GESTIÓN DEL DATO EN EL MUNICIPIO, BIG DATA E INTELIGENCIA ARTIFICIAL

DESTINATARIOS: Personal técnico de la Administración Local encargado de estas tareas.

PROGRAMA:

1. Introducción y contexto de la gestión del dato en municipios.
   1. ¿Qué es una ciudad inteligente (Smart city)?
   2. ¿Qué es el Big Data?
   3. Conceptos clave en la gestión de los datos.
   4. Extracción, analítica y almacenamiento de datos.
   5. Plataformas open-source y licenciadas más extendidas.
2. Seguridad y movilidad ciudadana.
   1. Análisis de imagen en tiempo real.
   2. Reconocimiento facial.
   3. Gestión del tráfico de vehículos, personas y aparcamientos.
   4. Ejemplos de soluciones implantadas.
3. Conceptos clave de IA.
   1. ¿Qué es Machine Learning y Deep Learning?
   2. Machine Learning, inteligencia artificial y Deep Learning.
   3. Aprendizaje supervisado.
   4. Aprendizaje no supervisado.
   5. ¿Qué es una neurona y el modelo perceptrón?
   6. ¿Qué son las redes neuronales?
   7. Introducción a las redes neuronales convolucionales (CNN).
   8. Tratamiento de imágenes - ¿Qué son los filtros de imagen y los kernels?
   9. Tratamiento de imágenes – Capas convolucionales en una CNN.
   10. Tratamiento de imágenes – Capas pooling en una CNN.
   11. ¿Qué es el Procesamiento del Lenguaje Natural (NPL)?
   12. Aplicaciones Procesamiento del Lenguaje Natural (NLP).
   13. ¿Qué es la semántica en el entorno IA?
   14. ¿Qué es ChatGPT y para qué podemos usarlo?
4. Entrenamientos de algoritmos de IA, modelos y métodos de evaluación de calidad
   1. Datos necesarios para la depuración y entrenamiento de modelos IA.
   2. Conceptos estadísticos de calidad de los datos.
   3. Evaluación de rendimiento de modelos – Métricas de Clasificación.
   4. Evaluación de rendimiento de modelos – Métricas de Regresión.
   5. ¿Qué es el overfitting/underfitting en el aprendizaje supervisado?
5. Algoritmos y arquitecturas de soluciones de inteligencia artificial.
   1. Algoritmos y arquitecturas de soluciones comerciales y open source.
   2. Algoritmos Machine Learning para Clasificación.
   3. Algoritmo Machine Learning Regresión.
   4. Algoritmo Machine Learning K-Means.
   5. Fases de modelado en Inteligencia Artificial.
   6. Arquitectura y diseño de soluciones de IA (open source y comerciales).