910 887 138
Presentación Temario Metodología Titulación
Presentación
El Máster en Aplicaciones de Inteligencia Artificial en la Educación se presenta en un momento crucial donde la transformación digital está redefiniendo el ámbito educativo. La inteligencia artificial, el machine learning y las tecnologías de vanguardia son ahora esenciales para innovar en la enseñanza y mejorar la experiencia educativa. Este máster te proporciona las herramientas necesarias para integrar estas tecnologías en el aula, permitiéndote liderar proyectos de transformación digital y aplicar metodologías emergentes. Aprenderás sobre humanidades digitales, procesamiento de lenguaje natural, chatbots, y robótica educativa, adquiriendo habilidades que son altamente demandadas en el sector. Al finalizar, estarás preparado para impulsar el cambio en la educación, haciendo uso de la inteligencia artificial para desarrollar entornos de aprendizaje más dinámicos e inclusivos.
Para qué te prepara
El Máster en Aplicaciones de Inteligencia Artificial en la Educación te prepara para integrar herramientas de IA en el entorno educativo, fomentando la innovación en la enseñanza. Aprenderás a desarrollar sistemas de recomendación, chatbots y a aplicar machine learning con Arduino, potenciando así la personalización del aprendizaje. Además, desarrollarás habilidades para gestionar proyectos de transformación digital en centros educativos y aplicar tecnologías emergentes como realidad aumentada y robótica, mejorando la experiencia educativa.
Objetivos
  • Aplicar algoritmos de IA para optimizar el aprendizaje en entornos educativos digitales.
  • Diseñar sistemas de recomendación para personalizar la educación usando Machine Learning.
  • Desarrollar chatbots educativos que mejoren la interacción en plataformas de aprendizaje.
  • Implementar redes neuronales para analizar datos educativos con Python y TensorFlow.
  • Integrar la robótica educativa en el aula para fomentar el pensamiento computacional.
  • Utilizar la realidad aumentada para enriquecer la experiencia educativa en aulas digitales.
  • Gestionar proyectos de transformación digital en centros educativos con tecnologías emergentes.
A quién va dirigido
El Máster en Aplicaciones de Inteligencia Artificial en la Educación está dirigido a profesionales del sector educativo y tecnológico, como docentes, investigadores y desarrolladores, que buscan ampliar sus conocimientos en el uso de IA, machine learning y tecnologías emergentes en el aula. Ideal para quienes desean innovar en la cultura digital y aplicar herramientas como redes neuronales y robótica educativa.
Salidas Profesionales
- Diseñador de sistemas educativos con IA - Desarrollador de aplicaciones de aprendizaje personalizado - Especialista en analítica de aprendizaje - Consultor en transformación digital educativa - Investigador en tecnologías emergentes para la educación - Diseñador de chatbots educativos - Formador en robótica y programación educativa - Coordinador de proyectos de innovación pedagógica
Metodología
Aprendizaje 100% online
Campus virtual
Equipo docente especializado
Centro del estudiante
Temario
  1. Orígenes y evolución
  2. Un acercamiento a la definición de humanidades digitales
  1. Las distintas olas de las humanidades digitales
  2. Ciencias sociales y humanidades digitales
  3. La investigación a través de los nuevos medios
  4. Espacios e infraestructuras: Labs, asociaciones y redes
  1. Aprender en el siglo XXI
  2. Extraer y construir conocimiento en la era digital
  3. La web semántica y el aprendizaje
  4. Hacia el aprendizaje colaborativo
  1. Hipermediaciones y nuevos ecosistemas colaborativos
  2. Espacio y tiempo de las hipermediaciones
  3. Desarrollar nuestras habilidades cognitivas
  4. Economía colaborativa y aprendizajes informales
  1. Introducción a la Inteligencia Artificial
  2. Historia
  3. La importancia de la IA
  1. Tipos de Inteligencia Artificial
  1. Algoritmos aplicados a la Inteligencia Artificial
  1. Relación entre Inteligencia Artificial y Big Data
  2. IA y Big Data combinados
  3. El papel del Big Data en IA
  4. Tecnologías de IA que se están utilizando con Big Data
  1. Sistemas expertos
  2. Estructura de un sistema experto
  3. Inferencia: Tipos
  4. Fases de construcción de un sistema
  5. Rendimiento y mejoras
  6. Dominios de aplicación
  7. Creación de un sistema experto en C#
  8. Añadir incertidumbre y probabilidades
  1. Futuro de la Inteligencia Artificial
  2. Impacto de la IA en la industria
  3. El impacto económico y social global de la IA y su futuro
  1. Introducción
  2. Clasificación de algoritmos de aprendizaje automático
  3. Ejemplos de aprendizaje automático
  4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
  5. Tipos de algoritmos de aprendizaje automático
  6. El futuro del aprendizaje automático
  1. Introducción
  2. Algoritmos
  1. Introducción
  2. Filtrado colaborativo
  3. Clusterización
  4. Sistemas de recomendación híbridos
  1. Clasificadores
  2. Algoritmos
  1. Componentes
  2. Aprendizaje
  1. Introducción
  2. El proceso de paso de DSS a IDSS
  3. Casos de aplicación
  1. Aprendizaje profundo
  2. Entorno de Deep Learning con Python
  3. Aprendizaje automático y profundo
  1. Redes neuronales
  2. Redes profundas y redes poco profundas
  1. Perceptrón de una capa y multicapa
  2. Ejemplo de perceptrón
  1. Tipos de redes profundas
  2. Trabajar con TensorFlow y Python
  1. Entrada y salida de datos
  2. Entrenar una red neuronal
  3. Gráficos computacionales
  4. Implementación de una red profunda
  5. El algoritmo de propagación directa
  6. Redes neuronales profundas multicapa
  1. ¿Qué es PLN?
  2. ¿Qué incluye el PLN?
  3. Ejemplos de uso de PLN
  4. Futuro del PLN
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. PLN en Python con la librería NLTK
  5. Otras herramientas para PLN
  1. Principios del análisis sintáctico
  2. Gramática libre de contexto
  3. Analizadores sintácticos (Parsers)
  1. Aspectos introductorios del análisis semántico
  2. Lenguaje semántico para PLN
  3. Análisis pragmático
  1. Aspectos introductorios
  2. Pasos en la extracción de información
  3. Ejemplo PLN
  4. Ejemplo PLN con entrada de texto en inglés
  1. Introducción a la Inteligencia artificial
  2. El Test de Turing
  3. Agentes Inteligentes
  4. Aplicaciones de la inteligencia artificial
  1. Aspectos introductorios
  2. ¿Qué es un chatbot?
  3. ¿Cómo funciona un chatbot?
  4. VoiceBots
  5. Desafíos para los Chatbots
  1. Chatbots y el papel de la Inteligencia Artificial (IA)
  2. Usos y beneficios de los chatbots
  3. Diferencia entre bots, chatbots e IA
  1. Áreas de aplicación de Chatbots
  2. Desarrollo de un chatbot con ChatterBot y Python
  3. Desarrollo de un chatbot para Facebook Messenger con Chatfuel
  1. ¿Qué es la inteligencia artificial?
  2. Hardware y software unidos por la Inteligencia Artificial
  3. Inteligencia Artificial y Visión Artificial
  4. Arduino: introducción
  1. Instalación de Arduino
  2. Configurando tu Arduino para Python
  1. Control de Arduino
  1. Manejo de entradas
  2. Entradas analógicas
  1. Salidas analógicas
  2. Valores analógicos en Arduino
  1. Introducción al machine learning
  2. Aprendizaje supervisado
  3. Aprendizaje no supervisado
  1. Redes neuronales y deep learning
  2. Series Temporales
  1. Funciones y parámetros
  2. Variables y constantes especializadas
  3. Estructura de control
  1. Introducción
  2. ¿Qué son los datos de entrenamiento de IA?
  3. ¿Por qué se requieren datos de entrenamiento de IA?
  4. ¿Cuántos datos son adecuados?
  5. ¿Qué afecta la calidad de los datos en el entrenamiento?
  1. Crear red neural paso a paso
  2. Redes neuronales: Aprendizaje
  3. Otras redes neuronales
  1. Fundamentos para la transformación digital escolar
  2. Concepto y fases de la transformación digital
  3. Etapas para la transformación digital de centros educativos
  1. La pizarra digital
  2. Wikis
  3. Blogs
  4. Blended Learning
  5. Realidad aumentada y entornos inmersivos
  6. Flipped Clasroom
  7. Aprendizaje basado en proyectos (ABP)
  8. Gamificación educativa
  9. Mobile learning
  1. Las redes sociales en educación
  2. Rol del docente y del alumnado
  3. Ejemplos de redes sociales educativas
  4. Uso responsable
  1. Concepto y propiedades
  2. Tipos
  3. Construcción de recursos
  4. Fundamentos psicológicos
  5. Posibilidades educativas
  6. Aplicaciones educativas
  1. Evolución y Conceptualización de la Inteligencia artificial
  2. Investigación, desarrollo y tecnologías en IA
  3. Inteligencia artificial en educación
  1. ¿Qué es la robótica educativa?
  2. Etapas educativas en las que se implementa
  3. Beneficios de la robótica educativa en educación
  4. Introducción de la robótica en el currículo
  5. Robótica educativa en Educación Infantil
  6. Robótica educativa en Educación Primaria
  7. Robótica educativa en la ESO
  1. Programación y lenguajes de programación
  2. Scratch, S4A, AppInventor, bitbloq, Arduino
  3. Proyecto Arduino
  4. Entradas y salidas digitales
  1. Instalación y configuración de bitbloq
  2. Primer programa: “Hola Mundo”
  3. Sentencias condicionales if-else
  4. Sentencias condicionales switch-case
  1. Variables locales y variables globales
  2. Funciones, parámetros y valor de retorno
  3. Bucle while
  4. Bucle for
  1. Robots, tipos, aplicaciones Robots en el aula
  2. El PrintBot Evolution Montaje
  3. Primer Programa con el PrintBot Evolution
  4. Teleoperando el PrintBot Evolution desde Android
  1. ¿Qué es un sigue-líneas? ¿Cómo funciona?
  2. Programación de un sigue-líneas
  3. Modificaciones de un sigue-líneas
  1. ¿Qué es un huye-luz? ¿Cómo funciona?
  2. Programación de un huye-luz
  3. Modificaciones de un huye-luz
  1. ¿Qué es un evita-obstáculos? ¿Cómo funciona?
  2. Programación de un evita-obstáculos
  3. Modificaciones de un evita-obstáculos
  4. Máquinas de estados
  1. Introducción
  2. Configuración y utilización de la PDI
  3. Uso innovador de la PDI en el desarrollo de clase
  4. Recursos educativos para la aplicación de la PDI en el aula
  1. Aplicación de las Tablets en la educación
  1. Introducción a la aplicación de las redes sociales a la educación
  2. Las redes sociales en la educación
  3. Seguridad y aspectos legales en las redes sociales
  1. Introducción a la gamification
  2. Diseño de Gamification
  1. Open P-TECH
  2. Registro y configuración de cuentas
  3. Recursos y cursos disponibles
  4. Navegación y uso de la interfaz de usuario
  5. Personalización de perfiles y preferencias
  1. Gestión de estudiantes
  2. Contenido educativo
  3. Cuestionarios
  4. Planes de aprendizaje
  1. Scratch
  2. Bloques de programación
  3. Programación estructurada
  4. Entorno de programación de Scratch
  5. Creando un proyecto en Scratch
  6. Definición de variables
  1. Conceptos fundamentales de la inteligencia artificial
  2. Exploración de Machine Learning for Kids
  3. Ética y responsabilidad en la inteligencia artificial
  1. Recopilación de datos
  2. Planificación y diseño de proyectos de inteligencia artificial
  3. Crear un proyecto de clasificación de texto
  4. Crear un proyecto de clasificación de imágenes
  5. Proyectos de aprendizaje automático
Titulación
Doble Titulación: - Titulación de Máster en Aplicaciones de Inteligencia Artificial en la Educación con 1500 horas expedida por EDUCA BUSINESS SCHOOL como Escuela de Negocios Acreditada para la Impartición de Formación Superior de Postgrado, con Validez Profesional a Nivel Internacional - Titulación Universitaria en Programación Robótica en el Aula con 5 Créditos Universitarios ECTS.
INFÓRMATE SIN COMPROMISO
¡

Entidades colaboradoras

Logo Educa Logo educa edtech
Logo QS
Aviso Legal Política de Privacidad Condiciones de matriculación Política de Cookies Canal de denuncias