que recibirás unos días antes del inicio del curso. Ahora mismo solo estás reservando la plaza. Las claves de acceso al aula virtual se enviarán un poco antes del comienzo del curso.

Temario del curso

Bloque 1. Introducción a la Ciencia de Datos (6 horas)

• Fundamentos de Ciencia de Datos y toma de decisiones.
• Cadena de valor: Uso del dato como eje central del conocimiento.
• Visualización e interpretación de datos.
• Casos prácticos mediante herramienta kNIME.

Bloque 2. Fundamentos de Machine Learning (3 horas)

• Conceptos básicos en aprendizaje.
• Tareas y modelos de aprendizaje.
• Validación y métricas de rendimiento.
• Flujo de trabajo en kNIME.

Bloque 3. Tareas de aprendizaje supervisado (9 horas)

• Modelos básicos y avanzados de clasificación.
• Aplicaciones prácticas con kNIME.
• Modelos básicos y avanzados de regresión.
• Implementación de proyectos con kNIME.

Bloque 4. Tareas de aprendizaje no supervisado (12 horas)

• Minería de asociación y recomendaciones.
• Aplicaciones prácticas con reglas de asociación en kNIME.
• Técnicas de segmentación y clustering.
• Casos de estudio aplicados.

Al finalizar el curso, comprenderás:

• Los conceptos fundamentales de la Ciencia de Datos y el aprendizaje automático, entendiendo la importancia del dato como activo central en la generación de conocimiento.
• Las diferencias entre el aprendizaje supervisado y no supervisado, identificando las tareas comunes y aplicaciones prácticas asociadas a cada enfoque.
• Los principios básicos de las técnicas y algoritmos clave del aprendizaje automático (Machine Learning) para el análisis predictivo y la extracción de patrones en conjuntos de datos.
• La relevancia de los procesos para la recopilación y preparación adecuada de datos utilizados en ciencia de datos y machine learning.

Y serás capaz de:

• Recopilar y procesar datos asegurando su preparación adecuada para análisis posteriores.
• Aplicar modelos predictivos para resolver problemas de clasificación y regresión utilizando técnicas avanzadas de aprendizaje supervisado.
• Implementar algoritmos de aprendizaje no supervisado, como clustering y minería de asociación, para descubrir patrones y estructuras ocultas en datos no etiquetados.
• Evaluar y seleccionar las técnicas de aprendizaje automático más adecuadas según las necesidades específicas de cada problema analítico.
• Interpretar y comunicar de forma efectiva los resultados obtenidos a partir de modelos de aprendizaje automático, adaptándolos a audiencias técnicas y no técnicas.

Profesorado

Alberto Fernández Hilario
 Profesor Catedrático – Universidad de Granada. Miembro del Departamento de Ciencias de la Computación e Inteligencia Artificial y del Instituto Andaluz de Ciencia de Datos e Inteligencia Computacional (DaSCI). Su principal línea de investigación es la Ciencia de Datos, centrado actualmente en temas de equidad, responsabilidad, transparencia y ética. Ha participado en numerosos proyectos de transferencia con empresas.

Carlos Cano Gutiérrez
Profesor Titular – Universidad de Granada. Miembro del Departamento de Ciencias de la Computación e Inteligencia Artificial y del Grupo de Investigación en Razonamiento Aproximado e Inteligencia Artificial (RAIA). Su principal línea de investigación es el uso de la Inteligencia Artificial en la rama de Bioinformática, buscando modelos que permitan alcanzar la medicina personalizada. 

Jesús Alcalá Fernández
Profesor Catedrático – Universidad de Granada. Miembro del Departamento de Ciencias de la Computación e Inteligencia Artificial y del Instituto Andaluz de Ciencia de Datos e Inteligencia Computacional (DaSCI) Su principal línea de investigación es la Ciencia de Datos, aplicando numerosas aproximaciones de ML a problemas de clasificación y regresión, y aprendizaje no supervisado mediante reglas de asociación.    

Salidas profesionales

Los egresados del curso estarás capacitado para desempeñar roles clave en el ámbito de la Ciencia de Datos e Inteligencia Artificial, incluyendo:

• Científico de datos: diseño e implementación de soluciones analíticas avanzadas. Los egresados podrán analizar grandes volúmenes de datos mediante técnicas de IA y aprendizaje automático, extrayendo información valiosa para la toma de decisiones empresariales estratégicas.
• Ingeniero de Machine Learning: desarrollo, optimización y despliegue de modelos predictivos y soluciones basadas en inteligencia artificial para una variedad de aplicaciones industriales y comerciales.
• Analista de datos: interpretación, visualización y presentación de resultados obtenidos a partir de herramientas avanzadas, identificando tendencias, patrones y relaciones que aporten valor a las organizaciones.
• Consultor en inteligencia artificial: asesoramiento a empresas en la implementación de estrategias de IA, ayudándolas a integrar estas tecnologías en sus operaciones y procesos comerciales para mejorar su competitividad y eficiencia.
• Investigador en ciencia de datos: exploración de nuevas técnicas y metodologías en el campo del aprendizaje automático, contribuyendo al desarrollo de la disciplina mediante investigaciones innovadoras y publicaciones científicas.

FAQS

• ¿Necesito conocimientos previos?
  No, aunque se recomienda tener nociones básicas de informática y estadística.
• ¿Cuándo recibiré acceso al aula virtual?
  Recibirás tus claves personales el 6 de mayo de 2025 o antes, unos días antes del inicio del curso.
• ¿Qué ocurre si compro ahora?
  Tu plaza quedará reservada. El acceso a los contenidos estará disponible a partir del 7 de mayo de 2025, fecha oficial de inicio del curso.
• ¿Cuál es el horario y calendario del curso?
  El curso incluye sesiones en directo todos los miércoles, desde el 7 de mayo hasta el 16 de julio de 2025, excepto el miércoles 18 de junio, ya que ese día es festivo local en Granada. Horario de las sesiones en directo: España de 16:00h a 19:00h (GMT+2), Perú de 09:00h a 12.00h (GMT-5).
• ¿Obtendré un certificado?
  Sí. Al completar el curso recibirás un certificado de 75 horas – 3 ECTS.
• ¿Tienes algún problema con el pago o la facturación?
  Si tienes algún problema con el pago o la facturación, escríbenos a info@aigranada.com indicando tu nombre completo y número de pedido. En caso de facturación, añade también tus datos fiscales completos (nombre o razón social, NIF/CIF y dirección). Gestionamos todas las incidencias por correo electrónico y respondemos de lunes a viernes, de 08:00h a 15:00h, normalmente en menos de 48 horas.

Política de cancelación

De acuerdo con la legislación vigente en España y Perú, puedes ejercer tu derecho de desistimiento durante los 14 días naturales siguientes a la compra, siempre que el curso no haya comenzado ni hayas accedido a los contenidos digitales.

Una vez accedas al aula virtual o al material formativo, este derecho queda anulado, tal y como establece la normativa de protección al consumidor.

Para cancelar o ejercer tu derecho de desistimiento, escríbenos a info@aigranada.com indicando tu nombre completo, número de pedido y motivo de la solicitud.

Puedes consultar el resto de nuestros Términos y condiciones generales de contratación aquí: https://aigranada.com/terminos-y-condiciones/

¿Tienes dudas o necesitas más información?

No dudes en ponerte en contacto con nosotros:

• Email: info@aigranada.com
• Teléfono: +34 605 793 970