Se muestran a continuación las áreas de formación de este programa de especialización y los contenidos básicos a adquirir en cada una de ellas:

5144. Inteligencia artificial y aprendizaje automático. (45 horas, 5 ECTS)

Caracterizar sistemas de Inteligencia Artificial relacionándolos con las aplicaciones más comunes

Determinar la aplicación de principios legales y éticos al desarrollo de la Inteligencia Artificial, integrándolos como parte del proceso.

Caracterizar la Inteligencia Artificial fuerte y débil, determinando usos y posibilidades.

5104. Extracción, transformación y carga de datos desde fuentes múltiples. (115 horas, 13 ECTS)

Reconocer la tipología de las fuentes u orígenes de datos, identificando sus características y aplicaciones usuales, ventajas e inconvenientes.
Aplicar las operaciones de acceso, extracción y transformación de datos desde bases de datos relacionales, usando los lenguajes propios de cada sistema gestor y herramientas software.

Efectuar operaciones para la creación de tablas y vistas destino o intermedias de los datos y para la carga masiva de información en sistemas de bases de datos relacionales, usando los lenguajes propios de cada sistema gestor y herramientas software.

Efectuar operaciones de acceso, extracción y transformación desde bases de datos noSQL, usando los lenguajes propios de cada sistema gestor y herramientas software.

Emplear lenguajes para la carga y transformación de información en sistemas de bases de datos no SQL, mediante el uso de métodos que ejecutan las operaciones al efecto.

Utilizar lenguajes para el almacenaje de información en archivos de texto estructurados para el intercambio de datos, tales como ficheros planos, XML y JSON, invocando los métodos que ejecutan cada operación al efecto

Aplicar las operaciones de acceso, extracción y transformación de datos procedentes de otras fuentes de datos, tales como fuentes de datos no estructurados, diferenciando según el tipo de fuente extraída.

5109. Depuración, limpieza y clasificación de datos. (75 horas, 9 ECTS)

Identificar la estructura y variables en los datos en el dominio de aplicación, así como su cobertura y calidad del conjunto, aplicando técnicas exploratorias mediante análisis exploratorios de datos (AED) para la selección de atributos clave en el entrenamiento posterior.

Verificar los datos mediante técnicas estadísticas, escribiendo código para explorar sus atributos y evaluando la cobertura y calidad del conjunto, de modo que permita la selección de los atributos clave para el entrenamiento de modelos.

Aplicar técnicas de selección de datos, depurando, limpiando, construyendo y clasificándolos en conjuntos, para su uso posterior en el modelado analítico.

5134. Diseño y evaluación de modelos basados en aprendizaje automático. (75 horas, 9 ECTS)

Colaborar en la búsqueda de correlaciones entre las variables, utilizando herramientas que incorporan técnicas de la estadística y el aprendizaje automático, con anterioridad al diseño y entrenamiento de modelos.

Aplicar la reducción de la dimensión de las muestras de los conjuntos de datos, usando la programación o herramientas software, para obtener una representación de los mismos mediante variables latentes.

Representar los datos gráficamente, para corroborar visualmente las correlaciones encontradas, verificando la reducción de la dimensión aplicada sobre el conjunto de datos con los que se esté trabajando.

Colaborar en el diseño de modelos basados en aprendizaje automático (machine learning –ML–), seleccionando, ensayando y evaluando técnicas, modelos, parámetros y métricas, para aplicarlos sobre el conjunto de datos con el objeto de abordar el problema planteado según su tipo de regresión o de clasificación.

Evalúar los modelos diseñados, definiendo un subconjunto de test, cuando el conjunto de datos no lo tuviera previamente definido y creando nuevas particiones de validación y entrenamiento una vez separado el subconjunto de test.

5149. Desarrollo de componentes software para sistemas de aprendizaje automático. (90 horas, 11 ECTS)

Modelizar algoritmos de carácter general y específicos de Inteligencia Artificial, previa interpretación, usando lenguajes propios del sector para integrarlos en sistemas de Inteligencia Artificial.

Elaborar programas para Inteligencia Artificial bajo el paradigma de Programación Orientada a Objetos (POO) en lenguajes de uso propio del sector para aplicar los algoritmos elaborados, siguiendo especificaciones de análisis y diseño.

Programar sistemas de redes neuronales de extracción del conocimiento de la Inteligencia Artificial para la predicción de tendencias o la organización y descripción de datos, codificando programas mediante técnicas y algoritmos al efecto bajo supervisión de la persona científica de datos responsable.

Programar software para la extracción de patrones preparatorios aplicables en aprendizaje automático (Machine Learning –ML-) usando librerías predefinidas, para aplicar un análisis estadístico de los datos, bajo supervisión de la persona científica de datos responsable.

Desarrollan su actividad profesional dentro de las áreas de sistemas y desarrollo dedicadas a la gestión y proceso de datos y desarrollo de aplicaciones inteligentes, en entidades de naturaleza pública o privada, en empresas de gran tamaño, medianas y pequeñas empresas, tanto por cuenta propia como ajena, con independencia de su forma jurídica.
Desarrollan su actividad dependiendo en su caso, funcional y/o jerárquicamente de un superior. Pueden tener personal a su cargo en ocasiones, por temporadas o de forma estable. En el desarrollo de la actividad profesional se aplican los principios de accesibilidad universal o diseño para todas las personas de acuerdo con la normativa aplicable.

Las ocupaciones y puestos de trabajo más relevantes son los siguientes:

• Técnicos y técnicas en proceso y analítica de datos.
• Integradores e integradoras de sistemas de información.

(V) Horario de tarde
(@) virtual
(S) semipresencial