Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.
APLICACIONES INDUSTRIALES DEL APRENDIZAJE AUTOMÁTICO Y LA INTELIGENCIA ARTIFICIAL
Modalidad de impartición
- Presencial
- Teleformación
Objetivo general:
Definir los conceptos básicos sobre inteligencia artificial, aprendizaje automático y el funcionamiento de los diferentes tipos de redes neuronales.
Requisitos de acceso del alumnado
Cumplir como mínimo alguno de los siguientes requisitos:
- Certificado de profesionalidad de nivel 1
- Título Profesional Básico (FP Básica) o equivalente
- Título de Graduado en Educación Secundaria Obligatoria (ESO)
- Título de Técnico (FP Grado medio) o equivalente
- Certificado de profesionalidad de nivel 2
- Haber superado la prueba de acceso a Ciclos Formativos de Grado Medio
- Título de Bachiller o equivalente
- Haber superado cualquier prueba oficial de acceso a la universidad
En caso de no disponer de la acreditación/titulación, se podrá requerir una experiencia profesional de al menos 6 meses relacionada con el objetivo general de la especialidad y/o una prueba de acceso para verificar que se poseen las habilidades necesarias para cursar con aprovechamiento la formación.
Además de lo indicado anteriormente, los participantes han de tener las destrezas suficientes para ser usuarios de la plataforma virtual en la que se apoya la acción formativa.
Módulo 1
Evolución histórica de la Inteligencia Artificial y Machine Learning
15 horas
Introducción a la Inteligencia Artificial y Machine Learning
- Evolución histórica de la Inteligencia Artificial
- Observación de la Inteligencia Artificial y Machine Learning
- Aproximación a redes neuronales y deep learningç
Módulo 2
Fundamentos de redes neuronales
15 horas
Introducción a las redes neuronales
- Aproximación conceptual y estructura de una red neuronal
- Identificación de los tipos de redes neuronales más comunes
- Aplicación de deep learning en redes neuronales
Módulo 3
Ejercicios prácticos con Keras / Tensor Flow 10 horas
Observación de ejercicios prácticos con Keras /Tensor Flow
- Definición y optimización de una red plana
- Definición y optimización de una red convolucional
- Definición y optimización de una red recursiva