Inteligencia Artificial para Gerentes

Definitivamente la Inteligencia Artificial está revolucionando los negocios y todos queremos beneficiarnos de su potencial. Pero… ¿realmente puede mi empresa hacer uso de estas técnicas? ¿Está mi empresa preparada para ello? ¿Cómo puedo prepararme para arrancar un proyecto de Inteligencia Artificial? Por si no lo sabías, y aunque suene duro decirlo, son muchos los proyectos de Inteligencia Artificial que fracasan y en la gran mayoría de los casos es debido a malos planteamientos estratégicos. Pero no nos alarmemos, también hay otros muchos que sacan máximo partido de esta tecnología y son un éxito 😉  ¿Será cuestión de suerte? La respuesta es clara: no. Dependerá del CEO.

Desarrollar e implantar una estrategia de Inteligencia Artificial es algo más que una decisión de negocio. Implica la adopción de una cultura orientada al dato. Implica reorganizar a toda la estructura de una corporación, añadiendo nuevos perfiles capaces de orquestar este nuevo paradigma en la forma de trabajo. 

Desde el prisma estratégico y de negocio, en este curso se van a tratar cuáles son los pasos que debe seguir una corporación para poder establecer un plan de explotación de datos basado en Inteligencia Artificial. Se analizará cómo esta disciplina implica cambios profundos en el departamento de sistemas, en la forma de trabajar de los operarios y técnicos, en la forma de almacenar los datos de proceso y negocio, en la forma de analizar estos datos y en cómo se deben tomar las decisiones estratégicas. Además, estudiaremos diferentes casos prácticos, algunos con éxito y otros con fracaso, donde analizaremos qué problemas encontraron y cómo se solucionaron. 

Desde el prisma técnico, responderemos a preguntas como: ¿cuál es la precisión máxima a la que puede llegar mi modelo matemático?, ¿cuántos datos y de qué tipo necesito para entrenar?, ¿cuán importantes son las etiquetas y categorías de mis datos?, ¿cuánto tarda mi modelo entrenarse?, ¿cómo puedo re-entrenar mi modelo con nuevos datos para hacerlo más robusto?, ¿cuáles son los requisitos de hw para poder correr los algoritmos?, ¿qué costes de infraestructura me voy a encontrar?, ¿cómo adapto mi modelo a entornos similares?, ¿dónde está el límite tecnológico?… y muchas más preguntas.