Máster en Inteligencia Artificial Aplicada

Aprende a diseñar soluciones de IA con impacto real: ML, Deep Learning y GenAI, con enfoque responsable y orientado a negocio.

Visión general

Programa práctico para construir sistemas de IA de extremo a extremo: preparación de datos, entrenamiento, evaluación, despliegue y gobernanza. Incluye MLOps, ética, privacidad y aplicaciones reales en empresas.

Plan de estudios (Asignaturas / Módulos)

• Preparar datos y entrenar modelos supervisados/no supervisados.

• Evaluar modelos con métricas y validación rigurosa.

• Aplicar Deep Learning y técnicas modernas.

• Construir soluciones con GenAI/LLMs de forma responsable.

• Desplegar y monitorizar modelos con MLOps.

Para quién es

• Profesionales que quieren aplicar IA en su sector.

• Devs/Data engineers que quieren dar el salto a ML/MLOps.*

• Analistas que buscan construir modelos y productos inteligentes.

Lo que serás capaz de hacer

• M1 — Foundations: Python, Data & AI Mindset

  Python para datos, exploración, limpieza y fundamentos de IA.

  Temas: notebooks · EDA · pipelines de datos

• M2 — Machine Learning Fundamentals

  Modelos clásicos, features, validación y métricas.

  Temas: regresión/clasificación · overfitting · cross-validation

• M3 — Data Engineering for AI

  Preparación de datos a escala, calidad y trazabilidad.

  Temas: ETL · versionado de datos · feature stores (introducción)

• M4 — Deep Learning & Neural Networks

  Redes neuronales y entrenamiento eficiente.

  Temas: CNN/RNN (según enfoque) · regularización · optimización

• M5 — Natural Language Processing (NLP)

  Procesamiento de texto y modelos modernos.

  Temas: embeddings · transformers (intro) · evaluación NLP

• M6 — Generative AI & LLM Applications

  Construir apps con LLMs: prompting, RAG, herramientas y guardrails.

  Temas: RAG · evaluación · seguridad y alucinaciones

• M7 — Responsible AI: Ethics, Privacy & Governance

  Sesgos, explicabilidad, compliance y diseño responsable.

  Temas: fairness · privacidad · auditoría y documentación

• M8 — MLOps: Deployment, Monitoring & Lifecycle

  Ciclo de vida ML: despliegue, monitoring, drift y reentrenamiento.

  Temas: CI/CD para ML · model registry · métricas

• M9 — Capstone Project (Proyecto Final)

  Solución IA aplicable a un caso real, con entrega y demo.

  Entregables: dataset/experimentos · modelo · despliegue · informe

• Numero de plazas : 25