MÓDULO 1. LA IA EN EL SIGLO XXI: UNA
TECNOLOGÍA OMNIPRESENTE
 -         
Unidad 1. Eficiencia y productividad: el rol de
la IA profesional
 - Impacto de la inteligencia artificial en el ámbito laboral
- Avances tecnológicos y disponibilidad de recursos
- Tipología de soluciones IA
-         
Unidad 2. Un comienzo inteligente: la gestión
del tiempo
 - Inteligencia artificial y gestión del tiempo
- Optimización avanzada de la gestión del tiempo
-         
Unidad 3. Cronología de una eclosión
 - Primeros experimentos y adquisiciones estratégicas (2010-2015)
- Integración y expansión de la IA (2016-2020)
- IA en la productividad y el trabajo remoto (2020-2022)
- En 2023 todo se revoluciona con ChatGPT
-         
MÓDULO 2. UN MODELO DE INTEGRACIÓN PARA LA IA
Unidad 4. De la integración IA a la gestión de áreas de responsabilidad
 - Proyectos vs. áreas de responsabilidad
- Niveles de adopción de la Inteligencia Artificial
- Alta personalización de las soluciones IA
-         
Unidad 5. Unidad práctica: creación de un
asistente personal de IA
 -         
Unidad 6. Integración de la IA en el entorno
profesional
 - Simple, sencillo y gradual
- Configuración y plataformas no-code
- Personalización avanzada y plataformas low-code
- Inteligencia e integración profunda
-         
Unidad 7. Aplicaciones de IA y la mejora del
desempeño profesional
 - Automatización y eficiencia operativa
- Personalización y desarrollo profesional
-         
MÓDULO 3. FUNDAMENTOS DE LA IA
 Unidad 8. La naturaleza dual de la IA
 - Escalabilidad de la IA
- Adaptabilidad de la IA
- Interconexión entre lo grande y lo pequeño
- Teoría de la información y la naturaleza dual de la IA
-         
Unidad 9. El papel de los algoritmos en la IA
 - Algoritmos en la IA
- Algoritmos y matemáticas
-         
Unidad 10. Unidad práctica: Google AI Studio I
Unidad 11. La caja de herramientas IA
 - Los sistemas de aprendizaje automático
- Los componentes de la caja de herramientas IA
-         
MÓDULO 4. CÓMO HA APRENDIDO A APRENDER LA IA
 Unidad 12. La evolución del ML: inicios del aprendizaje basado en datos
 - Fundamentos del Machine Learning
- La evolución del aprendizaje: de las reglas a los sistemas expertos
- Sin datos no hay aprendizaje inteligente
-         
Unidad 13. Unidad práctica: Google AI Studio II
Unidad 14. Capacidad de aprender de la IA
 - IA débil vs. IA fuerte
- De algoritmos simples a la inteligencia profunda
- De reglas predefinidas a parámetros e hiper-parámetros
-         
Unidad 15. Ámbitos de solución de la IA
 - El análisis de lo computable
- Problemas que la IA puede resolver