Material docente del máster
Guías docentes, presentaciones y cuadernos de práctica de los nueve módulos, alineados con las unidades didácticas de la guía académica oficial.
Créditos60 ECTS
Horas lectivas1350 h
Módulos docentes9
Sesiones108
ModalidadesPresencial · Semipresencial · Online
Sin registrarte ves las tres primeras diapositivas de cada sesión y las tres primeras celdas de cada cuaderno. Al registrarte se abren completas las dos primeras sesiones de cada módulo.
AccederDocumentos del programa
| Documento | Contenido |
|---|---|
| Plan docente del máster | Objetivos, estructura, unidades didácticas, evaluación, metodología y TFM. |
Módulos y sesiones
| # | Sesión | Teoría | Práctica |
|---|---|---|---|
| Módulo 1. Entorno de Datos e Inteligencia Artificial 6 ECTS150 h4 UD — abrir módulo · guía docente | |||
| UD1. Evolución y marco de la IA · 15 h teóricas / 20 h prácticas | |||
| S01 | Qué es hoy la IA y qué no lo es | Presentación | Cuaderno |
| S02 | El ciclo de vida de un proyecto de IA | Presentación | Cuaderno |
| S03 | Roles, gobierno y responsabilidades en un equipo de IA | Presentación | Cuaderno |
| UD2. Fundamentos matemáticos y estadísticos para IA · 15 h teóricas / 20 h prácticas | |||
| S04 | Probabilidad y estadística descriptiva para IA | Presentación | Cuaderno |
| S05 | Fundamentos estadísticos imprescindibles | Presentación | Cuaderno |
| S06 | Sobreajuste e infraajuste: visión esencial | Presentación | Cuaderno |
| UD3. Entorno Python para ciencia de datos · 15 h teóricas / 25 h prácticas | |||
| S07 | Entorno de trabajo reproducible en Python | Presentación | Cuaderno |
| S08 | Python para análisis: datos tabulares | Presentación | Cuaderno |
| S09 | Exploración y visualización orientada a decisión | Presentación | Cuaderno |
| UD4. Arquitecturas de referencia y visión RAG · 15 h teóricas / 25 h prácticas | |||
| S10 | Arquitecturas de referencia de datos | Presentación | Cuaderno |
| S11 | Consumo vía APIs y arquitectura RAG | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |
| Módulo 2. Ingeniería y Gestión de Datos para IA 6 ECTS150 h4 UD — abrir módulo · guía docente | |||
| UD1. Fuentes y adquisición de datos · 15 h teóricas / 20 h prácticas | |||
| S01 | Fuentes de datos y estrategias de extracción | Presentación | Cuaderno |
| S02 | Ingesta desde bases de datos y SQL para IA | Presentación | Cuaderno |
| S03 | Ficheros, registros de actividad y combinación de fuentes | Presentación | Cuaderno |
| UD2. Limpieza, calidad y preparación · 15 h teóricas / 25 h prácticas | |||
| S04 | Data wrangling con pandas | Presentación | Cuaderno |
| S05 | Limpieza, nulos y valores atípicos | Presentación | Cuaderno |
| S06 | Calidad de datos y validación automática | Presentación | Cuaderno |
| UD3. Feature Engineering · 15 h teóricas / 20 h prácticas | |||
| S07 | Ingeniería de variables | Presentación | Cuaderno |
| S08 | Escalado, transformaciones y variables temporales | Presentación | Cuaderno |
| S09 | Selección de variables | Presentación | Cuaderno |
| UD4. Datos para LLMs y orquestación básica · 15 h teóricas / 25 h prácticas | |||
| S10 | Preparación de corpus para IA generativa | Presentación | Cuaderno |
| S11 | Taller integrador: tokenización, deduplicación y ETL ligero orquestado | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |
| Módulo 3. Modelos de Aprendizaje Automático 6 ECTS150 h4 UD — abrir módulo · guía docente | |||
| UD1. Flujo de ML y modelos supervisados · 15 h teóricas / 25 h prácticas | |||
| S01 | Marco del aprendizaje supervisado | Presentación | Cuaderno |
| S02 | Modelos lineales y regularización | Presentación | Cuaderno |
| S03 | Árboles y modelos de conjunto | Presentación | Cuaderno |
| UD2. Modelos no supervisados · 15 h teóricas / 20 h prácticas | |||
| S04 | Agrupamiento con k-medias | Presentación | Cuaderno |
| S05 | Agrupamiento jerárquico y por densidad | Presentación | Cuaderno |
| S06 | PCA y segmentación accionable | Presentación | Cuaderno |
| UD3. Evaluación y mejora de modelos · 15 h teóricas / 25 h prácticas | |||
| S07 | Validación: particiones y validación cruzada | Presentación | Cuaderno |
| S08 | Métricas de clasificación, de regresión y umbral de decisión | Presentación | Cuaderno |
| S09 | Desbalanceo de clases y mejora del modelo | Presentación | Cuaderno |
| UD4. Interpretabilidad y comunicación · 15 h teóricas / 20 h prácticas | |||
| S10 | Interpretabilidad y explicación de modelos | Presentación | Cuaderno |
| S11 | Taller: informe de resultados y presentación a negocio | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |
| Módulo 4. Deep Learning y Visión Artificial 6 ECTS150 h4 UD — abrir módulo · guía docente | |||
| UD1. Redes neuronales y entrenamiento · 15 h teóricas / 20 h prácticas | |||
| S01 | Del perceptrón a la red multicapa | Presentación | Cuaderno |
| S02 | Retropropagación y optimización del entrenamiento | Presentación | Cuaderno |
| S03 | Regularización y entrenamiento práctico de redes profundas | Presentación | Cuaderno |
| UD2. Visión por computador con CNNs · 15 h teóricas / 25 h prácticas | |||
| S04 | Redes convolucionales: fundamentos y primer clasificador | Presentación | Cuaderno |
| S05 | Preparación y aumentación de datos de imagen | Presentación | Cuaderno |
| S06 | Taller de clasificación de imágenes: iteración y análisis de errores | Presentación | Cuaderno |
| UD3. Modelos preentrenados y transfer learning · 15 h teóricas / 25 h prácticas | |||
| S07 | Arquitecturas de referencia y transfer learning | Presentación | Cuaderno |
| S08 | El ecosistema de modelos preentrenados: torchvision, timm y Hugging Face | Presentación | Cuaderno |
| S09 | Ajuste fino con conjuntos de datos pequeños | Presentación | Cuaderno |
| UD4. Secuencias, audio y eficiencia · 15 h teóricas / 20 h prácticas | |||
| S10 | Transformers básicos y modelado de secuencias | Presentación | Cuaderno |
| S11 | Taller integrador: voz, hardware y coste del sistema | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |
| Módulo 5. IA Generativa y LLMs Aplicados al Negocio 6 ECTS150 h4 UD — abrir módulo · guía docente | |||
| UD1. Ecosistema LLM 2026 · 15 h teóricas / 20 h prácticas | |||
| S01 | El ecosistema de modelos de lenguaje: elección y coste | Presentación | Cuaderno |
| S02 | Autoalojamiento frente a consumo por API | Presentación | Cuaderno |
| S03 | Evaluación y comparación de modelos de lenguaje | Presentación | Cuaderno |
| UD2. Prompt engineering avanzado · 15 h teóricas / 25 h prácticas | |||
| S04 | Diseño de prompts y salida estructurada | Presentación | Cuaderno |
| S05 | Roles, cadenas y descomposición de tareas | Presentación | Cuaderno |
| S06 | Evaluación y catálogo de prompts | Presentación | Cuaderno |
| UD3. RAG y adaptación ligera · 15 h teóricas / 25 h prácticas | |||
| S07 | Representaciones vectoriales, fragmentación e indexación | Presentación | Cuaderno |
| S08 | RAG sobre documentación propia: flujo, citas y evaluación | Presentación | Cuaderno |
| S09 | Adaptación ligera de modelos: LoRA y QLoRA | Presentación | Cuaderno |
| UD4. Multimodalidad y seguridad · 15 h teóricas / 20 h prácticas | |||
| S10 | Multimodalidad: de la imagen al texto y del texto a la imagen | Presentación | Cuaderno |
| S11 | Taller integrador: guardarraíles, moderación y control de alucinaciones | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |
| Módulo 6. MLOps, LLMOps y Despliegue de Soluciones de IA 6 ECTS150 h4 UD — abrir módulo | |||
| UD1. Del notebook al pipeline · 15 h teóricas / 25 h prácticas | |||
| S01 | Del modelo al sistema: arquitectura de un pipeline de IA en producción | Presentación | Cuaderno |
| S02 | Del cuaderno al proyecto: estructuración, entorno y pipeline reproducible | Presentación | Cuaderno |
| S03 | Integración y entrega continuas para sistemas de IA | Presentación | Cuaderno |
| UD2. Versionado y monitorización · 15 h teóricas / 20 h prácticas | |||
| S04 | Seguimiento de experimentos con MLflow | Presentación | Cuaderno |
| S05 | Versionado de datos y registro de modelos | Presentación | Cuaderno |
| S06 | Monitorización, observabilidad y deriva | Presentación | Cuaderno |
| UD3. Despliegue y serving · 15 h teóricas / 25 h prácticas | |||
| S07 | Empaquetado y servicio del modelo con FastAPI y contenedores | Presentación | Cuaderno |
| S08 | Inferencia por lotes, en línea y en flujo | Presentación | Cuaderno |
| S09 | Serverless, escalado y patrones cloud de fiabilidad | Presentación | Cuaderno |
| UD4. LLMOps y optimización de costes · 15 h teóricas / 20 h prácticas | |||
| S10 | Gestión de prompts y trazabilidad de aplicaciones con modelos de lenguaje | Presentación | Cuaderno |
| S11 | Taller integrador: evaluación automática y control del coste por token | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |
| Módulo 7. Aplicaciones de IA en la Empresa y Automatización Inteligente 6 ECTS150 h4 UD — abrir módulo | |||
| UD1. Identificación de casos de uso y priorización · 15 h teóricas / 20 h prácticas | |||
| S01 | Descubrimiento y priorización de casos de uso de IA | Presentación | Cuaderno |
| S02 | Casos de uso de IA por área funcional | Presentación | Cuaderno |
| S03 | Matriz impacto-esfuerzo y hoja de ruta de la cartera | Presentación | Cuaderno |
| UD2. Diseño de asistentes y agentes · 15 h teóricas / 25 h prácticas | |||
| S04 | Diseño de asistentes corporativos con modelos de lenguaje | Presentación | Cuaderno |
| S05 | Arquitecturas de agentes: uso de herramientas, ReAct y planificación | Presentación | Cuaderno |
| S06 | Sistemas multiagente y delegación de tareas | Presentación | Cuaderno |
| UD3. Integración con procesos y RPA · 15 h teóricas / 25 h prácticas | |||
| S07 | Integración con sistemas empresariales y RPA | Presentación | Cuaderno |
| S08 | Protocolos de herramientas: llamadas a funciones y MCP | Presentación | Cuaderno |
| S09 | Orquestación de flujos de automatización inteligente | Presentación | Cuaderno |
| UD4. ROI, TCO y gestión del cambio · 15 h teóricas / 20 h prácticas | |||
| S10 | Business case y retorno de la inversión | Presentación | Cuaderno |
| S11 | Gestión del cambio y adopción de la IA | Presentación | Cuaderno |
| S12 | Evaluación del módulo y defensa | Presentación | Cuaderno |
| Módulo 8. Gobierno, Ética y Marco Regulatorio de la IA (UE AI Act) 6 ECTS150 h4 UD — abrir módulo | |||
| UD1. Principios éticos y riesgos en IA · 15 h teóricas / 20 h prácticas | |||
| S01 | Ética aplicada: de los principios al diseño de la solución | Presentación | Cuaderno |
| S02 | Transparencia y explicabilidad: de la caja negra a la explicación utilizable | Presentación | Cuaderno |
| S03 | Sesgo y no discriminación: medición y mitigación | Presentación | Cuaderno |
| UD2. AI Act y clasificación de sistemas · 15 h teóricas / 25 h prácticas | |||
| S04 | Clasificación de riesgo y prácticas prohibidas | Presentación | Cuaderno |
| S05 | Sistemas de alto riesgo: requisitos y gestión de riesgos | Presentación | Cuaderno |
| S06 | Obligaciones de proveedores y de responsables del despliegue | Presentación | Cuaderno |
| UD3. Privacidad, seguridad y GDPR · 15 h teóricas / 25 h prácticas | |||
| S07 | Datos personales en sistemas de IA: bases legales y principios | Presentación | Cuaderno |
| S08 | Decisiones automatizadas y evaluaciones de impacto | Presentación | Cuaderno |
| S09 | Seguridad de sistemas de IA: OWASP Top 10 para aplicaciones LLM | Presentación | Cuaderno |
| UD4. Documentación, auditoría y proveedores · 15 h teóricas / 20 h prácticas | |||
| S10 | Documentación técnica, trazabilidad y normas armonizadas | Presentación | Cuaderno |
| S11 | Evaluación y contratación de proveedores externos de IA | Presentación | Cuaderno |
| S12 | Auditoría cruzada del expediente, evaluación del módulo y defensa | Presentación | Cuaderno |
| Módulo 9. Laboratorio de Proyectos de IA y Casos Sectoriales 6 ECTS150 h4 UD — abrir módulo | |||
| UD1. Taller end-to-end por sector · 15 h teóricas / 25 h prácticas | |||
| S01 | Encuadre del proyecto sectorial y definición del alcance | Presentación | Cuaderno |
| S02 | Los cinco sectores del taller: banca, comercio, industria, salud y educación | Presentación | Cuaderno |
| S03 | Sprint de prototipo: primer recorrido extremo a extremo | Presentación | Cuaderno |
| UD2. Asistente corporativo con RAG · 15 h teóricas / 25 h prácticas | |||
| S04 | Asistente corporativo con RAG: indexación y recuperación | Presentación | Cuaderno |
| S05 | Mejora de la respuesta: reordenación, citación y control de alucinación | Presentación | Cuaderno |
| S06 | Evaluación del sistema: conjuntos de prueba y métricas | Presentación | Cuaderno |
| UD3. Integración y optimización · 15 h teóricas / 20 h prácticas | |||
| S07 | Integración del asistente con Teams, Slack y el CRM | Presentación | Cuaderno |
| S08 | Despliegue del servicio: seguridad y observabilidad | Presentación | Cuaderno |
| S09 | Optimización del coste de inferencia y del rendimiento | Presentación | Cuaderno |
| UD4. Preparación del TFM y pitch · 15 h teóricas / 20 h prácticas | |||
| S10 | Formato de la memoria del trabajo fin de máster y reglas de evaluación | Presentación | Cuaderno |
| S11 | Taller integrador: storytelling técnico-negocio y ensayo de la defensa | Presentación | Cuaderno |
| S12 | Rúbrica, evaluación del módulo y defensa del trabajo | Presentación | Cuaderno |