Conviértete en un desarrollador experto en inteligencia artificial con este curso especializado en IA y Microsoft Azure. Aprende a crear, implementar y gestionar soluciones de IA utilizando herramientas avanzadas de Machine Learning, procesamiento de datos y automatización en la nube.
Hemos destinado esta formación a todas aquellas personas que deseen formar parte de este entorno que día a día revoluciona más el mundo tecnológico.
1 - FUNDAMENTOS DE IA
HISTORIA Y EVOLUCIÓN DE LA IA
TIPOS DE INTELIGENCIA ARTIFICIAL: IA DÉBIL VS. IA
FUERTE
APRENDIZAJE SUPERVISADO, NO SUPERVISADO Y POR
REFUERZO
ALGORITMOS MÁS USADOS (REGRESIÓN, KNN,
RANDOM FOREST)
FUNDAMENTOS MATEMÁTICOS: ÁLGEBRA LINEAL,
CÁLCULO Y PROBABILIDAD
PYTHON PARA IA: NUMPY, PANDAS, MATPLOTLIB
INTRODUCCIÓN A LOS SERVICIOS DE AZURE AI SERVICE
CONCEPTOS DE IA EN LA NUBE Y COMPARACIÓN CON
ON-PREMISES
DIFERENCIAS ENTRE MACHINE LEARNING ESTÁNDAR Y
AUTOML EN CLOUD
PRÁCTICA: IMPLEMENTACIÓN DE UN MODELO SIMPLE
DE REGRESIÓN LINEAL EN PYTHON
PRÁCTICA: DATOS CON MATPLOTLIB Y SEABORN
PRÁCTICA: SIMULACIÓN DE UN PROBLEMA
EVALUACIÓN TEÓRICO / PRÁCTICA
2 - EXPLORACIÓN DEL CONJUNTO DE DATOS
DATA SCIENCE Y EL PAPEL DEL DATA SCIENTIST
TIPOS DE DATOS Y SU ESTRUCTURA
PRE-PROCESAMIENTO Y LIMPIEZA DE DATOS
GESTIÓN DE VALORES NULOS Y ATÍPICOS
ESTANDARIZACIÓN Y NORMALIZACIÓN
PRÁCTICA: ANÁLISIS Y LIMPIEZA DE UN DATASET CON
PANDAS Y SCIKIT-LEARN
PRÁCTICA: ELIMINACIÓN DE VALORES ATÍPICOS Y
IMPUTACIÓN DE VALORES NULOS
EVALUACIÓN TEÓRICO / PRÁCTICA
3 - ALGORITMOS DE MACHINE LEARNING
REGRESIÓN (LINEAL Y LOGÍSTICA)
CLASIFICACIÓN: KNN, RANDOM FOREST, SVM
CLUSTERING: K-MEANS, DBSCAN
OVERFITTING Y TÉCNICAS DE VALIDACIÓN CRUZADA
CÓMO ELEGIR MODELOS PARA ENTORNOS CLOUD
COMPARACIÓN COSTES Y RENDIMIENTO EN AZURE ML
PRÁCTICA: APLICACIÓN DE REGRESIÓN LINEAL PARA
PREDECIR PRECIOS DE VIVIENDAS
PRÁCTICA: CONSTRUCCIÓN DE UN MODELO DE
CLASIFICACIÓN CON RANDOM FOREST
PRÁCTICA: IMPLEMENTACIÓN DE CLUSTERING CON KMEANS
EVALUACIÓN TEÓRICO / PRÁCTICA
4 - VISUALIZACIÓN DE RESULTADOS
HERRAMIENTAS DE VISUALIZACIÓN: MATPLOTLIB,
SEABORN
MÉTRICAS DE RENDIMIENTO: ACCURACY, PRECISION,
RECALL
OVERFITTING Y SESGOS EN LOS MODELOS
PRÁCTICA: CREACIÓN DE GRÁFICOS DE ERROR Y
PRECISIÓN
PRÁCTICA: ANÁLISIS DE UN MODELO Y OPTIMIZACIÓN
EVALUACIÓN TEÓRICO / PRÁCTICA
5 - BASES DE DATOS EN IA
SQL PARA MACHINE LEARNING
BASES DE DATOS NOSQL Y APLICACIÓN A IA
CRUD CON PYTHON Y BASES DE DATOS
PRÁCTICA: CREACIÓN Y MANIPULACIÓN DE UNA BASE
DE DATOS CON SQLITE Y MONGODB
EVALUACIÓN TEÓRICO / PRÁCTICA
6 - IA Y CLOUD COMPUTING
¿QUÉ ES AZURE AI? PRINCIPALES HERRAMIENTAS
DIFERENCIAS ENTRE INFERENCIA EN LOCAL Y EN LA
NUBE
AZURE MACHINE LEARNING
ENTRENAMIENTOS DE MODELOS EN AML
GESTIÓN DE DATASETS Y FEATURE ENGINEERING EN LA
NUBE
DESPLIEGUE Y MANTENIMIENTO DE MODELOS
OPTIMIZACIÓN DE COSTOS EN CLOUD AI
MONITORIZACIÓN Y DETECCIÓN DE SESGOS CON AZURE
AI RESPONSIBLE ML
INFRAESTRUCTURA DE IA EN CLOUD
MACHINE LEARNING PIPELINES EN AZURE
SEGURIDAD Y GOBERNANZA EN ENTORNOS DE IA
PRÁCTICA: CREACIÓN DE UN MODELO EN AZURE
MACHINE LEARNING
PRÁCTICA: EXPERIMENTACIÓN CON INFERENCIA EN
TIEMPO REAL
PRÁCTICA: COMPARACIÓN ENTRE INFERENCIA LOCAL VS.
INFERENCIA CLOUD
PRÁCTICA: ANÁLISIS DE COSTOS E IMPACTO EN AUTOML
EVALUACIÓN TEÓRICO / PRÁCTICA
7 - RESPONSIBLE AI Y ÉTICA
¿QUÉ ES AUTOML?
PLATAFORMAS: GOOGLE AUTOML, H2O.AI, AUTOSKLEARN
COMPARATIVA ENTRE AUTOML Y MODELOS MANUALES
SEGURIDAD Y GOBERNANZA DE MODELOS EN
PRODUCCIÓN
RIESGOS DE SEGURIDAD Y SESGOS EN CLOUD AI
PRÁCTICA: ANÁLISIS DE SESGOS EN UN DATASET REAL
PRÁCTICA: ENTRENAMIENTO DE UN MODELO CON
GOOGLE AUTOML
PRÁCTICA: COMPARACIÓN CON UN MODELO HECHO A
MANO
EVALUACIÓN TEÓRICO / PRÁCTICA
8 - PREPARACIÓN CERTIFICACIÓN MICROSOFT AZURE
SIMULACIÓN DE EXAMEN
REVISIÓN Y REPASO DE CONCEPTOS CLAVE
CERTIFICACIÓN
PRIMERA
Al finalizar el curso con éxito, el alumno obtendrá una certificación por parte del centro.
Información Adicional
Horarios
Fecha inicio: 08-01-2026 - Fecha Fin: 15-05-2026 - Plazas y convocatorias limitadas.
Inicio de clases Jueves aula virtual de 16:30 a 20:30 h., Viernes presencial de 17:00 a 20:00 h.
y Sábado: aula virtual-workshop de 10:00 a 13:00 h.
