Módulo 1. Introducción a la IA y el Aprendizaje Automático

01 Optimización de una solución de aprendizaje automático/inteligencia artificial
02 Formulación de problemas de aprendizaje automático: establecer el objetivo correcto
03 Recopilación y preprocesamiento de datos
04 Evaluación y depuración de modelos
05 Aprendizaje automático desequilibrado
06 Ajuste de hiperparámetros
07 Algoritmos de optimización de parámetros
08 Optimización de modelos de aprendizaje profundo
09 Optimización de modelos de imágenes
10 Optimización de modelos de procesamiento del lenguaje natural
11 Transferencia de aprendizaje

Módulo 2. Procesamiento del Lenguaje Natural (PLN)

01 Introducción al aprendizaje automático, el aprendizaje profundo y el procesamiento del lenguaje natural
02 Agentes conversacionales y chatbots: tendencias actuales
03 Modelo jerárquico no supervisado para agentes conversacionales empáticos profundos
04 EMOTRON: Un sistema expresivo de conversión de texto a voz
05 Distinguir noticias satíricas de noticias falsas
06 Técnicas automatizadas para identificar afirmaciones y ayudar a los verificadores de hechos
07 Restauración de susurros Combinación de habla filtrada de modelos reales y de origen para aplicaciones clínicas y forenses
08 Análisis de características para enfoques de aprendizaje automático para la detección de la enfermedad de Parkinson
09 Agentes conversacionales, procesamiento del lenguaje natural y aprendizaje automático para psicoterapia

Módulo 3. La inteligencia computacional para software

01 Un enfoque de experimentación estadística para la gestión de la calidad del software y la evaluación de defectos
02 Desafíos abiertos en las mediciones de software utilizando técnicas de aprendizaje automático
03 La ingeniería de software empírica y sus desafíos
04 Problemas inciertos de selección de productos COTS multiobjetivo para sistemas de software modulares y sus soluciones mediante algoritmos genéticos
05 Técnicas computacionales basadas en lógica difusa para analizar el repositorio de errores de software
06 Mediciones de software desde el aprendizaje automático hasta el aprendizaje profundo
07 Pronóstico de series temporales mediante modelos ARIMA: una revisión sistemática de la literatura de la década de 2000
08 Optimización del mantenimiento industrial mediante IA
09 Estudio comparativo de algoritmos de optimización de malezas invasoras
10 Una descripción general de las herramientas computacionales
11 Arquitectura de inteligencia mejorada
12 Revisión sistemática de la literatura sobre técnicas de ingeniería de software basadas en búsquedas para la modularización/remodularización de código
13 Automatización del marco de trabajo mediante el modelo DevOps para entregar software DDE

Módulo 1. Aplicaciones inteligentes con IA generativa

01 Explorando el mundo de la IA generativa
02 Casos de uso para aplicaciones de IA generativa
03 Dominar el arte de la ingeniería rápida
04 Integración de modelos de IA generativos en aplicaciones
05 Tendencias emergentes y el futuro de la IA generativa
06 Creación de aplicaciones inteligentes con la API ChatGPT
07 Recuperación de Generación Aumentada con Gemini Pro
08 Aplicaciones de IA generativa con Gradio
09 Visualice sus datos con LangChain y Streamlit
10 Creación de aplicaciones LLM con Llama 2
11 Creación de un chatbot de documentos con IA con Flowise AI
12 Mejores prácticas para crear aplicaciones con IA generativa
13 Consideraciones éticas de la IA generativa

Módulo 2. Codificación con IA

01 Cómo la codificación se beneficia de la IA
02 Análisis del aprendizaje automático y el aprendizaje profundo
03 Herramientas de codificación de IA
04 Codificación con chatbots
05 Progreso del plan al prototipo
06 Cómo formatear y mejorar su código
07 Encontrar y eliminar errores
08 Traducción y optimización de código
09 Prueba de su código
10 Documentación de su código
11 Mantenimiento de su código
12 Diez herramientas más para probar
13 Diez recursos de codificación de IA

Módulo 3. Inteligencia artificial y pruebas de software

01 Confiabilidad y calidad de la IA
02 Calidad y sesgo
03 Prueba de sistemas de aprendizaje automático
04 Automatización de pruebas basada en IA
05 Ontologías para pruebas de software
06 Pasando directamente al metaverso con pruebas de gemelos digitales

Módulo 1. IA generativa y LLM

01 Descubriendo el poder de la IA generativa: un viaje a través de modelos de lenguaje de gran tamaño
02 Raíces tempranas de los modelos de IA generativa y LLM: un panorama diverso
03 Modelos de IA generativos y LLM: técnicas de entrenamiento y métricas de evaluación
04 Importancia de la ingeniería rápida en los modelos de IA generativa
05 Métodos de preentrenamiento para LLM
06 LLM Ajuste fino: Ajuste fino eficiente de instrucciones y parámetros (PEFT)
07 Aprendizaje por refuerzo a partir de la retroalimentación humana (RLHF)
08 Explorando las aplicaciones de la IA generativa y el LLM
09 Sesgo y equidad en la IA generativa
10 Direcciones futuras y problemas abiertos en la IA generativa
11 Optimización del ciclo de vida de la gestión de proyectos sostenibles mediante el uso de modelos de IA generativa
12 Inteligencia artificial generativa y LLM: estudio de caso en finanzas
13 Inteligencia artificial generativa y LLM: estudio de caso en comercio electrónico

Módulo 2. Desarrollador con tecnología de IA avanzada

01 Comprensión de los modelos de lenguaje de gran tamaño
02 Introducción a los modelos de lenguaje de gran tamaño
03 Diseño de software con ChatGPT
04 Creación de software con GitHub Copilot
05 Gestión de datos con GitHub Copilot y Copilot Chat
06 Pruebas, evaluación y explicación con modelos de lenguaje grandes
07 Infraestructura de codificación y gestión de implementaciones
08 Desarrollo de aplicaciones seguras con ChatGPT
09 GPT en movimiento

Módulo 3. Liderazgo positivo

01 La inteligencia emocional del líder. Un reto colosal para un mundo en crisis
02 El líder en época de innovación y de profundos cambios
03 Liderar con sentido es liderar con valores. Misión, visión y operativa
04 Liderar personas es esencial conocer biología y conducta del individuo y del grupo
05 Creando y ejecutando estrategia para obtener mejores resultados de negocio con la gestión del conocimiento en la innovación
06 Comunicación pública y desarrollo de presentaciones eficaces
07 Liderar el impacto mediático. Comunicación con medios de prensa

Denominación de la asignatura: Trabajo Fin de Máster
Créditos ECTS: 10
Carácter de la asignatura: Obligatoria
Materia a la que pertenece: Trabajo Fin de Máster