FORMACIÓN 100% GRATUITA

APLICACIONES PRÁCTICAS DE INTELIGENCIA ARTIFICIAL EN ENTORNOS EMPRESARIALES

DIRIGIDO A

Todos los colectivos.
Asociados APAFCV

REQUISITOS PREVIOS

No hay requisitos previos academicos.

Machine Learning y Deep Learning:
- Conceptos y diferencias entre machine learning y deep learning
- Como funcionan los Algoritmos de machine learning
- Redes neuronales y su funcionamiento
Plataformas y software de IA:
- Herramientas de código abierto (Copilot, ChatGpt, Scikit-learn)
- Plataformas comerciales (Google AI, Microsoft Azure AI, IBM )
- Introducción a entornos de desarrollo y simulación práctica de IA

IA en Marketing:
- Demostración práctica de Análisis predictivo para campañas de marketing.
- Práctica sobre Personalización de la experiencia del cliente
- Chatbots y asistentes virtuales
IA en Finanzas:
- Detección de fraudes
- Análisis de riesgos y toma de decisiones de inversión
IA en Recursos Humanos:
- Selección y reclutamiento de personal
- Práctica sobre Análisis de CV y gestión del talento
IA en Operaciones:
- Uso de la IA para Optimización de una cadena de suministro
- Mantenimiento predictivo en la manufactura con el uso de la IA

Simulación de un proyecto grupal empresarial del sector.
Identificación de problemas y oportunidades:
- Análisis de necesidades organizativas
- Selección de problemas adecuados para soluciones de IA. Criterios de selección de la herramienta adecuada.
Diseño e implementación de soluciones de IA:
- - Definición de objetivos y métricas de éxito
  - Creación de un plan de proyecto para IA
  - Desarrollo y validación de modelos de IA:
    1. Recolección y preprocesamiento de datos: Adquirir, limpiar y preparar los datos necesarios para entrenar y validar los modelos de IA.
Selección adecuada de algoritmos y técnicas: Elegir los algoritmos y técnicas de IA más adecuados para el problema específico.
Entrenamiento y evaluación de modelos: Entrenar los modelos de IA y evaluarlos utilizando técnicas de validación cruzada y métricas de rendimiento.
Optimización y ajuste de hiperparámetros: Mejorar el rendimiento de los modelos ajustando los hiperparámetros y probando diferentes enfoques.
Implementación y monitorización de soluciones con uso de IA.

Cookie	Duración	Descripción
cookielawinfo-checkbox-analytics	11 months	This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics".
cookielawinfo-checkbox-functional	11 months	The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional".
cookielawinfo-checkbox-necessary	11 months	This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary".
cookielawinfo-checkbox-others	11 months	This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other.
cookielawinfo-checkbox-performance	11 months	This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance".
viewed_cookie_policy	11 months	The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data.