# M1 · Entorno de Datos e Inteligencia Artificial

**Máster en Inteligencia Artificial, Automatización y Agentes Digitales** · Next Educación · Próxima edición
**6 ECTS · 12 sesiones de una hora · Responsable de producción y coordinación: Sami Halawa Ribas**

## Descripción

Módulo de nivelación y encuadre. Sitúa la IA en la organización, fija el vocabulario común, monta el entorno de trabajo en Python y presenta las arquitecturas de referencia de datos e IA en cloud sobre las que se apoyan el resto de módulos.

## Competencias del módulo

1. Comprender la evolución y el alcance de la IA en organizaciones.
2. Identificar fases, entregables y roles de un proyecto de IA/GenAI.
3. Manejar un entorno de trabajo básico en Python para análisis.
4. Reconocer arquitecturas de referencia de datos e IA en Cloud.

## Evaluación

| Instrumento | Peso |
|---|---:|
| Prácticas de sesión (cuadernos entregados) | 40% |
| Caso de módulo: ficha de proyecto de IA | 40% |
| Participación y defensa oral | 20% |

## Mapa de sesiones

| # | Sesión | Entregable |
|---:|---|---|
| 1 | Qué es hoy la IA y qué no lo es | Cuaderno con la tabla de clasificación y dos párrafos de justificación. |
| 2 | El ciclo de vida de un proyecto de IA | Ficha de proyecto de una página con métricas y riesgos. |
| 3 | Entorno de trabajo reproducible en Python | Repositorio con estructura, entorno reproducible y cuaderno de verificación ejecutado. |
| 4 | Python para análisis: datos tabulares | Cuaderno con dataset consolidado y registro de decisiones. |
| 5 | Exploración y visualización orientada a decisión | Cuaderno con perfilado y figura final anotada. |
| 6 | Fundamentos estadísticos imprescindibles | Cuaderno con intervalo, gráfico y conclusión escrita. |
| 7 | Arquitecturas de referencia de datos | Diagrama de arquitectura y una página de justificación. |
| 8 | IA en la nube: servicios y coste | Cuaderno con el modelo de coste y la recomendación. |
| 9 | Datos, privacidad y uso responsable: primeras reglas | Data card completa y revisada. |
| 10 | Del problema de negocio a la métrica | Cuaderno con curva de valor esperado y umbral recomendado. |
| 11 | Taller integrador: ficha de proyecto | Ficha de proyecto revisada con registro de objeciones. |
| 12 | Evaluación del módulo y defensa | Prueba resuelta y defensa realizada. |

---

## Programación sesión a sesión

### Sesión 01 — Qué es hoy la IA y qué no lo es

**Objetivos**

- Distinguir IA simbólica, aprendizaje automático, deep learning e IA generativa.
- Situar el estado actual del campo y sus límites reales.
- Reconocer los errores de expectativa más frecuentes en empresa.

**Contenidos**

- **Genealogía del campo**
  - De los sistemas expertos al aprendizaje estadístico
  - El punto de inflexión de 2012: ImageNet y GPUs
  - El punto de inflexión de 2017: la arquitectura Transformer
  - Qué cambia con los modelos fundacionales
- **Anatomía de una solución de IA**
  - Datos, modelo, inferencia y producto
  - Entrenamiento vs. inferencia: quién paga qué
  - Modelo propio, modelo abierto o API de terceros
  - Dónde está realmente el coste de un sistema de IA
- **Límites y expectativas**
  - Alucinación, sesgo y deriva: definiciones operativas
  - Tareas donde la IA rinde y tareas donde no
  - Criterios para descartar un caso de uso a tiempo
  - Coste de oportunidad frente a automatización clásica

**Práctica — Diagnóstico de diez casos de uso**

Clasificación de diez enunciados reales de empresa según técnica adecuada, dato disponible y viabilidad.

1. Leer los diez enunciados del dataset de casos.
2. Etiquetar cada uno con técnica candidata (regla, ML clásico, DL, GenAI, no-IA).
3. Estimar dato necesario y dato disponible.
4. Justificar dos descartes por escrito.

- *Stack:* Python 3.11, pandas
- *Entregable:* Cuaderno con la tabla de clasificación y dos párrafos de justificación.

**Lecturas**

- Russell & Norvig, AIMA, cap. 1
- OECD AI Principles (resumen ejecutivo)

*Materiales:* `teoria/M1_S01_Que_es_hoy_la_IA_y_que_no_lo_es.html` · `code/M1_S01_Que_es_hoy_la_IA_y_que_no_lo_es.ipynb`

---

### Sesión 02 — El ciclo de vida de un proyecto de IA

**Objetivos**

- Descomponer un proyecto de IA en fases con entregables verificables.
- Asignar roles y responsabilidades a cada fase.
- Detectar los puntos donde fracasan la mayoría de los proyectos.

**Contenidos**

- **Fases y entregables**
  - Encuadre de negocio y métrica de éxito
  - Exploración de datos y prueba de concepto
  - Industrialización y despliegue
  - Operación, monitorización y retirada
- **Roles del equipo**
  - Product owner de datos, data engineer, data scientist, ML engineer
  - El papel del experto de dominio
  - Quién decide el paso a producción
  - Modelos de gobierno: centralizado, federado, híbrido
- **Modos de fallo**
  - La PoC eterna: síntomas y salida
  - Métrica técnica sin métrica de negocio
  - Datos que no existirán en producción
  - Ausencia de propietario tras el despliegue

**Práctica — Mapa de proyecto end-to-end**

Construcción del mapa de fases, entregables, roles y riesgos de un proyecto real elegido por el alumno.

1. Elegir un caso propio o de la lista.
2. Rellenar la plantilla de fases con entregable y criterio de aceptación.
3. Marcar los dos riesgos de mayor impacto.
4. Definir la métrica de negocio y la métrica técnica asociada.

- *Stack:* Plantilla Markdown + diagrama
- *Entregable:* Ficha de proyecto de una página con métricas y riesgos.

**Lecturas**

- CRISP-DM: guía de referencia
- Google, Rules of Machine Learning (reglas 1-10)

*Materiales:* `teoria/M1_S02_El_ciclo_de_vida_de_un_proyecto_de_IA.html` · `code/M1_S02_El_ciclo_de_vida_de_un_proyecto_de_IA.ipynb`

---

### Sesión 03 — Entorno de trabajo reproducible en Python

**Objetivos**

- Montar un entorno aislado y reproducible.
- Usar cuadernos y control de versiones sin perder trazabilidad.
- Fijar la convención de proyecto que se usará todo el máster.

**Contenidos**

- **Entornos y dependencias**
  - venv, conda y uv: cuándo cada uno
  - Fijado de versiones y ficheros de requisitos
  - Kernels de Jupyter y entornos múltiples
  - Errores clásicos de instalación y cómo leerlos
- **Estructura de proyecto**
  - Separación data / notebooks / src / outputs
  - Rutas relativas y configuración externa
  - Semillas aleatorias y reproducibilidad
  - Datos sensibles fuera del repositorio
- **Control de versiones para analítica**
  - Git básico aplicado a cuadernos
  - Por qué un .ipynb genera conflictos y cómo evitarlos
  - Commits legibles y ramas de trabajo
  - Publicación de resultados sin publicar datos

**Práctica — Plantilla de proyecto del máster**

Creación del repositorio personal que el alumno usará en todos los módulos y en el TFM.

1. Crear el entorno y fijar dependencias.
2. Generar la estructura de carpetas estándar.
3. Inicializar git con .gitignore adecuado.
4. Ejecutar el cuaderno de comprobación de entorno.

- *Stack:* Python 3.11, uv/venv, Jupyter, git
- *Entregable:* Repositorio con estructura, entorno reproducible y cuaderno de verificación ejecutado.

**Lecturas**

- Cookiecutter Data Science: estructura de proyecto

*Materiales:* `teoria/M1_S03_Entorno_de_trabajo_reproducible_en_Python.html` · `code/M1_S03_Entorno_de_trabajo_reproducible_en_Python.ipynb`

---

### Sesión 04 — Python para análisis: datos tabulares

**Objetivos**

- Cargar, filtrar y transformar datos tabulares con solvencia.
- Escribir transformaciones legibles y encadenables.
- Evitar los errores silenciosos más frecuentes de pandas.

**Contenidos**

- **Estructuras y carga**
  - Series y DataFrame: modelo mental
  - Tipos, categorías y ahorro de memoria
  - Lectura de CSV, Parquet y Excel
  - Verificaciones mínimas tras cargar
- **Transformación**
  - Selección, filtrado y asignación segura
  - groupby, agregaciones y ventanas
  - Uniones: tipos de join y cardinalidad
  - Encadenamiento con assign y pipe
- **Errores silenciosos**
  - SettingWithCopy y vistas frente a copias
  - Nulos en agregaciones y comparaciones
  - Uniones que duplican filas sin avisar
  - Comprobaciones de forma y cardinalidad

**Práctica — Limpieza y consolidación de un dataset comercial**

Unificación de tres ficheros de ventas con claves inconsistentes y nulos.

1. Cargar y perfilar los tres ficheros.
2. Normalizar claves y tipos.
3. Unir controlando la cardinalidad.
4. Documentar cada decisión de limpieza.

- *Stack:* pandas, pyarrow
- *Entregable:* Cuaderno con dataset consolidado y registro de decisiones.

**Lecturas**

- pandas: guía de usuario, secciones de indexación y merge

*Materiales:* `teoria/M1_S04_Python_para_analisis_datos_tabulares.html` · `code/M1_S04_Python_para_analisis_datos_tabulares.ipynb`

---

### Sesión 05 — Exploración y visualización orientada a decisión

**Objetivos**

- Perfilar un dataset con criterio antes de modelar.
- Elegir el gráfico correcto para cada pregunta.
- Comunicar un hallazgo en una sola figura.

**Contenidos**

- **Perfilado sistemático**
  - Distribuciones, nulos y cardinalidades
  - Detección de valores imposibles
  - Relación entre variables y con el objetivo
  - Fugas de información detectables en exploración
- **Gramática de gráficos**
  - Qué gráfico para qué pregunta
  - Escalas, agregación y engaño visual
  - Color con propósito y accesibilidad
  - Anotación: la figura que se explica sola
- **De la exploración al informe**
  - Del cuaderno al material presentable
  - Una figura, un mensaje
  - Qué se omite y por qué
  - Trazabilidad del número mostrado

**Práctica — Informe exploratorio de una página**

Exploración completa de un dataset y síntesis en una figura y cinco frases.

1. Perfilar el dataset y registrar anomalías.
2. Formular tres preguntas de negocio.
3. Producir la figura que responde a la más relevante.
4. Redactar el hallazgo en cinco frases.

- *Stack:* pandas, matplotlib, seaborn
- *Entregable:* Cuaderno con perfilado y figura final anotada.

**Lecturas**

- Wilke, Fundamentals of Data Visualization, caps. 5 y 29

*Materiales:* `teoria/M1_S05_Exploracion_y_visualizacion_orientada_a_decision.html` · `code/M1_S05_Exploracion_y_visualizacion_orientada_a_decision.ipynb`

---

### Sesión 06 — Fundamentos estadísticos imprescindibles

**Objetivos**

- Interpretar correctamente variabilidad, incertidumbre y correlación.
- Evitar conclusiones inválidas en muestras pequeñas.
- Preparar el terreno para la validación de modelos.

**Contenidos**

- **Descripción e incertidumbre**
  - Medidas de centralidad y dispersión: cuál engaña y cuándo
  - Variabilidad muestral e intervalos de confianza
  - Bootstrap como herramienta práctica
  - Tamaño de muestra y potencia
- **Relación entre variables**
  - Correlación, causalidad y confusión
  - Paradoja de Simpson con un caso real
  - Comparación de grupos y contraste de hipótesis
  - p-valor: qué dice y qué no dice
- **Aplicación a IA**
  - Por qué una diferencia de accuracy puede no significar nada
  - Comparación honesta entre dos modelos
  - Estabilidad de métricas entre particiones
  - Riesgo de mirar el test demasiadas veces

**Práctica — ¿La diferencia es real?**

Comparación de dos alternativas con bootstrap e interpretación del resultado.

1. Calcular la métrica en ambos grupos.
2. Estimar el intervalo por bootstrap.
3. Decidir si la diferencia es accionable.
4. Redactar la conclusión sin sobreafirmar.

- *Stack:* numpy, scipy, pandas
- *Entregable:* Cuaderno con intervalo, gráfico y conclusión escrita.

**Lecturas**

- Bruce & Bruce, Practical Statistics for Data Scientists, caps. 2-3

*Materiales:* `teoria/M1_S06_Fundamentos_estadisticos_imprescindibles.html` · `code/M1_S06_Fundamentos_estadisticos_imprescindibles.ipynb`

---

### Sesión 07 — Arquitecturas de referencia de datos

**Objetivos**

- Reconocer los patrones de arquitectura de datos más habituales.
- Elegir el patrón adecuado según volumen, latencia y madurez.
- Situar dónde encaja la IA dentro de la arquitectura.

**Contenidos**

- **Patrones**
  - Data warehouse, data lake y lakehouse
  - Batch, micro-batch y streaming
  - Capas bronce, plata y oro
  - Formatos columnares y tablas abiertas
- **Decisiones de diseño**
  - Coste frente a latencia
  - Esquema en escritura o en lectura
  - Gobierno y catálogo desde el día uno
  - Antipatrones frecuentes
- **Encaje de la IA**
  - De dónde lee el modelo en entrenamiento y en inferencia
  - Feature store: cuándo compensa
  - Datos no estructurados y su indexación
  - Trazabilidad del dato hasta la predicción

**Práctica — Diseño de arquitectura para un caso dado**

Propuesta razonada de arquitectura para un caso con requisitos de latencia y volumen explícitos.

1. Extraer requisitos del enunciado.
2. Proponer patrón y justificar el descarte de los otros.
3. Dibujar el diagrama de flujo del dato.
4. Estimar el orden de magnitud del coste.

- *Stack:* Diagrama + memoria técnica
- *Entregable:* Diagrama de arquitectura y una página de justificación.

**Lecturas**

- Reis & Housley, Fundamentals of Data Engineering, cap. 3

*Materiales:* `teoria/M1_S07_Arquitecturas_de_referencia_de_datos.html` · `code/M1_S07_Arquitecturas_de_referencia_de_datos.ipynb`

---

### Sesión 08 — IA en la nube: servicios y coste

**Objetivos**

- Reconocer el catálogo de servicios de IA de los principales proveedores.
- Estimar el coste de una solución antes de construirla.
- Decidir entre servicio gestionado y construcción propia.

**Contenidos**

- **Catálogo**
  - Cómputo, almacenamiento y servicios gestionados de IA
  - Modelos como servicio frente a modelos autoalojados
  - GPU: tipos, disponibilidad y coste real
  - Regiones, residencia del dato y latencia
- **Modelo de coste**
  - Coste de entrenamiento frente a coste de inferencia
  - Precio por token y por hora de GPU
  - Estimación por unidad de negocio
  - Palancas de reducción de coste
- **Construir o contratar**
  - Criterios de decisión
  - Dependencia de proveedor y estrategia de salida
  - Requisitos regulatorios que condicionan la elección
  - Prueba de coste antes del compromiso

**Práctica — Modelo de coste de un asistente corporativo**

Hoja de cálculo de coste mensual de una solución de IA generativa según volumen de uso.

1. Definir volumen de consultas y tamaño medio de contexto.
2. Calcular coste por consulta en dos alternativas.
3. Proyectar a tres escenarios de adopción.
4. Identificar la palanca de coste dominante.

- *Stack:* Python + pandas
- *Entregable:* Cuaderno con el modelo de coste y la recomendación.

**Lecturas**

- Documentación de precios de los proveedores (consulta guiada en clase)

*Materiales:* `teoria/M1_S08_IA_en_la_nube_servicios_y_coste.html` · `code/M1_S08_IA_en_la_nube_servicios_y_coste.ipynb`

---

### Sesión 09 — Datos, privacidad y uso responsable: primeras reglas

**Objetivos**

- Aplicar las reglas básicas de tratamiento de datos personales en un proyecto.
- Anticipar los requisitos que impondrá el Módulo 8.
- Documentar decisiones desde el inicio del proyecto.

**Contenidos**

- **Reglas básicas**
  - Base legal, finalidad y minimización
  - Anonimización, seudonimización y sus límites
  - Datos de terceros y condiciones de uso
  - Qué no debe entrar nunca en un prompt
- **Documentación mínima**
  - Registro de origen y de tratamiento del dato
  - Model card y data card: contenido útil
  - Decisiones que hay que poder justificar a posteriori
  - Conservación y retirada
- **Riesgos tempranos**
  - Sesgo introducido en la recogida
  - Reidentificación en datasets pequeños
  - Fuga de datos a servicios externos
  - Consecuencias reputacionales y económicas

**Práctica — Data card del proyecto propio**

Documentación del dataset del proyecto personal con origen, tratamiento y limitaciones.

1. Documentar origen y base legal.
2. Describir tratamiento y transformaciones.
3. Declarar limitaciones y usos no recomendados.
4. Revisión cruzada con otro alumno.

- *Stack:* Plantilla Markdown
- *Entregable:* Data card completa y revisada.

**Lecturas**

- Gebru et al., Datasheets for Datasets

*Materiales:* `teoria/M1_S09_Datos_privacidad_y_uso_responsable_primeras_regl.html` · `code/M1_S09_Datos_privacidad_y_uso_responsable_primeras_regl.ipynb`

---

### Sesión 10 — Del problema de negocio a la métrica

**Objetivos**

- Traducir un objetivo de negocio a una métrica optimizable.
- Definir el umbral de decisión con criterio económico.
- Evitar métricas que premian el comportamiento equivocado.

**Contenidos**

- **Traducción**
  - Objetivo, indicador, métrica y umbral
  - Métricas de negocio frente a métricas técnicas
  - Horizonte temporal y estacionalidad
  - Línea base honesta
- **Economía de la decisión**
  - Matriz de coste de errores
  - Umbral óptimo según coste asimétrico
  - Valor esperado de la decisión automática
  - Cuándo no automatizar
- **Métricas perversas**
  - Optimizar lo medible en lugar de lo importante
  - Efectos de segundo orden
  - Gaming del indicador
  - Revisión periódica de la métrica

**Práctica — Ficha de métrica y umbral**

Definición completa de la métrica y el umbral económico de un caso con costes asimétricos.

1. Construir la matriz de costes.
2. Calcular el valor esperado por umbral.
3. Elegir umbral y justificar.
4. Comparar con la línea base actual.

- *Stack:* Python, pandas, matplotlib
- *Entregable:* Cuaderno con curva de valor esperado y umbral recomendado.

**Lecturas**

- Provost & Fawcett, Data Science for Business, cap. 7

*Materiales:* `teoria/M1_S10_Del_problema_de_negocio_a_la_metrica.html` · `code/M1_S10_Del_problema_de_negocio_a_la_metrica.ipynb`

---

### Sesión 11 — Taller integrador: ficha de proyecto

**Objetivos**

- Integrar los contenidos del módulo en un documento único.
- Someter el proyecto a crítica estructurada.
- Dejar el proyecto listo para los módulos siguientes.

**Contenidos**

- **Contenido de la ficha**
  - Problema, métrica y línea base
  - Dato disponible y dato necesario
  - Arquitectura tentativa y coste estimado
  - Riesgos regulatorios y de adopción
- **Revisión entre pares**
  - Protocolo de crítica en 15 minutos
  - Preguntas que deben poder responderse
  - Detección de supuestos no verificados
  - Registro de las objeciones recibidas
- **Cierre**
  - Qué falta para pasar a exploración
  - Plan de datos para el Módulo 2
  - Compromisos para el TFM

**Práctica — Revisión cruzada de fichas**

Cada alumno presenta su ficha y recibe crítica estructurada de dos compañeros.

1. Presentar la ficha en cinco minutos.
2. Recibir y registrar objeciones.
3. Corregir los dos puntos más débiles.
4. Entregar la versión revisada.

- *Stack:* Documento + sesión de defensa
- *Entregable:* Ficha de proyecto revisada con registro de objeciones.

*Materiales:* `teoria/M1_S11_Taller_integrador_ficha_de_proyecto.html` · `code/M1_S11_Taller_integrador_ficha_de_proyecto.ipynb`

---

### Sesión 12 — Evaluación del módulo y defensa

**Objetivos**

- Defender oralmente el encuadre del proyecto.
- Demostrar dominio del entorno técnico.
- Cerrar el módulo con el material listo para el siguiente.

**Contenidos**

- **Prueba práctica**
  - Ejercicio cronometrado de manipulación de datos
  - Lectura e interpretación de una figura
  - Diagnóstico de un caso de uso
- **Defensa**
  - Presentación de siete minutos
  - Preguntas del tribunal docente
  - Criterios de la rúbrica
- **Cierre y transición**
  - Devolución individual
  - Errores comunes detectados en el grupo
  - Preparación del Módulo 2

**Práctica — Prueba práctica y defensa**

Evaluación sumativa del módulo.

1. Resolver la prueba práctica.
2. Defender la ficha de proyecto.
3. Recibir devolución.

- *Stack:* Entorno del máster
- *Entregable:* Prueba resuelta y defensa realizada.

*Materiales:* `teoria/M1_S12_Evaluacion_del_modulo_y_defensa.html` · `code/M1_S12_Evaluacion_del_modulo_y_defensa.ipynb`

---