IFCD0174

IFCD0174 Programa Machine Learning e Inteligencia Artificial

Compatibilidad
SCORM 1.2. Compatible con Moodle, Canvas, Blackboard, TalentLMS y otros
Trazabilidad para FUNDAE
Registros completos de actividad y evaluación, listos para auditoría
Idiomas
Castellano, catalán, euskera y gallego
Última revisión
2026

Contenido del programa

Introducción al Machine Learning y la Inteligencia Artificial

4 secciones

Ver todo

Familiarización con el Machine Learning y la Inteligencia Artificial

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Conocimiento de los principios fundamentales de ML y AI
  • Identificación de aplicaciones actuales en la industria
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Gestión de los conceptos básicos de Machine Learning

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Definición de Machine Learning
  • Introducción a los tipos de aprendizaje: supervisado, no supervisado y reforzado
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Comprensión del impacto de la IA en la sociedad

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Estudio del impacto económico, social y ético de la IA
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Aplicación de medidas de eficiencia energética y sostenibilidad ambiental

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Optimización del consumo energético mediante la gestión eficiente de recursos
  • Utilización de tecnologías de virtualización para consolidar servidores
  • Gestión eficiente del almacenamiento para reducir el desperdicio de espacio
  • Uso de herramientas de monitorización para identificar y reducir el consumo innecesario de recursos
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Estadística aplicada al Machine Learning

3 secciones

Ver todo

Administración de herramientas estadísticas para Machine Learning

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Uso de estadísticas descriptivas en la práctica de ML
  • Análisis de distribución de datos
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Aplicación de técnicas estadísticas en modelos predictivos

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Estudio de regresión y análisis de varianza
  • Utilización de métodos estadísticos para mejorar la predicción en ML
  • Interpretación de los resultados estadísticos
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Análisis e interpretación de los outputs de los modelos

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Análisis e interpretación de los outputs de los modelos
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Programación en Python para Machine Learning

3 secciones

Ver todo

Desarrollo de habilidades en programación Python

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Familiarización con sintaxis básica y avanzada de Python
  • Implementación de estructuras de datos en Python para ML
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Aplicación de bibliotecas de Python para Machine Learning

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Uso de bibliotecas como NumPy, Pandas, y Matplotlib
  • Implementación de algoritmos básicos utilizando Python
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Optimización de modelos en Python

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Ajuste de parámetros y optimización de modelos de ML en Python
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Preparación de Datos: ETL y limpieza de datos

2 secciones

Ver todo

Gestión de datos en Machine Learning

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Técnicas de recolección y transformación de datos
  • Limpieza de datos para garantizar calidad en el análisis
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Implementación de procesos ETL (Extract, Transform, Load)

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Uso de herramientas para la preparación y limpieza de datos
  • Aplicación de técnicas de integración de datos
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Modelos de Aprendizaje Supervisado

2 secciones

Ver todo

Desarrollo de modelos supervisados

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Implementación de regresión y clasificación
  • Aplicación de técnicas de supervisión para modelos predictivos
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Evaluación de los modelos supervisados

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Métodos de validación cruzada
  • Métricas de evaluación: precisión, recall, F1-score
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Modelos de Aprendizaje No Supervisado

2 secciones

Ver todo

Desarrollo de modelos no supervisados

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Implementación de clustering y reducción de dimensionalidad
  • Uso de K-means y PCA para la segmentación de datos
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Análisis de patrones con aprendizaje no supervisado

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Identificación de patrones ocultos en los datos sin etiquetas
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Aprendizaje Reforzado

2 secciones

Ver todo

Fundamentación del aprendizaje reforzado

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Comprensión de la teoría detrás del aprendizaje reforzado
  • Aplicación en la optimización de decisiones en entornos dinámicos
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Implementación de algoritmos de aprendizaje reforzado

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Desarrollo de agentes de aprendizaje utilizando Q-learning y Deep Q Networks
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Deep Learning y Redes Neuronales

2 secciones

Ver todo

Comprensión de Deep Learning y redes neuronales

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Introducción a redes neuronales artificiales
  • Estudio de la arquitectura de redes profundas
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Implementación de redes neuronales para tareas complejas

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Desarrollo de redes neuronales para clasificación y predicción de datos
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Análisis avanzado de datos

2 secciones

Ver todo

Aplicación de técnicas avanzadas de análisis de datos

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Implementación de métodos estadísticos avanzados para el análisis de grandes volúmenes de datos
  • Uso de Machine Learning para extraer insights
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Optimización de modelos predictivos en grandes volúmenes de datos

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Técnicas de Big Data y su integración con Machine Learning
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Visualización de Datos con Python

2 secciones

Ver todo

Gestión de visualización de datos en Machine Learning

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Uso de herramientas como Matplotlib, Seaborn, y Plotly para visualización
  • Creación de gráficos interactivos para la presentación de resultados
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Aplicación de la visualización para la interpretación de resultados

  • Introducción
  • Objetivos
  • Diagrama
  • Evaluación inicial
  • Presentación visual de datos para facilitar la toma de decisiones
  • Podcast
  • Recuerda
  • Tarjetas de estudio
  • Autoevaluación
  • Quiero saber más

Diseñado para que terminen

Los cursos buenos son los que se terminan. Cada recurso está pensado para mantener a tus estudiantes avanzando: desde el primer objetivo hasta el cierre del curso.

  • Objetivos

    Saben qué van a aprender al inicio de cada tema. Sin avanzar a ciegas.

  • Diagramas

    Conceptos clave visualizados antes de leer. Menos esfuerzo, mejor retención.

  • Podcasts

    Otro formato para avanzar fuera del ordenador: en el coche, andando, entre tareas.

  • Autoevaluaciones

    Saben dónde están en cada paso. Sin sorpresas al final del curso.

  • Tarjetas de estudio

    Repasan en 5 minutos. No tienen que releer todo el tema antes de avanzar.

  • Recuerda

    Cierre de cada tema con lo esencial. Pasan al siguiente con todo claro.

  • Quiero saber más

    Opcional, para curiosos. No alarga el curso de quien solo quiere terminar.

Demo abierta

Pruébalo tú mismo. Un curso completo, sin formularios.

SEAD025PO Básico de Gestión de Prevención de Riesgos Laborales · 50h · 4 idiomas

Abrir demo
O en:Català·Galego·Euskara