910 887 138
Presentación Temario Metodología Titulación
Presentación
El Máster en Tecnologías Inteligentes para la Transformación Empresarial te sitúa en la vanguardia de un sector en pleno auge, donde la demanda de profesionales cualificados crece exponencialmente. En un entorno digital cada vez más complejo, comprender la transformación digital, desde la sociedad 3.0 hasta los nuevos modelos de negocio, es crucial. Este máster te capacita para liderar proyectos de Big Data, Business Intelligence y Data Science, dotándote de habilidades esenciales en análisis de datos con Python y visualización avanzada. Además, te introduce en la inteligencia artificial, machine learning y el impacto del IoT y la Industria 4.0. La formación online te ofrece flexibilidad para adquirir competencias innovadoras que son altamente valoradas en el mercado laboral actual, asegurándote un perfil competitivo y adaptado a los desafíos del futuro empresarial.
Para qué te prepara
El Máster en Tecnologías Inteligentes para la Transformación Empresarial te prepara para liderar la digitalización de negocios mediante la implementación de modelos innovadores y análisis de datos avanzados. Adquirirás habilidades en inteligencia artificial, machine learning y big data, permitiéndote optimizar procesos organizativos y desarrollar estrategias eficaces para nuevos mercados digitales. Además, te capacita en el uso de herramientas de visualización de datos y sistemas IoT para mejorar la toma de decisiones empresariales.
Objetivos
  • '
  • Desarrollar estrategias de transformación digital para maximizar el valor empresarial.
  • Analizar grandes volúmenes de datos usando herramientas de Big Data para decisiones empresariales.
  • Implementar soluciones de Business Intelligence para mejorar la competitividad.
  • Utilizar Python para el análisis y visualización avanzada de datos empresariales.
  • Aplicar técnicas de Machine Learning para optimizar procesos organizativos.
  • Diseñar sistemas inteligentes usando IA para personalizar la experiencia del cliente.
  • Integrar tecnologías IoT en la industria 4.0 para mejorar la eficiencia operativa.
A quién va dirigido
El Máster en Tecnologías Inteligentes para la Transformación Empresarial está dirigido a profesionales y titulados del sector tecnológico y empresarial que buscan profundizar en áreas como la transformación digital, big data, inteligencia artificial y el Internet de las Cosas. Ideal para aquellos que desean actualizar sus competencias y liderar proyectos innovadores en entornos digitales avanzados.
Salidas Profesionales
'- Consultor en transformación digital - Especialista en Business Intelligence - Analista de datos con Python - Desarrollador de soluciones de IA - Experto en Machine Learning y Deep Learning - Ingeniero en Visión Artificial - Gestor de proyectos de IoT - Especialista en Internet of Behaviors - Analista de sistemas ciberfísicos - Desarrollador de chatbots - Consultor en Smart Building
Metodología
Aprendizaje 100% online
Campus virtual
Equipo docente especializado
Centro del estudiante
Temario
  1. Introducción a la transformación digital
  2. Concepto de innovación
  3. Concepto de tecnología
  4. Tipología de la tecnología
  5. Punto de vista de la ventaja competitiva
  6. Según su disposición en la empresa
  7. Desde el punto de vista de un proyecto
  8. Otros tipos de tecnología
  9. La innovación tecnológica
  10. Competencias básicas de la innovación tecnológica
  11. El proceso de innovación tecnológica
  12. Herramientas para innovar
  13. Competitividad e innovación
  1. Filosofía Web 3.0 y su impacto en el mundo empresarial
  2. Socialización de la Web
  3. Adaptación del mundo empresarial a las Nuevas tecnologías
  1. Community Manager
  2. Chief Data Officer
  3. Data Protection Officer
  4. Data Scientist
  5. Otros perfiles
  6. Desarrollo de competencias informáticas
  7. El Papel del CEO como líder en la transformación
  1. La transición digital del modelo de negocio tradicional
  2. Nuevos modelos de negocio
  3. Freemium
  4. Modelo Long Tail
  5. Modelo Nube y SaaS
  6. Modelo Suscripción
  7. Dropshipping
  8. Afiliación
  9. Infoproductos y E-Learning
  10. Otros
  1. Diagnóstico de la madurez digital de la empresa
  2. Análisis de la innovación en la empresa
  3. Elaboración del roadmap
  4. Provisión de financiación y recursos tecnológicos
  5. Implementación del plan de transformación digital
  6. Seguimiento del plan de transformación digital
  1. BBVA y la empresa inteligente
  2. DKV Salud y #MédicosfrentealCOVID
  3. El Corte Inglés
  4. Cepsa y su apuesta por los servicios cloud de AWS
  1. Rediseñando el customer experience
  2. La transformación de los canales de distribución: omnicanalidad
  3. Plan de marketing digital
  4. Buyer´s Journey
  5. Growth Hacking: estrategia de crecimiento
  6. El nuevo rol del marketing en el funnel de conversión
  1. Oportunidades de innovación derivadas de la globalización
  2. Como Inventar Mercados a través de la Innovación
  3. Etapas de desarrollo y ciclos de vida
  4. Incorporación al mercado
  5. Metodologías de desarrollo
  1. La transformación digital de la cadena de valor
  2. La industria 4.0
  3. Adaptación de la organización a través del talento y la innovación
  4. Modelos de proceso de innovación
  5. Gestión de innovación
  6. Sistema de innovación
  7. Como reinventar las empresas innovando en procesos
  8. Innovación en Procesos a través de las TIC
  9. El Comercio Electrónico: innovar en los canales de distribución
  10. Caso de estudio voluntario: La innovación según Steve Jobs
  11. Caso Helvex: el cambio continuo
  12. La automatización de las empresas: RPA, RBA y RDA
  1. ¿Qué es Big Data?
  2. La era de las grandes cantidades de información: historia del Big Data
  3. La importancia de almacenar y extraer información
  4. Big Data enfocado a los negocios
  5. Open data
  6. Información pública
  7. IoT (Internet of Things-Internet de las cosas)
  1. Diagnóstico inicial
  2. Diseño del proyecto
  3. Proceso de implementación
  4. Monitorización y control del proyecto
  5. Responsable y recursos disponibles
  6. Calendarización
  7. Alcance y valoración económica del proyecto
  1. Definiendo el concepto de Business Intelligence y sociedad de la información
  2. Arquitectura de una solución Business Intelligence
  3. Business Intelligence en los departamentos de la empresa
  4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
  5. Sistemas Operacionales y Procesos ETL en un sistema de BI
  6. Ventajas y Factores de Riesgos del Business Intelligence
  1. Cuadros de Mando Integrales (CMI)
  2. Sistemas de Soporte a la Decisión (DSS)
  3. Sistemas de Información Ejecutiva (EIS)
  1. Introducción a la minería de datos y el aprendizaje automático
  2. Proceso KDD
  3. Modelos y Técnicas de Data Mining
  4. Áreas de aplicación
  5. Minería de Textos y Web Mining
  6. Data mining y marketing
  1. Aproximación al concepto de DataMart
  2. Bases de datos OLTP
  3. Bases de Datos OLAP
  4. MOLAP, ROLAP & HOLAP
  5. Herramientas para el desarrollo de cubos OLAP
  1. Visión General: ¿Por qué DataWarehouse?
  2. Estructura y Construcción
  3. Fases de implantación
  4. Características
  5. Data Warehouse en la nube
  1. ¿Qué es el Data Storytelling?
  2. Elementos clave del Data Storytelling
  3. ¿Por qué es importante el Data Storytelling?
  4. ¿Cómo hacer Data Storytelling?
  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Computing
  4. Aspectos legales en Protección de Datos
  1. ¿Qué es Weka?
  2. Técnicas de Data Mining en Weka
  3. Interfaces de Weka
  4. Selección de atributos
  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python. Dream Team del Big Data
  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop
  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis
  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados
  1. ¿Qué es el análisis de datos?
  1. Análisis de datos con NumPy
  2. Pandas
  3. Matplotlib
  1. Cómo usar loc en Pandas
  2. Cómo eliminar una columna en Pandas
  1. Pivot tables en pandas
  1. El grupo de pandas
  1. Python Pandas fusionando marcos de datos
  1. Matplotlib
  2. Seaborn
  1. Aprendizaje automático
  1. Regresión lineal
  2. Regresión logística
  1. Estructura de árbol
  1. Algoritmo de Naive bayes
  2. Tipos de Naive Bayes
  1. Máquinas de vectores soporte (Support Vector Machine-SVM)
  2. ¿Cómo funciona SVM?
  3. Núcleos SVM
  4. Construcción de clasificador en Scikit-learn
  1. K-nearest Neighbors (KNN)
  2. Implementación de Python del algoritmo KNN
  1. Análisis de componentes principales
  1. Algoritmo de Random Forest
  1. ¿Qué es la visualización de datos?
  2. Importancia y herramientas de la visualización de datos
  3. Visualización de datos: Principios básicos
  1. ¿Qué es Tableau? Usos y aplicaciones
  2. Tableau Server: Arquitectura y Componentes
  3. Instalación Tableau
  4. Espacio de trabajo y navegación
  5. Conexiones de datos en Tableau
  6. Tipos de filtros en Tableau
  7. Ordenación de datos, grupos, jerarquías y conjuntos
  8. Tablas y gráficos en Tableau
  1. Fundamentos D3
  2. Instalación D3
  3. Funcionamiento D3
  4. SVG
  5. Tipos de datos en D3
  6. Diagrama de barras con D3
  7. Diagrama de dispersión con D3
  1. Visualización de datos
  2. Tipologías de gráficos
  3. Fuentes de datos
  4. Creación de informes
  1. Instalación y arquitectura
  2. Carga de datos
  3. Informes
  4. Transformación y modelo de datos
  5. Análisis de datos
  1. Introducción a Power BI
  2. Instalación de Power BI
  3. Modelado de datos
  4. Visualización de datos
  5. Dashboards
  6. Uso compartido de datos
  1. CartoDB
  2. ¿Qué es CARTO?
  3. Carga y uso de datos. Tipos de análisis
  4. Programación de un visor con la librería CARTO.js
  5. Uso de ejemplos y ayudas de la documentación de la API
  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. PLN en Python con la librería NLTK
  2. 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. Aspectos introductorios
  2. ¿Qué es un chatbot?
  3. ¿Cómo funciona un chatbot?
  4. VoiceBots
  5. Desafios 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. La visión artificial: definiciones y aspectos principales
  1. Ópticas
  2. Iluminación
  3. Cámaras
  4. Sistemas 3D
  5. Sensores
  6. Equipos compactos
  7. Metodologías para la selección del hardware
  1. Algoritmos
  2. Software
  3. Segmentación e interpretación de imágenes
  4. Metodologías para la selección del software
  1. Aplicaciones clásicas: discriminación, detección de fallos…
  2. Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
  1. Descripción general OpenCV
  2. Instalación OpenCV para Python en Windows
  3. Instalación OpenCV para Python en Linux
  4. Anaconda y OpenCV
  1. Manejo de archivos
  2. Leer una imagen con OpenCV
  3. Mostrar imagen con OpenCV
  4. Guardar una imagen con OpenCV
  5. Operaciones aritméticas en imágenes usando OpenCV
  6. Funciones de dibujo
  1. Redimensión de imágenes
  2. Erosión de imágenes
  3. Desenfoque de imágenes
  4. Bordeado de imágenes
  5. Escala de grises en imágenes
  6. Escalado, rotación, desplazamiento y detección de bordes
  7. Erosión y dilatación de imágenes
  8. Umbrales simples
  9. Umbrales adaptativos
  10. Umbral de Otsu
  11. Contornos de imágenes
  12. Incrustación de imágenes
  13. Intensidad en imágenes
  14. Registro de imágenes
  15. Extracción de primer plano
  16. Operaciones morfológicas en imágenes
  17. Pirámide de imágen
  1. Analizar imágenes usando histogramas
  2. Ecualización de histogramas
  3. Template matching
  4. Detección de campos en documentos usando Template matching
  1. Espacios de color en OpenCV
  2. Cambio de espacio de color
  3. Filtrado de color
  4. Denoising de imágenes en color
  5. Visualizar una imagen en diferentes espacios de color
  1. Detección de líneas
  2. Detección de círculos
  3. Detectar esquinas (Método Shi-Tomasi)
  4. Detectar esquinas (método Harris)
  5. Encontrar círculos y elipses
  6. Detección de caras y sonrisas
  1. Vecino más cercano (K-Nearest Neighbour)
  2. Agrupamiento de K-medias (K-Means Clustering)
  1. Contexto Internet de las Cosas (IoT)
  2. ¿Qué es IoT?
  3. Elementos que componen el ecosistema IoT
  4. Arquitectura IoT
  5. Dispositivos y elementos empleados
  6. Ejemplos de uso
  7. Retos y líneas de trabajo futuras
  1. Contexto Sistemas Ciberfísicos (CPS)
  2. Características CPS
  3. Componentes CPS
  4. Ejemplos de uso
  5. Retos y líneas de trabajo futuras
  1. Conceptos previos
  2. Objetivos de la automatización
  3. Grados de automatización
  4. Clases de automatización
  5. Equipos para la automatización industrial
  6. Diálogo Hombre-máquina, HMI y SCADA
  1. ¿Qué es la Industria 4.0?
  2. Sensores y captación de información
  3. Ciclo de vida de los productos en la Industria 4.0
  4. Modelos de negocio basados en la industria 4.0
  5. IoT industrial
  1. Industria 4.0
  2. Necesidades en ciberseguridad en la Industria 4.0
  3. Ciberseguridad en Sistemas de Control Industrial (IC)
  4. Amenazas y riesgos en los entornos IC
  5. Mecanismo de defensa frente a ataques en entornos IC
  1. Introducción
  2. Filosofía BIM
  3. Sector AEC
  4. Exigencias del mercado
  5. Del BIM al CIM
  6. Software BIM
  1. El concepto de Smart Building
  2. El crecimiento del Smart Building desde su inicio
  3. El mercado del Smart Building en España
  1. Climatización
  2. Iluminación
  3. Seguridad
  4. Telecomunicaciones
  5. Eficiencia energética
  6. Monitorización
  1. ¿Qué es un sistema embebido?
  2. Hardware
  3. Software
  4. Funcionamiento de los sistemas embebidos
  5. Ciclo de vida de desarrollo de software
  1. Sensores para IoT
  2. Sensores de temperatura
  3. Sensor de proximidad
  4. Sensor de presión
  5. Sensor de calidad del agua
  6. Sensor de calidad del agua
  7. Sensor de gas
  8. Sensor de humo
  9. Sensores IR(infrarojos)
  10. Sensores de nivel
  11. Sensores de imagen
  12. Sensores de detección de movimiento
  13. Sensores de acelerómetro
  14. Sensores de giroscopio
  15. Sensores de humedad
  16. Sensores ópticos
  1. Arquitectura IoT
  2. Capas de la arquitectura IoT
  3. Tipos de redes IoT
  4. Seguridad en redes IoT
  1. Tecnología inalámbrica para IoT
  2. 2G/3G/4G/5G Móvil
  3. 802.15.4
  4. 6LoWPAN Direcciones Nodos
  5. Bluetooth
  6. LoRaWan
  7. LTE Cat 0/1
  8. NB-IoT
  9. SIGFOX
  10. Weightless
  11. Wi-Fi
  12. WirelessHART
  13. Zigbee
  14. Z-Wave
  1. Diseño lógico de IoT
  2. Bloques funcionales de IoT
  3. Modelos de comunicación de IoT y relación
  4. Modelos de comunicación de IoT y arquitectura
  5. API de comunicación de IoT
  1. Aplicación de IoT
  2. Agricultura inteligente
  3. Vehículos inteligentes
  4. Hogar inteligente
  5. Control inteligente de la contaminación
  6. Smart Healthcare
  7. Ciudades Inteligentes
  8. Smart Retail
  9. Business Analytics
  10. Wearables
  11. Automatización industrial
  12. Ejemplo de aplicación
  13. Principales aplicaciones de IoT
  1. Introducción al IoB
  2. Beneficios de IoB
  3. Internet de las cosas (IoT)
  4. Deep Learning
  5. Machine Learning
  6. IA
  7. Big Data
  8. Selección de datos de IoB
  1. Orígenes de Internet
  2. Productos de IoB en uso o en desarrollo
  3. Potenciales beneficios de IoB
  4. Problemas de IoB
  5. El futuro del IoB
  1. Recopilación de datos y análisis del comportamiento
  2. Uso de IoB en varios sectores
  3. IoB para satisfacer las necesidades de los clientes
  4. Estrategias de IoB
  5. Atributos de calidad relacionados con IoB
  6. Pasos de trabajo con IoB
  7. Aplicaciones de IoB
  1. Funcionalidades de los sensores IoB
  2. Red de sensores inalámbricos
  3. RFID
  4. Códigos QR
  5. Tarjetas
  1. Ética de la sociedad de información
  2. Políticas de ética corporativa
  3. Estudios de caso
  4. Influencia en el comportamiento del consumidor
  5. Riesgos morales de la nueva tecnología
  1. Legislación acerca del IoB
  2. Protección de datos
  3. RGPD
  4. Responsabilidad de tratamiento de datos personales
  5. Reglas de privacidad de datos
  6. CNIL
  7. Consentimiento y control del usuario
Titulación
Titulación de Máster en Tecnologías Inteligentes para la Transformación Empresarial 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
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