Máster en Inteligencia Artificial, Cloud Computing y DevOps

Con nuestro Máster en Inteligencia Artificial, Cloud Computing y DevOps, aprenderás a gestionar código con Git y colaborar en proyectos de IA utilizando flujos de trabajo avanzados e integración continua, esenciales para equipos de desarrollo.

Dominarás la programación avanzada en Python, con énfasis en POO, programación web y desarrollo de servicios web, esenciales para crear aplicaciones de IA escalables y eficientes.

Aprenderás sobre virtualización y contenedores, centrándote en Docker y Kubernetes para crear entornos reproducibles y escalables en proyectos de inteligencia artificial. Estas herramientas son clave para gestionar aplicaciones en infraestructuras modernas.

Aprenderás los principios de DevOps para optimizar el desarrollo y despliegue de proyectos de IA, gestionando todo el ciclo de vida del software con herramientas de automatización, pruebas y monitoreo.

Aquí se sientan las bases del aprendizaje automático clásico: algoritmos supervisados y no supervisados aplicados a problemas reales de predicción y clasificación. Trabajarás con regresión, árboles de decisión y clustering, y aprenderás a evaluar tus modelos con criterio (métricas, validación cruzada y cómo detectar el overfitting antes de que te la juegue en producción). Todo montado sobre pipelines en Scikit-learn, tal y como se hace en un equipo real.

Entrarás en el terreno de las redes neuronales: CNN para trabajar con imágenes, RNN y LSTM para series temporales y texto, y las arquitecturas Transformer que hay detrás de los modelos más recientes. Aprenderás a partir de modelos ya entrenados y a adaptarlos con transfer learning y fine-tuning, usando TensorFlow, Keras y PyTorch.

Aprenderás sobre la arquitectura Transformer y las aplicaciones prácticas de los LLMs, adquiriendo habilidades para implementar modelos avanzados de procesamiento del lenguaje natural en proyectos reales.

Aquí darás el salto de usar modelos de lenguaje a construir agentes que actúan por sí mismos: deciden cuándo recurrir a una herramienta externa, encadenan pasos y colaboran entre ellos. Trabajarás con LangGraph para diseñar estos flujos (estados, memoria, transiciones) y construirás arquitecturas multiagente con supervisores y agentes especializados que se reparten tareas. También verás cómo aplicar guardrails para que un agente autónomo no se convierta en un problema de seguridad.

Aprende a generar imágenes con IA dominando técnicas como Redes Generativas Adversarias (GANs) y modelos de difusión. Descubrirás cómo funciona la difusión latente, el condicionamiento por texto y entrenarás desde cero una arquitectura UNet en PyTorch. Además, realizarás fine-tuning de modelos generativos preentrenados con Hugging Face para personalizar outputs según el estilo de tus datos.

Aprenderás a utilizar los servicios de AWS (Amazon Web Services) para implementar y gestionar infraestructuras en la nube, optimizando proyectos de inteligencia artificial. Estudiarás herramientas clave como AWS Lambda, App Runner, ECR, Amazon S3, y AWS Bedrock, entre otras, para desplegar aplicaciones escalables, gestionar grandes volúmenes de datos y personalizar modelos de lenguaje.

Aprenderás a utilizar Azure para implementar y gestionar soluciones de inteligencia artificial en la nube. Trabajarás con servicios como Azure Functions, App Service, Azure Container Registry y Blob Storage, y aprenderás a usar Azure OpenAI para personalizar LLMs con fine-tuning. Este módulo te preparará para desarrollar aplicaciones eficientes y escalables en Azure.

Trabajarás con herramientas clave de IA clásica, como Dialogflow para diseñar chatbots y asistentes virtuales, OCR para extraer texto de imágenes, STT y TTS para convertir voz en texto y viceversa, y RegEx para reconocer patrones en datos. Estas tecnologías te permitirán implementar soluciones prácticas en inteligencia artificial para resolver problemas específicos en diversos sectores.

Aprenderás a diseñar arquitecturas avanzadas con IA, utilizando tecnologías como LangChain para crear agentes inteligentes, RAG Framework para combinar búsqueda y generación de texto, y chatbots para distintos tipos de diálogos. También explorarás la creación de voicebots para centros de llamadas y cómo optimizar la gestión documental con IA. Estas habilidades te permitirán desarrollar soluciones escalables y eficientes en entornos empresariales.

Aprenderás el arte del Prompt Engineering, diseñando interacciones precisas con modelos de IA para obtener respuestas óptimas, mejorando la eficiencia en diversas aplicaciones como la generación de contenido y resolución de problemas.

Aprenderás sobre los aspectos legales y éticos del uso de datos e inteligencia artificial. Estudiarás normativas clave como el GDPR y el AI Act, que regulan el tratamiento de datos y el desarrollo de IA. También explorarás dilemas éticos, como el sesgo en los modelos y la privacidad de los datos. Este conocimiento te permitirá desarrollar soluciones de IA responsables y en cumplimiento con las normativas vigentes.

La IA generativa ya no es solo ChatGPT: hay un ecosistema enorme de herramientas para generar texto, imagen, audio, vídeo y código, y saber moverte por él es tan importante como saber usar cada herramienta por separado. En este módulo probarás las principales opciones del mercado, entenderás cuándo tiene sentido pagar por una herramienta y cuándo una gratuita es suficiente, y verás cómo se aplican en casos reales de productividad.

Aprenderás a integrar copilots y agentes de IA (GitHub Copilot, Claude Code, Cursor) en tu día a día como desarrollador. No se trata de escribir menos código, sino de escribir mejor y más rápido: dando buen contexto al agente, revisando lo que genera y sabiendo dónde está el límite entre delegar y perder el control técnico.