Академический Документы
Профессиональный Документы
Культура Документы
I M PA RT I D O P O R E X P E RTOS D E :
IBM N A I SS E S R I E S PA Ñ A
OPENBANK M E A N I N G C LO U D F LU ZO
V E RT I CIRCITER
S | NGULAR
C A L I DA D PA S C U A L GOOGLE
O R A N G E E S PA Ñ A
UNIR R E D S K IOS
S I N G U L A R S O LV I N G
F E R R OV I A L URIA MENÉNDEZ
M I C R OS O F T A M A ZO N W E B S E RV IC E S N A R R AT I VA
G A M CO BIGML G R U P O S A N TA N D E R
Índice
PRESENTACIÓN
PONENTES
PROGRAMA
MÓDULO 1
Evolución de la Inteligencia Artificial........................................................................................ 8
MÓDULO 2
Conceptos clave sobre Inteligencia Artificial ............................................................................ 8
MÓDULO 3
El papel de la Inteligencia Artificial en la estrategia de Customer Centric:
qué oportunidades ofrece para conocer al cliente y mejorar la experiencia de usuario.............. 9
MÓDULO 4
Aplicaciones prácticas de la Inteligencia Arficial en los procesos industriales
y de negocio............................................................................................................................. 10
MÓDULO 5
Los pilares de la Transformación Digital: Inteligencia Artificial y Big Data................................. 11
MÓDULO 6
Fases de implantación de un proyecto de IA y aspectos claves de gestión:
inversiones, infraestructuras, costes, RR.HH............................................................................. 13
MÓDULO PRÁCTICO.................................................................................................................. 15
MÓDULO 7
Mapa de las plataformas de Inteligencia Artificial..................................................................... 15
MÓDULO 8
Pool Business Cases: RRHH, Sanidad, Legal, Turismo, Coche conectado, Retail, Seguros........... 16
MÓDULO 9
Análisis de la inversión internacional en Inteligencia Artificial................................................. 18
MÓDULO PRÁCTICO.................................................................................................................. 19
SESIÓN PRESENCIAL................................................................................................................. 20
TALLER COLABORATIVO............................................................................................................ 21
MsC en Física Teórica y Especialista en Gestión del Riesgo
Financiero por el Instituto de Estudios Bursátiles. Ha desa-
rrollado su carrera profesional en el sector financiero, en el
ámbito de la Tecnología, a través de diferentes posiciones
en Deutsche Bank, BBVA y Grupo Santander.
el opensource, la sensorización, el API Economy, el IoT, o la sión panorámica y transversal de lo que actualmente la IA
red social, entre otros muchos avances, están favoreciendo puede aportar para la generación de nuevos servicios, nue-
el crecimiento exponencial y la aparición de nuevos usos, vos productos y nuevo valor para empresas y proyectos.
inteligencia artificial 3
Por qué UNIR Datos clave
recomienda 17 semanas.66 horas lectivas a través de
DAVID QUERO
IGNACIO DE CÓRDOBA
EMEA Program Excellence Leader &
Director
Delivery Manager
RED SKIOS
IBM
CARLOS DE HUERTA
JOSÉ C. GONZÁLEZ
Microsoft Digital Advisor.
CEO
Manufacturing Lead
MEANINGCLOUD
MICROSOFT
ANTONIO ÁLVAREZ
JUAN LÓPEZ Head of EMEA BDM for Artificial
Responsable de Sistemas Intelligence, Big Data and DevOps/
CALIDAD PASCUAL Serverless Solutions
AMAZON WEB SERVICES
inteligencia artificial 7
Programa
MÓDULO 1 MÓDULO 2
¿Cuál es el estado del arte de la Inteligencia Artificial. ¿Qué truir sistemas que puedan realizar actividades humanas de
se ha logrado a día de hoy? ¿Cuáles son las principales difi- tipo intelectual. A esos sistemas (o máquinas) hay que ense-
cultades para continuar su desarrollo y qué podemos esperar ñarles a realizar estas actividades, de ahí su vinculación con
en los próximos años? ¿Cuáles son los logros alcanzados? el campo del Aprendizaje Automático (o Machine Learning).
¿Cuáles son las técnicas que han permitido su consecución? Son métodos gracias a los cuales máquinas tontas aprenden
a jugar al ajedrez, a conducir vehículos o a traducir textos.
• Introducción a la IA Estas técnicas de Aprendizaje Automático, además, se cons-
truyen en gran medida sobre ideas y métodos ya conocidos
• Qué es IA y qué no es IA por la estadística tradicional.
• El reto de la super inteligencia entrenar los modelos que forman el sustrato técnico de la
Inteligencia Artificial?
• Conclusiones
• Diferencias entre Machine Learning y Estadística
José Luis Calvo Salanova
Director of Cognitive Interfaces • Gestión del conocimiento y su representación
S|NGULAR
• De unas pocas variables a miles
• Algoritmos
al cliente y mejorar la • Voice of the Citizen: escuchando lo que dicen los ciu-
dadanos sobre los servicios de las administraciones
experiencia de usuario públicas; ejemplo en gestión de emergencias
Hoy más que nunca las empresas necesitan escuchar e in- • Real World Evidence: análisis de la Historia Clínica
terpretar lo que dicen sus clientes a través de cualquier Electrónica para comprender mejor la efectividad de
canal de comunicación para actuar al respecto. Este proceso medicamentos
se puede automatizar con técnicas de PLN.
José C. González
• Lenguaje: representación y razonamiento CEO
MEANINGCLOUD
• Enriquecimiento semántico de contenidos (Medios,
Gestión del Conocimiento)
Aproximaciones prácticas a los
• Análisis de la Voz del Cliente (Empleado, Ciudadano,
Paciente…) para mejorar la rentabilidad o los servicios
sistemas cognitivos
Uso de sistemas cognitivos en la conversación con el cliente
• Extracción de información para
y el descubrimiento de información
>> Inteligencia competitiva
• Diferentes aproximaciones en función de los casos de
>> Compliance
uso en cada industria
>> Servicios de información
• Uso de los sistemas cognitivos en escenarios de aten-
>> Seguridad ción al cliente
inteligencia artificial 9
MÓDULO 4
inteligencia artificial 11
quién llama a quién; sin embargo hay muchos más que acertadas decisiones. Es una parte esencial de la aplicación
también resultan de especial interés como los paque- de la cultura Data-Driven a las organizaciones digitales.
tes de datos servidos (para poder satisfacer todas las
peticiones a internet desde los dispositivos móviles), Profundizaremos en los conceptos básicos que hay detrás
la localización aproximada (calculada a partir de las del Business Intelligence, así como también revisaremos las
torres a las que los dispositivos móviles se conectan técnicas y metodologías más populares a partir de casos
para poder tener cobertura), o los patrones de consu- de uso reales. En concreto, nos centraremos en casos de
mo (sobre cómo los clientes deciden gastar dinero en uso particulares dentro del sector financiero y de negocios
distintos servicios de comunicación). fintech pero también en casos de uso más generales que
sirvan de aplicación a players digitales o con una fuerte base
• Todos estos conjuntos de datos han permitido a los digital en el core de su negocio.
Data Scientists de las empresas de telecomunicaciones
crear perfiles comportamentales de sus clientes, Finalmente, introduciremos el concepto de Inteligencia
habilitándoles para la provisión de servicios perso- Operacional mucho más cercana a las tecnologías de Big
nalizados y la mejora de los servicios ofrecidos a Data y Machine Learning como evolución del BI, una meto-
ellos. Además, cuando estos datos son anonimizados dología de trabajo más reciente derivada de la Inteligencia
y agregados de manera adecuada y se hacen accesibles de Negocios y cuya principal diferencia es su apoyo en el
a otros investigadores, el resultado de la colaboración uso de datos en tiempo real y en ocasiones el uso masivo
con externos (no focalizados en las áreas de negocio de datos, o de diferentes fuentes y cuyo empleo está más
clásicas) hacen emerger nuevas e interesantes apli- orientado a la toma de decisiones diaria por parte de los
caciones. usuarios operativos dentro de una organización.
• Implicaciones éticas y morales de los Data Scientist • Analítica Funcional: los Datos hablan si sabemos cómo
en su trabajo y las consecuencias de este sobre la escucharlos
privacidad de los clientes.
• Cultura Data-Driven: la información accionable y la
Este análisis permitirá entender de una manera general el toma de decisiones en la empresa
estado del arte actual sobre el uso de motores analíticos
• Gestión del Rendimiento y métricas de resultado: lo
inteligentes sobre datos de telecomunicaciones.
que no se mide, no puede mejorarse
Daniel Villatoro
• Inteligencia de Procesos y Negocio en Tiempo Real:
Chief Data Scientist
decisiones y experimentos Real-Time
OPENBANK
inteligencia artificial 13
Cómo formar un equipo de Data Módulo Práctico
Science y no morir en el intento
Proyecto piloto: aprendiendo
La creciente demanda de perfiles relacionados con Data a explorar los datos desde la
Science y Big Data es un fenómeno imparable y uno de los visualización
grandes retos a afrontar en los próximos años. Es crucial
entender la importancia, no tanto de las propias tecnologías, Este caso práctico busca aportar una visión pragmática sobre
sino también de las necesidades de perfiles adecuados y su cómo abordar un primer proyecto piloto, aplicable tanto
delicada gestión. a profesionales individuales como a nuevos equipos de
Data Science. El objetivo es introducir los conceptos clave
Como en cualquier otra dimensión del ámbito humano, la durante una primera sesión de práctica guiada, en la que se
clave son las personas, en este caso, el equipo de profe- presentará un conjunto de datos y se plantearan necesidades
sionales que sea capaz de descubrir el valor de los datos, de negocio en base a dichos datos. Así mismo se expondrán
pequeños o grandes, a través de habilidades todavía lejos de brevemente los diferentes enfoques posibles, los diversos
ser simuladas por procesos digitales. La tecnología queda re- tipos de visualizaciones disponibles y su idoneidad para
legada a una mera herramienta que en manos expertas toma según qué objetivos.
verdadero potencial para cambiar el entorno que le rodea.
Tras esta primera sesión los alumnos podrán profundizar
¿Cuáles son las necesidades y retos que surgen a la hora de forma individual mediante el uso de la herramienta de
de confeccionar un equipo de Data Science? visualización que mejor se adapte a su perfil; para posterior-
mente poner en común el trabajo realizado y plantear dudas
• ¿Necesito contratar un Data Scientist? y soluciones a los problemas encontrados en una segunda
• Diferencias entre Data Scientist y Data Engineer sesión práctica.
• Mínimo equipo viable: plataformas OpenAI Los conceptos clave que se van a introducir durante la rea-
lización del caso práctico son los siguientes:
• Multi-disciplinaridad: Knowledge as a Service
La visión de Google en ML cognitivos son los nuevos bloques constituyentes que permi-
ten habilitar los datos para un nuevo concepto de aplicación
Los alumnos entenderán la visión de Google sobre cómo las en cloud.
maquinas irán, a ritmo exponencial, aprendiendo a pensar
Se profundiza en los diferentes servicios de IA en la plata-
como los humanos gracias al Big Data y el Machine Learning.
forma de Bluemix de IBM.
Además, trabajarán con algunas de las APIs que permiten
sacar ventaja de los algoritmos directamente en las aplica- • Visual, Speech, Tone Analyzer, Personality insight
ciones de negocio.
• Conversation, Discovery, Natural languej understan-
Después, conocerán Tensorflow, el juego de herramientas ding
para el uso de redes neuronales, y su versión en Paas en
Cloud ML de Google. • Knowledge studio, DeepLearning and Machine Learning
as a Service
Google facilitará créditos de acceso a la plataforma para
poder iniciarse en Cloud ML. Los alumnos tendrán acceso a la plataforma IBM Watson.
inteligencia artificial 15
Cómo la nube (visión de AWS) MÓDULO 8
ayuda a innovar con tecnologías
de Inteligencia Artificial y Pool Business Cases:
Machine Learning (visión y casos RRHH, Sanidad, Legal,
de uso reales)
Turismo, Coche conectado,
Los alumnos tendrán una visión completa de las diferentes
capacidades cognitivas disponibles: desde servicios SaaS,
Retail, Seguros
pasando por plataformas de Machine Learning con una intro-
ducción a los nuevos motores que se utilizan para las apli-
caciones mas imaginativas e innovadoras en Deep Learning. BUSINESS CASE: Proceso previo
de aprendizaje y estrategia de
Además se realizará una revisión práctica de casos de uso
reales y cómo los clientes están utilizando estos servicios,
aproximación para el abordaje
cuáles son los retos que los clientes suelen afrontar para la de un proyecto de Chatbots
utilización de estas tecnologías, y cómo Amazon Web Ser-
vices ayuda a eliminarlos y agilizar la utilización de estas Cómo dar “a luz”, criar, enseñar a “hablar” y dotar de “inte-
Vicente García
Chief Marketing Officer BUSINESS CASE: Técnicas de IA
FLUZO y PLN en el Sector Sanidad
BUSINESS CASE: Self-driving cars. El El sector salud es uno de los sectores que más cantidad de
datos genera. Sin embargo, también es una de las áreas en
futuro de los coches
donde la proporción de datos que termina desechándose es
mayor. Esto es consecuencia, principalmente, de la natura-
Gracias a la Inteligencia Artificial y de Aprendizaje Automá-
leza desestructurada de la información clínica.
tico los automóviles será capaces de interpretar los datos
recibidos y hacer predicciones sobre el comportamiento de Concretamente, la historia clínica electrónica (HCE) es uno
otros conductores en la carretera. Estamos ante el vehículo de los ejemplos más representativos. A diario se generan
sin conductor, guiado por cámaras, sensores, GPS y radares. miles de HCEs, las cuales condensan el conocimiento de
Dispositivo que generarán multitud de datos que serán cana- profesionales sanitarios, así como las decisiones que toman
lizados por un software que gracias a la IA tendrá capacidad ante casos de muy diversa naturaleza. Sin embargo, la HCE se
para poder decidir. redacta en lenguaje natural, rico en fenómenos lingüísticos
tales como ambigüedad morfosintáctica y léxica, negación,
José Luis Calvo Salanova
especulación, o acronimia, entre otros.
Director of Cognitive Interfaces
S|NGULAR Análisis de casos de éxito reales en los se han identificado
tendencias epidemiológicas, o se ha mejorado la gestión
hospitalaria
inteligencia artificial 17
BUSINESS CASE: Turismo MÓDULO 9
cognitivo
Análisis de la inversión
A través de una aplicación móvil el turista tiene una guía
personal en su teléfono móvil, en su idioma y adaptado a internacional en
sus gustos o perfil personal y profesional. La aplicación va
aprendiendo de la experiencia y es capaz de interaccionar
Inteligencia Artificial
tal y como lo hacen las personas. Una app que entiende el
lenguaje natural de los visitantes, con su riqueza de ma-
tices y giros lingüísticos; capaz de responder a preguntas Tendencias de Inversión en
complejas en pocos segundos; formular hipótesis y escoger IA: por qué y para qué se han
la respuesta indicada ante una pregunta y aprender de su
invertido $3 Bn de Venture
propia experiencia y de cada interacción.
Capital en los últimos 4 años
Ignacio de Córdoba
Director Este módulo proporcionará una visión concisa sobre el estado
RED SKIOS del arte de la Inteligencia Artificial y sus últimas tendencias
desde el punto de vista del venture capital. Se analizara el
landscape the startups y compañías más prometedoras en
BUSINESS CASE: Sector Legal el sector en el contexto de los últimos avances tecnológicos
en esta área.
En el Sector Legal el verdadero potencial de los sistemas de
Machine Learning está, no solo en la ayuda a la revisión de • Ramon Llul: el creador de la lógica computacional y
volúmenes muy altos de documentos, sino en la posibilidad base de la IA
de convertirse en un asistente del abogado que le libere de
• Enablers y tendencias tecnológicas en IA: Big Data, Ma-
las actividades más tediosas y de menor valor añadido, y le
chine Learning y evolución de interfaces/dispositivos
ayude en la optimización de la utilización de los recursos
existentes mejorando por tanto la eficiencia y eficacia del • Neural Networks y Deep Learning: últimos logros y
servicio prestado. avances
Ed Fernández
Partner & Cofounder
NAISS
El trabajo seguirá la metodología de la resolución del caso: • Métricas del sentimiento del cliente en tiempo real
los asistentes desarrollarán un Chatbot que facilitará un
proceso de inscripción con la Plataforma IBM WATSON. La evaluación constará de una parte objetiva (grado de
acierto en situaciones reales) y una exposición en la que
Explorarán metodologías para la ejecución de técnicas de demostrarán el entendimiento del problema y solución.
entrenamiento sobre una plataforma real, que permitirá a
los alumnos entender cuáles son los retos, las dificultades Instructor del Módulo Práctico
y las buenas prácticas. David Quero
EMEA Program Excellence Leader & Delivery Manager
IBM
inteligencia artificial 19
NETWORKING SESSION
Sesión presencial
Mesa redonda: Inteligencia
Artificial y su convergencia con
tecnologías exponenciales:
Blockchain, IoT, Cloud, APIs
y Plataformas, Computación
Cuántica,...
Estamos experimentando no sólo una evolución exponencial hace que empecemos a plantearnos aplicaciones y usos de
de las tecnologías emergentes sino también el nacimiento de la tecnología que parecerían ciencia-ficción hace sólo unos
un nuevo paradigma en la innovación que busca el impacto años.
combinado de todas ellas. Este paradigma tecnológico, que
Todos los sectores industriales y económicos van a verse
empieza a tomar forma en proyectos complejos y altamente
afectados en mayor o menor grado por la Convergencia Tec-
innovadores, empieza a conocerse ya como Convergencia
nológica: desde el retail a la banca pasando por las telcos,
Tecnológica. Esta Convergencia va a transformar profunda
las eléctricas, la industria automovilística, el turismo, las
e irreversiblemente la manera que tenemos de entender el
plataformas logísticas o las compañías dedicadas al trans-
mundo, la tecnología que creamos y la sociedad y la econo-
porte, tanto de viajeros como de mercancías, con especial
mía tal y como ahora la conocemos.
impacto en las startups tecnológicas y las compañías ae-
Blockchain, Big Data, Inteligencia Artificial, APIs y Platafor- ronáuticas y aeroespaciales. Estamos iniciando una época
mas, Robótica, incluso Computación Cuántica (aun dando sus emocionante en la que la integración de varias tecnologías va
primeros pasos) y en general, la capacidad de procesamiento a ser fundamental para crear empresas, productos e incluso
y almacenaje de información de la que ahora disponemos otras nuevas tecnologías.
Taller Colaborativo Otros Programas que pueden ser de tu interés:
• Transformación Digital
Reconociendo el Valor: cómo
identificar oportunidades de • Dirección y Gestión de la Innovación
uso para nuestro negocio
• Big Data for Business
El Director del Taller presentará un reto de negocio o tecno-
lógico y los asistentes deberán darle una solución aplican- • Corporate Compliance
do alguna de las técnicas explicadas en el curso, en modo
Otros programas de interés de la Escuela de
colaborativo (por equipos multidisciplinares con la meto-
Ingeniería:
dología Design Thinking). Tras este trabajo colaborativo,
cada equipo presentará su conclusión, debatirá sobre ella • Máster Universitario en Análisis y Visuali-
y, finalmente, se votará la mejor resuelta. zación de Datos Masivos / Visual Analytics
& Big Data
Se trabajará con un espíritu de libre creación que hará del
Taller una experiencia 100% dinámica. • Máster Universitario en Seguridad Infor-
mática
El Director dinamizará la sesión, elegirá o propondrá los
temas y hará mentoring consistente en: proponer ideas a • Máster en DevOps, Cloud Computing y
cada equipo, dar pistas, explicar si es posible o si no, resolver Automatización de Producción de Software
dudas, e incluso aportar experiencia y lado crítico / generar
dudas y debate o proponer alternativas. • Máster en Project Management (PMP®)
El Taller permitirá a los asistentes aterrizar todo lo aprendido • Curso de Preparación para la Certificación
en el curso. PMP ®
Fin de la Jornada Presencial y Clausura del Curso CONSULTA CON TU ASESOR LOS
DESCUENTOS POR INSCRIPCIÓN A
VARIOS PROGRAMAS
Tlf.: 941 209 743
Mail: info@unir.net
Delegación Madrid Delegación México Delegación Colombia
C/ Almansa, 101 Av. Extremadura, 8. Carrera 21 # 102-46
28040 Madrid Col Insurgentes Mix- Bogotá, Bogotá, D.C.
España coac. Del.Benito Juárez Colombia
+34 915 674 391 03920, México D.F. +317 574 2631
+52 55 63951017 +310 666 5574