Objetivos
Reconocer qué se entiende por inteligencia artificial en el estado actual de la disciplina, diferenciando el uso cotidiano del término de su uso en entornos profesionales.
Identificar la nomenclatura más habitual asociada a la IA (términos y etiquetas que aparecen en herramientas, documentación y conversaciones técnicas) para interpretar con precisión qué promete una solución.
Describir los recursos que suelen requerirse para utilizar IA (datos, capacidad de cómputo, personal, herramientas) y relacionarlos con las limitaciones que aparecen cuando falta alguno de ellos.
Explicar la evolución de la IA mediante una cronología básica de hitos y comparar enfoques o escuelas de pensamiento que han guiado su desarrollo.
Distinguir técnicas de desarrollo de IA, separando categorías generales y, dentro de ellas, el aprendizaje automático y el aprendizaje profundo, para entender por qué dos soluciones “con IA” pueden funcionar de forma muy distinta.
Relacionar ámbitos de aplicación actuales con problemas concretos que se resuelven con IA, valorando requerimientos y límites habituales de estas aplicaciones.
Analizar el contexto ético y legal asociado al uso de IA, incluyendo cuestiones sobre datos, propiedad intelectual y críticas habituales, para adoptar criterios de uso responsable.
Practicar el trabajo colaborativo en tareas de introducción a la IA y adoptar hábitos de gestión responsable de los datos necesarios para su uso.
Aplicar procesos de inteligencia artificial al ámbito de los estudios de mercado, identificando usos, límites y formas de explotación de resultados.
Interpretar y comparar aplicaciones basadas en IA orientadas al análisis de mercado, conectando sus salidas con decisiones de marketing.
Reconocer implicaciones éticas y legales propias del estudio de mercado cuando intervienen datos, segmentaciones y perfiles automatizados.
Utilizar técnicas y herramientas de IA para apoyar tareas habituales de investigación: exploración, segmentación, detección de patrones y síntesis de información.
Aplicar técnicas y herramientas de IA en el diseño de producto o servicio para apoyar la toma de decisiones y el contraste de hipótesis.
Integrar metodologías de diseño con el desarrollo de IA, conectando objetivos de negocio con requisitos de datos y validación.
Incorporar IA en la estrategia publicitaria, comprendiendo la publicidad programática y el uso de herramientas de optimización y gestión de marca.
Aplicar avances recientes de IA en marketing digital: ecosistema de técnicas, social media marketing, analítica web, campañas de publicidad web y campañas en redes sociales.
Adoptar una actitud responsable ante el uso de datos, la publicidad programática y la imagen de marca en proyectos con IA
Crear un modelo predictivo con una herramienta no code y seguir sus pasos hasta obtener una salida utilizable.
Integrar un modelo predictivo en un flujo real de marketing (CRM, automatización, web o reporting).
Gestionar datos en un entorno cloud orientado a analítica, construir un modelo y publicar indicadores en un cuadro de mando.
Diseñar un agente conversacional conectado a una necesidad concreta (captación, soporte, cualificación).
Plantear y ejecutar un algoritmo sencillo en Python para entrenar un modelo y entender el ciclo de desarrollo.
Reconocer qué aporta un autoencoder y qué aporta una red convolucional cuando el problema lo pide.
Mantener hábitos de autoformación y mejora continua para sostener una estrategia de marketing digital que evoluciona con rapidez.
