Temario: Directivo

Los 6 temas

1. Programación con Python y uso de paquetes y programas específicos para análisis de datos.
2. Gestión de bases de datos: modelado y consulta de bases relacionales y no relacionales, SQL y NoSQL, Hadoop y Spark.
3. Fundamentos de machine learning: análisis exploratorio de datos (EDA); ingeniería de características; algoritmos de aprendizaje supervisado y no supervisado; técnicas de procesamiento de lenguaje natural (NLP); evaluación, validación, entrenamiento e implementación de modelos.
4. Aspectos éticos en el uso de la inteligencia artificial y la ciencia de datos: equidad, transparencia, seguridad y privacidad, explicabilidad, responsabilidad, supervisión humana, confiabilidad e impactos a largo plazo. Reglamento europeo de la IA.
5. Fundamentos de inteligencia artificial generativa y grandes modelos de lenguaje (LLM): embeddings y representaciones vectoriales; arquitecturas basadas en transformers; fine-tuning y transferencia de aprendizaje; fundamentos de los LLM y su entrenamiento; prompt engineering y técnicas de evaluación; RAG (Retrieval-Augmented Generation) y agentes inteligentes; frameworks de programación y de orquestación de flujos de agentes; bases de datos vectoriales; integración de APIs de IA generativa.
6. Ciclo de vida de la IA (MLOps y LLMOps) y arquitectura empresarial: ciclo de vida de modelos; versionado, trazabilidad y monitorización; observabilidad; despliegue de modelos en nube pública o privada; contenedores y orquestación; infraestructura como código (IaC), CI/CD y DevOps.