INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL APLICADA AL MARKETING

Comparte este curso

MODALIDAD: ONLINE

DURACION: 80H

OBJETIVO:

Este Curso de Introducción a la Inteligencia Artificial aplicada al marketing le ofrece una formación especializada en la materia. Dentro del Área Profesional del Marketing es muy importante formarse en la Inteligencia Artificial para identificar las últimas tendencias y competencias en materia de Inteligencia artificial para su posterior aplicación al ámbito del marketing digital

TEMARIO:

  1. MÓDULO 1: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

UNIDAD DIDÁCTICA 1. APROXIMACIÓN A LOS CONCEPTOS BÁSICOS DE LA I.A.

  1. Caracterización de la inteligencia artificial
  2. Aplicaciones de la nomenclatura y conceptos asociados a la I.A.
  3. Recursos necesarios para la utilización de la I.A.
  4. Generación actual de aplicaciones de I.A.

UNIDAD DIDÁCTICA 2. EVOLUCIÓN DE LA INTELIGENCIA ARTIFICIAL

  1. Cronología y principales hitos
  2. Escuelas de pensamiento en los que se basa la I.A. Convencional. Computacional

UNIDAD DIDÁCTICA 3. IDENTIFICACIÓN DE LAS DIFERENTES TÉCNICAS PARA EL DESARROLLO DE LA I.A.

  1. Categorías de la inteligencia artificial
  2. Técnicas de Aprendizaje Automático
  3. Diferencias entre aprendizaje automático y aprendizaje profundo
  4. Tecnologías de Apoyo. Interfaces de usuario. Visión artificial

UNIDAD DIDÁCTICA 4. ÁMBITOS DE APLICACIÓN DE LA I.A.

  1. Aplicaciones actuales basadas en I.A. Aplicaciones prácticas.
  2. Resolución de problemas mediante aplicaciones I.A.
  3. Contexto para el uso de herramientas de I.A.
  4. Requerimientos y limitaciones de las aplicaciones basadas en I.A.

UNIDAD DIDÁCTICA 5. CONTEXTO ÉTICO Y LEGAL DE LA INTELIGENCIA ARTIFICIAL

  1. La Inteligencia artificial, la conciencia y los sentimientos
  2. Corrientes críticas
  3. La propiedad intelectual de la I.A.
  4. MÓDULO 2: PROCESOS DE INTELIGENCIA ARTIFICIAL APLICADOS A LAS ESTRATEGIAS DE MARKETING

UNIDAD DIDÁCTICA 1. APLICACIÓN DE LOS PROCESOS DE LA I.A. AL ÁMBITO DE LOS ESTUDIOS DE MERCADO

  1. Caracterización de aplicaciones basadas en I.A. para análisis de mercado
  2. Implicaciones éticas y legales del sector respecto al alcance de la IA
  3. Utilización de técnicas y herramientas de estudio de mercado basadas en IA

UNIDAD DIDÁCTICA 2. DESARROLLO DE LA IA EN EL ÁMBITO DEL DISEÑO DE PRODUCTO O SERVICIO

  1. Aplicación de técnicas y herramientas de I.A. para la toma de decisiones
  2. Integración de metodologías de diseño y de desarrollo de IA

UNIDAD DIDÁCTICA 3. IMPLANTACIÓN DE LA I.A. EN EL ÁMBITO DE LA ESTRATEGIA PUBLICITARIA

  1. Caracterización de aplicaciones publicitarias basadas en IA
  2. Concepto de publicidad programática
  3. Utilización de herramientas y técnicas para optimizar la estrategia publicitaria
  4. Gestión de imagen de marca
  5. Extrapolación de técnicas y estrategias de casos de éxito

UNIDAD DIDÁCTICA 4. APLICACIÓN DE LOS ÚLTIMOS AVANCES DE LA I.A. EN MARKETING DIGITAL

  1. Ecosistema de aplicaciones y técnicas más utilizados
  2. Utilización de las principales herramientas para social media marketing
  3. Creación y gestión de una cuenta de analítica web
  4. Diseño y gestión de una campaña de publicidad web
  5. Diseño y gestión de una campaña de publicidad en redes sociales
  6. MÓDULO 3: DESARROLLO DE SOLUCIONES PERSONALIZADAS DE INTELIGENCIA ARTIFICIAL PARA EL ÁREA DE MARKETING

UNIDAD DIDÁCTICA 1. CREACIÓN DE UN MODELO PREDICTIVO CON UNA HERRAMIENTA “NO CODE”

  1. Funcionalidades y secciones de BigML
  2. Seguimiento del proceso para la obtención de un modelo predictivo
  3. Integración del modelo obtenido en BigML en una aplicación de marketing

UNIDAD DIDÁCTICA 2. APLICACIÓN DE LAS HERRAMIENTAS DE GCP (GOOGLE CLOUD PLATFORM) PARA I.A.

  1. Gestión de datos con BigQuery
  2. Creación de un modelo predictivo con BigQuery
  3. Generación de un cuadro de mandos (KPI) con DataStudio
  4. Creación de un agente inteligente con DialogFlow

UNIDAD DIDÁCTICA 3. INTRODUCCIÓN AL DESARROLLO DE IA CON PYTHON

  1. Planteamiento de un algoritmo de ML
  2. Ejecución del código para la obtención de un modelo de IA
  3. Caracterización de un autoencoder y de una red neuronal convolucional
  4. Proceso de diseño y programación de una solución de IA
Comparte este curso