ITS Artificial Intelligence: Introducció a la Intel·ligència Artificial
Perfil de l’estudiant
Complir com a mínim alguns dels següents requisits:
• Certificat de professionalitat nivell 1
• Títol Professional Bàsic (FP Bàsica)
• Títol de Graduat en Educació Secundaria Obligatòria (ESO) o equivalent
• Títol de Tècnic (FP Grau Mig) o equivalent
• Certificat de Professionalitat de nivell 2
• Haver superat la prova d’accés a Cicles Formatius de Grau Mig
• Haver superat qualsevol prova oficial d'accés a la universitat
Quan l’aspirant no disposi del nivell acadèmic mínim o de l’experiència professional alternativa, demostrarà coneixements i competències suficients per participar en el curs amb aprofitament mitjançant una prova d’accés
• Certificat de professionalitat nivell 1
• Títol Professional Bàsic (FP Bàsica)
• Títol de Graduat en Educació Secundaria Obligatòria (ESO) o equivalent
• Títol de Tècnic (FP Grau Mig) o equivalent
• Certificat de Professionalitat de nivell 2
• Haver superat la prova d’accés a Cicles Formatius de Grau Mig
• Haver superat qualsevol prova oficial d'accés a la universitat
Quan l’aspirant no disposi del nivell acadèmic mínim o de l’experiència professional alternativa, demostrarà coneixements i competències suficients per participar en el curs amb aprofitament mitjançant una prova d’accés
Objectius generals
Obtenir els coneixements necessaris per a la utilització professional de la Intel·ligència Artificial (IA), entenent com es pot utilitzar la IA per resoldre problemes.
Objectius específics
• Comprendre els problemes més comuns de la IA
• Recollir, tractar i fer servir enginyeria de dades
• Adquirir el coneixement de diferents algoritmes i models d'IA
• Integrar i desplegar aplicacions
• Realitzar el manteniment i seguiment de la IA en producció
• Recollir, tractar i fer servir enginyeria de dades
• Adquirir el coneixement de diferents algoritmes i models d'IA
• Integrar i desplegar aplicacions
• Realitzar el manteniment i seguiment de la IA en producció
Contingut
Mòdul 1: Definició del problema de la IA. 10h
• Identificar el problema que estem intentant resoldre mitjançant la IA (segmentació d’usuaris, millora del servei al client, etc)
• Classificar el problema (regressió, aprenentatge no supervisat, etc)
• Identificar les àrees d'expertesa necessàries per resoldre el problema
• Construir un pla de seguretat
• Assegurar que la IA s'utilitza adequadament
• Triar activitats de transparència i validació
Mòdul 2: Recollida, tractament i enginyeria de dades. 10h
• Triar la manera de recollir dades
• Avaluar la qualitat de les dades
• Identificar els requisits de recursos (p. ex., informàtica, complexitat temporal)
• Convertir dades en formats adequats (per exemple, numèrics, d'imatge, sèries temporals)
• Seleccionar característiques per al model d'IA
• Participar en l'enginyeria de funcions
• Identificar conjunts de dades d'entrenament i proves
• Documentar les decisions de dades
Mòdul 3: Algoritmes i models d'IA.10h
• Considerar l'aplicabilitat d'algorismes específics
• Entrenar un model utilitzant l'algorisme seleccionat
• Seleccionar model específic després de l'experimentació, evitant sobreenginyeria
• Explicar històries de dades
• Avaluar el rendiment del model (p. ex., precisió, precisió)
• Buscar fonts potencials de biaix en l'algorisme
• Avaluar la sensibilitat del model
• Confirmar el compliment dels requisits reglamentaris, si n'hi ha
• Obtenir l'aprovació de les parts interessades
Mòdul 4: Integració i desplegament d'aplicacions. 10h
• Capacitar els clients sobre com utilitzar el producte i què esperar-ne
• Planificar per abordar els possibles reptes dels models en producció
• Dissenyar un pipeline de producció, inclosa la integració d'aplicacions
• Donar suport a la solució d'IA
Mòdul 5: Manteniment i seguiment de la IA en producció. 10h
• Participar en la supervisió
• Avaluació de l'impacte empresarial (indicadors clau de rendiment)
• Mesurar els impactes sobre les persones i les comunitats
• Gestionar els comentaris dels usuaris
• Considerar la millora o la clausura de manera regular
• Identificar el problema que estem intentant resoldre mitjançant la IA (segmentació d’usuaris, millora del servei al client, etc)
• Classificar el problema (regressió, aprenentatge no supervisat, etc)
• Identificar les àrees d'expertesa necessàries per resoldre el problema
• Construir un pla de seguretat
• Assegurar que la IA s'utilitza adequadament
• Triar activitats de transparència i validació
Mòdul 2: Recollida, tractament i enginyeria de dades. 10h
• Triar la manera de recollir dades
• Avaluar la qualitat de les dades
• Identificar els requisits de recursos (p. ex., informàtica, complexitat temporal)
• Convertir dades en formats adequats (per exemple, numèrics, d'imatge, sèries temporals)
• Seleccionar característiques per al model d'IA
• Participar en l'enginyeria de funcions
• Identificar conjunts de dades d'entrenament i proves
• Documentar les decisions de dades
Mòdul 3: Algoritmes i models d'IA.10h
• Considerar l'aplicabilitat d'algorismes específics
• Entrenar un model utilitzant l'algorisme seleccionat
• Seleccionar model específic després de l'experimentació, evitant sobreenginyeria
• Explicar històries de dades
• Avaluar el rendiment del model (p. ex., precisió, precisió)
• Buscar fonts potencials de biaix en l'algorisme
• Avaluar la sensibilitat del model
• Confirmar el compliment dels requisits reglamentaris, si n'hi ha
• Obtenir l'aprovació de les parts interessades
Mòdul 4: Integració i desplegament d'aplicacions. 10h
• Capacitar els clients sobre com utilitzar el producte i què esperar-ne
• Planificar per abordar els possibles reptes dels models en producció
• Dissenyar un pipeline de producció, inclosa la integració d'aplicacions
• Donar suport a la solució d'IA
Mòdul 5: Manteniment i seguiment de la IA en producció. 10h
• Participar en la supervisió
• Avaluació de l'impacte empresarial (indicadors clau de rendiment)
• Mesurar els impactes sobre les persones i les comunitats
• Gestionar els comentaris dels usuaris
• Considerar la millora o la clausura de manera regular
Avaluació
• Prova teòrica: Qüestionari tipus test o preguntes curtes.
• Prova pràctica: Crear un producte vinculat al projecte treballat durant el curs.
• Prova pràctica: Crear un producte vinculat al projecte treballat durant el curs.
Valoració
Estudiants formats
20
