Introducción al máster: Machine/Deep Learning/IA. Principales programas para IA. R y Python con Tensorflow/Keras/Pytorch. Ejemplos de programación en dichas herramientas.

Redes neuronales multicapa estrechas y profundas. Implementación de modelos neuronales profundos con Keras/Tensorflow. Aplicaciones en modelización y clasificación: ejemplos. Autoencoders. Redes convolucionales. Arquitecturas y Algoritmos de aprendizaje. Aprendizaje por transferencia. Ejemplos de aplicación.

Redes neuronales recurrentes (RNN): LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit), Bidirectional LSTM. Aplicaciones en finanzas. Redes Generativas Adversariales (GAN).

Introducción. Fundamentos matemáticos: Ecuación de Bellman. Procesos MDP. Aprendizaje por diferencias temporales. SARSA. Q-Learning. DQN y variantes. RL basado en políticas. Modelos Actor-Crítico. Versiones profundas. Ejemplos de aplicación.

Adquisición y preprocesado de texto. Extracción de características BoW y TF-IDF. Topic Modeling. Extracción de información. Word embeddings. Transformers. Modelos generativos. Ejemplos de aplicación.

APIs de aprendizaje automático. Soluciones Amazon Web Services: productos de DL y ML. Soluciones Google: AutoML, AI Hub. Microsoft Azure Machine Learning: servicios cognitivos. IBM: AutoAI.

Seminarios sobre aplicaciones de la IA en diferentes campos del negocio, empresa y salud. Serán impartidas por profesionales de diferentes empresas/consultoras/industrias.

Se desarrollará un caso práctico y de negocio usando IA por parte de los alumnos que desarrollará por grupos.