Ningún conocimiento previo es estrictamente necesario, pero es conveniente tener conocimientos previos de programación en Python y en menor medida de estadística

Generales: 1. Capacidad de análisis y síntesis 2. Capacidad de organizar y planificar 3. Resolución de problemas 4. Trabajo en equipo 5. Capacidad de aplicar los conocimientos en la práctica 6. Razonamiento crítico De conocimiento: 1. Conocimiento sobre las distintas técnicas de Inteligencia 2. Conocimiento de la aplicación práctica de las múltiples técnicas de Inteligencia Artificial a distintas áreas de negocios, banca y finanzas 3. Conocimiento sobre la complejidad de la implementación de soluciones inteligentes en entornos reales Procedimentales: 1. Diseñar sistemas inteligentes para la solución de problemas prácticos 2. Analizar críticamente casos prácticos reales 3. Utilización de herramientas específicas para la implementación de sistemas inteligentes De actitud: 1. Capacidad para generar nuevas ideas (Creatividad) 2. Preocupación por la calidad 3. Motivación de logro 4. Interés por investigar y buscar soluciones a nuevos problemas

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.

Actividades formativas: * Clases magistrales:. Tienen por objetivo alcanzar las competencias específicas cognitivas de la asignatura, así como las competencias transversales capacidad de análisis y abstracción. * Clases prácticas: Tienen por objetivo iniciar el desarrollo de las competencias específicas instrumentales, así como las competencias transversales resolución de problemas y aplicación de conocimientos. Las actividades prácticas incluirán programación (preferiblemente con Python) y el uso de un dataset de carácter público. Tutorías (online o presenciales): * Asistencia individualizada a los estudiantes por parte del profesor pedida por email con antelación. Metodología a utilizar: * Exposiciones en clase del profesor * Resolución de casos prácticos planteados por el profesor en grupo