Entender los conceptos clave en la gestión de datos. Valorar las plataformas open source y licenciadas para la gestión, almacenamiento y analítica de datos. Gestionar los datos relativos a seguridad y movilidad ciudadana y conocer en qué consisten las técnicas de análisis de imágenes en tiempo real y reconocimiento facial. Comprender qué es la inteligencia artificial y sus vertientes como Machine Learning, Deep Learning, ChatGPT o técnicas de Procesamiento Natural del Lenguaje. Entrenar modelos de datos y la depuración y estadística clave para ello. Evaluar el rendimiento de los modelos de Machine learning. Comprender los algoritmos más utilizados en Machine Learning tanto para casos de clasificación, regresión o clusterización. Diseñar y modelar soluciones de inteligencia artificial.

Introducción y contexto de la gestión del dato en municipios
¿Qué una ciudad inteligente (Smart city)?
¿Qué características tiene una ciudad inteligente?
¿Qué es el BigData?
Conceptos clave en la gestión de los datos
Proceso de gestión de datos
Sistemas de gestión de bases de datos
Extracción, analítica y almacenamiento de datos
Plataformas open-source y licenciadas más extendidas
Plataformas Open Source
Plataformas licenciadas
Plataforma Snowflake - Arquitectura
Plataforma Snowflake - Ediciones
Plataforma Snowflake - Registro
Plataforma Snowflake - Crear un Data Warehouse
Resumen

Seguridad y movilidad ciudadana
Análisis de imagen en tiempo real
Formatos de imágenes
Generación de imágenes continua en tiempo real
Reconocimiento facial
¿Cuáles son las ventajas de la tecnología de reconocimiento facial?
¿Cómo funciona el reconocimiento facial?
¿Cuáles son los casos de uso de los sistemas de reconocimiento facial?
Gestión del tráfico de vehículos, personas y aparcamientos
Aplicaciones de los sistemas inteligentes
Internet de las Cosas (IoT)
Ejemplos de soluciones implantadas
Ejemplo proyecto Smart City y uso de IoT
Resumen

Conceptos clave de IA
¿Qué es Machine Learning y Deep Learning?
Entendiendo el Machine Learning
Machine Learning, inteligencia artificial y Deep Learning
Aprendizaje supervisado
Proceso en el Aprendizaje Supervisado
Aprendizaje no supervisado
Proceso del Aprendizaje No Supervisado
¿Qué es una neurona y el modelo perceptrón?
¿Qué son las redes neuronales?
Introducción a las redes neuronales convolucionales (CNN)
Tratamiento de imágenes - ¿Qué son los filtros de imagen y los kernels?
Tratamiento de imágenes - Capas convolucionales en una CNN
Tratamiento de imágenes - Capas pooling en una CNN
¿Qué es el Procesamiento del Lenguaje Natural (NLP)?
Aplicaciones Procesamiento del Lenguaje Natural (NLP)
¿Qué es la semántica en el entorno IA?
¿Qué es ChatGPT y para qué podemos usarlo?
¿Para qué podemos usar ChatGPT?
Resumen

Entrenamientos de algoritmos de IA, modelos y métodos de evaluación de calidad
Datos necesarios para la depuración y entrenamiento de modelos IA
Qué hacer si necesitamos mayor conjuntos de datos
Conceptos estadísticos de calidad de los datos
Evaluación de rendimiento de modelos - Métricas de Clasificación
¿Qué métricas tenemos para evaluar el modelo de clasificación?
Evaluación de rendimiento de modelos - Métricas de Regresión
¿Qué es el overfitting / underfitting en el aprendizaje supervisado?
¿Cómo podemos ver problemas de underfitting / overfitting al trabajar con datos multidimensionales?
Resumen

Algoritmos y arquitecturas de soluciones de inteligencia artificial
Algoritmos Machine Learning para Clasificación
Algoritmo Machine Learning Regresión
Algoritmo Machine Learning K-Means
Fases de modelado en Inteligencia Artificial
Arquitectura y diseño de soluciones de IA (open source y comerciales)
Arquitectura necesaria en soluciones de Inteligencia Artificial
Ciclo de despliegue en soluciones de Inteligencia Artificial (MLOps)
Resumen