Análisis de Problemas y Toma de Decisiones

DURACIÓN

10 horas.

CONTENIDOS

MÓDULO 1. CONCEPTOS BÁSICOS EN EL ANÁLISIS DE PROBLEMAS Y LA TOMA DE DECISIONES
MÓDULO 2. RESOLUCIÓN DE PROBLEMAS
MÓDULO 3. LA IRRACIONALIDAD EN LA TOMA DE DECISIONES
MÓDULO 4. LA INTELIGENCIA ANALÍTICA EN LA SOLUCIÓN DE PROBLEMAS
MÓDULO 5. LA INTELIGENCIA CREATIVA EN LA SOLUCIÓN DE PROBLEMAS
MÓDULO 6. LA INTELIGENCIA PRÁCTICA EN LA SOLUCIÓN DE PROBLEMAS
MÓDULO 7. EL USO DE LA IMAGINACIÓN EN LA TOMA DE DECISIONES
MÓDULO 8. LA TOMA DE DECISIONES EN LA VIDA COTIDIANA
  • Enrolled students: 2
Cómo Ser Corredor de Seguros

Duración

2 horas

  • Enrolled students: 22
Competencias Digitales Básicas

DURACIÓN

5 horas.

CONTENIDOS

MÓDULO 1. ADQUISICIÓN DE COMPETENCIAS EN LA GESTIÓN DEL CORREO ELECTRÓNICO Y EN LA NAVEGACIÓN POR INTERNET
MÓDULO 2. ADQUISICIÓN DE COMPETENCIAS EN EL USO DEL PROCESADOR DE TEXTOS
  • Enrolled students: 82
ESTRATEGIA EMPRESARIAL CON TEORÍA DE JUEGOS

DURACIÓN:

50 horas.

CONTENIDOS:

MÓDULO 1. ESTRATEGIA Y TEORÍA DE JUEGOS
MÓDULO 2. RACIONALIDAD
MÓDULO 3. EQUILIBRIO I
MÓDULO 4. EQUILIBRIO II
MÓDULO 5. COMPROMISO
MÓDULO 6. SUSTITUTOS Y COMPLEMENTOS ESTRATÉGICOS
MÓDULO 7. APLICACIÓN ENTRADA A UN MERCADO
MÓDULO 8. APLICACIÓN BRINKMANSHIP
MÓDULO 9. SUBASTAS
MÓDULO 10. INCERTIDUMBRE E INFORMACIÓN
MÓDULO 11. REPUTACIÓN E IRRACIONALIDAD ESTRATÉGICA
MÓDULO 12. JUEGOS ESTÁTICOS, DOMINANCIA Y RACIONALIZABILIDAD
MÓDULO 13. JUEGOS ESTÁTICOS DE NASH Y ESTRATEGIAS MIXTAS
MÓDULO 14. JUEGOS DINÁMICOS CON INFORMACIÓN INCOMPLETA
  • Enrolled students: 1
Inteligencia Artificial en las Empresas

DURACIÓN

60 horas

CONTENIDOS

MÓDULO 1. INICIACIÓN A LA INTELIGENCIA ARTIFICIAL
  1. Introducción
  2. Definición e Historia
  3. Principio y Campos de Aplicaciones
  4. Ramas de la Inteligencia Artificial: Algoritmos
  5. Machine/Deep Learning
  6. Big Data: El Cambio en la I.A.
  7. Resumen
MÓDULO 2. FUNDAMENTOS DE LOS ALGORITMOS APLICADOS EN LA IA
  1. Introducción
  2. Machine Learning, Deep Learning y Aprendizaje por Refuerzo
  3. Machine Learning: Modelos Supervisados
  4. Construcción de un Modelo de Machine Learning
  5. Métricas de Rendimiento de un Modelo de Machine Learning
  6. Algoritmos de Inteligencia Artificial
  7. Machine Learning: Modelos no Supervisados
  8. Aprendizaje por Refuerzo
  9. Modelos Profundos (Deep Learning)
  10. Resumen
MÓDULO 3. EJEMPLOS DE MODELOS DE APRENDIZAJE EN IA
  1. Introducción
  2. Procesamiento de Datos con Orange y Weka
  3. Orange
  4. Construcción de un Flujo de Trabajo con Base de Datos Propia
  5. Componentes de Orange y Funciones
  6. Weka
  7. Resumen
MÓDULO 4. INTELIGENCIA ARTIFICIAL APLICADA A LA EMPRESA
  1. Introducción
  2. Recursos Humanos y Técnicas de Datos: People Analytics
  3. Predicción: Stocks, Demandas, Comportamientos
  4. Segmentación: Análisis de Oferta. Identificar Tendencias
  5. Fidelización de Clientes usando Aprendizaje Reforzado
  6. Estrategias Nacionales para el Desarrollo de la Inteligencia Artificial
  7. Recomendaciones Web
  8. Mejora de Procesos
  9. Resumen
MÓDULO 5. OPORTUNIDADES, IMPACTO Y RECURSOS DE LA IA
  1. Introducción
  2. Oportunidades que Ofrece la Inteligencia Artificial
  3. Impacto de la Inteligencia Artificial en las Empresas
  4. Recursos basados en Inteligencia Artificial aplicables a la Empresa
  5. Resumen
  6. Glosario
  • Enrolled students: 3