Curso de COMM04 INTRODUCCION A LA INTELIGENCIA ARTIFICIAL APLICADA AL MARKETING |
| Puede apuntarse para futuras convocatorias de este curso. |
| Modalidad: |
TELEFORMACION |
| Duración: |
50.00 horas |
| Precio: |
375,00 €. |
| Acceso al curso: |
https://e-learning.planform.es |
Objetivos |
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.
Promoción Versión Online
Pro |
Contenidos |
MÓDULO 1: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
UNIDAD DIDÁCTICA 1. APROXIMACIÓN A LOS CONCEPTOS BÁSICOS DE LA I.A.
Caracterización de la inteligencia artificial
Aplicaciones de la nomenclatura y conceptos asociados a la I.A.
Recursos necesarios para la utilización de la I.A.
Generación actual de aplicaciones de I.A.
UNIDAD DIDÁCTICA 2. EVOLUCIÓN DE LA INTELIGENCIA ARTIFICIAL
Cronología y principales hitos
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.
Categorías de la inteligencia artificial
Técnicas de Aprendizaje Automático
Diferencias entre aprendizaje automático y aprendizaje profundo
Tecnologías de Apoyo. Interfaces de usuario. Visión artificial
UNIDAD DIDÁCTICA 4. ÁMBITOS DE APLICACIÓN DE LA I.A.
Aplicaciones actuales basadas en I.A. Aplicaciones prácticas.
Resolución de problemas mediante aplicaciones I.A.
Contexto para el uso de herramientas de I.A.
Requerimientos y limitaciones de las aplicaciones basadas en I.A.
UNIDAD DIDÁCTICA 5. CONTEXTO ÉTICO Y LEGAL DE LA INTELIGENCIA ARTIFICIAL
La Inteligencia artificial, la conciencia y los sentimientos
Corrientes críticas
La propiedad intelectual de la I.A.
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
Caracterización de aplicaciones basadas en I.A. para análisis de mercado
Implicaciones éticas y legales del sector respecto al alcance de la IA
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
Aplicación de técnicas y herramientas de I.A. para la toma de decisiones
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
Caracterización de aplicaciones publicitarias basadas en IA
Concepto de publicidad programática
Utilización de herramientas y técnicas para optimizar la estrategia publicitaria
Gestión de imagen de marca
Extrapolación de técnicas y estrategias de casos de éxito
UNIDAD DIDÁCTICA 4. APLICACIÓN DE LOS ÚLTIMOS AVANCES DE LA I.A. EN MARKETING DIGITAL
Ecosistema de aplicaciones y técnicas más utilizados
Utilización de las principales herramientas para social media marketing
Creación y gestión de una cuenta de analítica web
Diseño y gestión de una campaña de publicidad web
Diseño y gestión de una campaña de publicidad en redes sociales
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”
Funcionalidades y secciones de BigML
Seguimiento del proceso para la obtención de un modelo predictivo
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.
Gestión de datos con BigQuery
Creación de un modelo predictivo con BigQuery
Generación de un cuadro de mandos (KPI) con DataStudio
Creación de un agente inteligente con DialogFlow
UNIDAD DIDÁCTICA 3. INTRODUCCIÓN AL DESARROLLO DE IA CON PYTHON
Planteamiento de un algoritmo de ML
Ejecución del código para la obtención de un modelo de IA
Caracterización de un autoencoder y de una red neuronal convolucional
Proceso de diseño y programación de una solución de IA |
