1.- Introducción al Big Data: Qué es Big Data, Data Science e Inteligencia Artificial.
2.- Estadística Descriptiva: caracterización de Datasets y busqueda de 'insights'
3.- Estadística Inferencial: los primeros algoritmos de IA
4.- Técnicas clásicas de IA: regresiones y árboles de decisión
5.- Deep learning: del perceptrón a las Redes de Neuronas y la IA generativa
6.- Large Language Models: de los transformers a ChatGPT
7.- Aplicaciones y casos prácticos de IA Generativa.
8.- El impacto ecológico de la IA Generativa.
9.- Privacidad: tus datos no son tuyos. El negocio del tráfico de datos personales.
10.- Modelo de negocio de GAFAM (Google, Apple, Facebook, Amazon y Microsoft).
11.- Auditoría de Algoritmos: incorporando humanidad a los datos y minimizando el sesgo.
12.- Entorno regulatorio de la IA: enfoque de riesgos.
13.- Ética en IA: casos prácticos.