Solicitar Información

Máster en Ingeniería y Desarrollo de Soluciones de IA Generativa

Con la colaboración de

Colaboración

DOBLE TITULACIÓN

Colaboración
Colaboración

Máster en Ingeniería y Desarrollo de Soluciones de IA Generativa

icono de propiedad

Duración:

1 año académico

icono de propiedad

Idioma:

Español

icono de propiedad

Modalidades:

Live Streaming y Online Flexible

Objetivos

Los estudiantes aprenderán a diseñar e implementar soluciones programáticas que integren Inteligencia Artificial Generativa. Dominarán herramientas de programación, frameworks y tecnologías que les permitirán desarrollar aplicaciones avanzadas, adaptadas a casos de uso específicos, llegando más allá de lo que pueden ofrecer soluciones genéricas. Además se aprenderá a gestionar infraestructuras en la nube, optimizar procesos empresariales, y llevar proyectos completos de IA Generativa a producción.

¿A quién va dirigido este máster en Inteligencia Artificial Generativa?

Este máster va dirigido a perfiles técnicos y profesionales como desarrolladores, ingenieros, científicos de datos, arquitectos de software y emprendedores digitales. Ideal para quienes desean profundizar en la integración de la IA Generativa en soluciones prácticas, aportando valor en el ámbito empresarial y tecnológico. Se requiere conocimientos en programación con Python. EBIS proporcionará un curso gratuito previo de programación con Python para los perfiles que carezcan de estos conocimientos.

Ayudas económicas

Solicita una beca parcial de 1.250 € y financia en 10 cuotas mensuales el coste final de la formación (aplicable a particulares). Formación bonificable a través de FUNDAE (aplicable a empresas españolas). 

Doble Titulación

Al finalizar la formación, recibirás dos títulos: uno emitido por nuestra Escuela de Negocios (EBIS) y otro por la Universidad de Vitoria-Gasteiz (EUNEIZ).

Certificaciones adicionales incluidas

Al finalizar la formación, además de la doble titulación del máster, tendrás la oportunidad de obtener dos de los certificados más reconocidos en el mercado. Se incluye la preparación, el examen y la certificación en Azure AI Fundamentals (AI-900) y el certificado Harvard ManageMentor® - Leadership, otorgado por Harvard Business Publishing Education.

Avalado por instituciones de prestigio

IBM logo

Elegidos como la mejor escuela de negocios especializada en tecnología

Ranking DondeEstudiar

IBM logo

Elegidos como escuela con el mejor Máster en IA Generativa

Financial Magazine y EUniversidadesPrivadas.com

IBM logo

Galardonados con el distintivo European Excellence Education

Financial Magazine

Las mejores empresas también se han formado con nosotros

Deloitte Banco de España Bankinter Microsoft Indra CaixaBank Mapfre Telefonica Allianz Santander Pwc RTVE ABB Naturgy

Modalidades

imagen de modalidad

Modalidad Live Streaming

Descripción: Los alumnos y profesores interactúan a través de una plataforma de videoconferencias. Las grabaciones de las clases estarán disponibles en el campus virtual junto con los demás recursos del máster. Además, los estudiantes podrán solicitar tutorías por videoconferencia individuales bajo demanda.

Tutor personal: Disponible durante todo el curso

Recursos complementarios: Lecturas, presentaciones, libros, manuales, cuestionarios, ejercicios, foros de dudas, repositorio documental, etc.

Interacción con otros alumnos: Durante las clases, en la preparación de los casos prácticos (opcional), en la elaboración del proyecto final (opcional) y por chat grupal/individual en la intranet.

Fecha de inicio y fin: 7 de Abril de 2025 - 11 de Febrero de 2026

Horarios disponibles: Lunes y miércoles de 18:30h a 21:00h. Zona Horaria UTC+1 (UTC+2 en verano).

imagen de modalidad

Modalidad Online Flexible

Información: Los alumnos cuentan con acceso a un campus virtual donde encuentran las grabaciones de las clases junto a los demás recursos propios de la formación. Además, se ofrecen tutorías grupales por videoconferencia e individuales bajo demanda para resolver cualquier tipo de consulta.

Tutor personal: Disponible durante todo el curso

Recursos complementarios: Lecturas, presentaciones, libros, manuales, cuestionarios, ejercicios, foros de dudas, repositorio documental, etc.

Interacción con otros alumnos: Durante las tutorías, en la preparación de los casos prácticos (opcional), en la elaboración del proyecto final (opcional) y por chat grupal/individual en la intranet.

Fecha de inicio: Inicio flexible

Duración: 1 año académico

Horarios: Flexible

Contenido del Máster en Ingeniería y Desarrollo de Soluciones de IA Generativa

Prework

Para esos perfiles menos familiarizados con el lenguaje de programación en Python se ofrece este Prework de nivelación que te permitirá obtener las bases necesarias para empezar este máster. Aprenderás este lenguaje donde podrás practicar mediante material práctico autocorregible y dinámico con acceso a la certificación IT Specialist Python (ITS-303)

    • Introducción a la Programación

    • Introducción a Python

    • Tipos de Datos

    • Variables

    • Operaciones Básicas de Entrada y Salida

    • Operadores Básicos

    • Valores Booleanos

    • Ejecución Condicional

    • Bucles

    • Listas

    • Operaciones Bit a Bit

    • Listas

    • Funciones

    • Tuplas y Diccionarios

    • Excepciones

Tema 1 - Introducción a la IA Generativa para el Desarrollo

Se presenta el concepto de IA Generativa, sus diferentes tipos y casos de uso desde un punto de vista programático. Se sientan las bases del entorno de desarrollo con la instalación de Python, VSCode y extensiones necesarias, introducción a Git y Postman, y se revisa la oferta de proveedores de IA Generativa (Cloud y Open Source), así como los requisitos y alternativas de hardware.

    • Definición de IA Generativa y sus principales tipos

    • Casos de uso y aplicaciones programáticas de la IA Generativa

    • Preparación del entorno de desarrollo: Python, VSCode, extensiones

    • Introducción a Git y Postman

    • Proveedores de IA Generativa, tanto en la nube como Open Source

    • Requisitos de hardware para distintos usos

Tema 2 - Fundamentos de la IA y el Machine Learning

Se explican los diferentes tipos de modelos de Machine Learning (supervisados y no supervisados) y se abordan los conceptos fundamentales de entrenamiento, test e inferencia, así como las métricas de evaluación. Se introduce el Deep Learning y las redes neuronales, requisitos de datos y el problema del sobreajuste. Además, se revisan los requisitos de hardware (GPUs) y parámetros de configuración esenciales para entrenar e inferir en Deep Learning.

    • Modelos supervisados vs. no supervisados

    • Conceptos de entrenamiento, test e inferencia

    • Métricas de evaluación y validación de resultados

    • Introducción al Deep Learning y redes neuronales

    • Cantidad de datos requerida, generalización y overfitting

    • Requisitos de hardware, uso de GPUs y parámetros de entrenamiento

Tema 3 - Tecnología Detrás de la IA Generativa

Se repasa la evolución del Procesamiento del Lenguaje Natural (NLP) antes de la IA Generativa, y se explican los diferentes tipos de modelos (discriminativos, generativos, autoregresivos, VAEs y GANs), así como la difusión generativa. También se ofrece una perspectiva histórica y actual de los Modelos de Lenguaje (LLMs) y los diferentes tipos, revisando el estado de la tecnología y los nuevos avances.

    • Evolución histórica del NLP y técnicas anteriores a la IA Generativa

    • Tipos de modelos: discriminativos, generativos, autoregresivos, VAEs, GANs

    • Difusión generativa y sus principios

    • Historia y evolución de los modelos de lenguaje (LLMs)

    • Diferentes arquitecturas de LLMs y su estado actual

Tema 4 - LLMs

Se profundiza en la teoría detrás de los Modelos de Lenguaje Extenso (LLMs) abordando mecanismos como self-attention, multi-head attention y tokenización. Se analizan las arquitecturas y evolución de los modelos GPT (OpenAI), los modelos de Google y los modelos de Anthropic, además de los modelos Open Source. Por último, se diferencian conceptos como prompting, contextualización, RAG, fine tuning y entrenamiento desde 0, y se describe cómo personalizar consultas y optimizar costes y resultados.

    • Fundamentos teóricos de LLMs: self-attention, multi-head attention, tokenización

    • Arquitectura y evolución de los modelos GPT (OpenAI)

    • Arquitectura y evolución de los modelos de Google

    • Arquitectura y evolución de los modelos de Anthropic

    • Modelos Open Source: tipos y formas de usarlo

    • Técnicas de adaptación: prompting, contextualización, RAG, fine tuning, entrenamiento desde cero

    • Personalización de parámetros, costes, evaluación y cálculo de tokens

    • Usos prácticos de LLMs: chatbots, generación de código, análisis de texto

     

Tema 5 - Ampliación - Entrenamiento de Modelos de IA Generativa

Este tema propone la creación y entrenamiento de un modelo de IA Generativa partiendo desde cero. Para ello, se utilizará una máquina con potencia suficiente en la nube y un dataset de ejemplo. Se mostrará el proceso de configuración, la arquitectura de la red, la selección de hiperparámetros y las diferentes fases de entrenamiento. Con ello, se busca ofrecer una experiencia práctica de la creacion de un modelo de IA Generativa.

    • Selección y configuración de una máquina en la nube

    • Preparación del entorno de desarrollo para el entrenamiento

    • Revisión y limpieza del dataset

    • Definición de la arquitectura del modelo

    • Ejecución del entrenamiento

    • Validación final y posibilidades de mejora

Tema 6 - Modelos Generativos de Otros Formatos

Se introducen los modelos de generación de imágenes y se presentan casos de uso en los que aportan valor. Se explican arquitecturas como GANs y modelos de difusión, ejemplificados con Stable Diffusion y otros. Se abordan llamadas a modelos populares de generación de imágenes desde Python. También se revisan modelos de audio y video, como Whisper, y la personalización de modelos de imágenes con datasets específicos para lograr ajustes de estilo y control de salida.

    • Modelos de generación de imágenes y casos de uso

    • Arquitectura de GANs: generador y discriminador, aplicaciones adicionales

    • Modelos de difusión (Stable Diffusion) y el proceso de “denoising”

    • Uso de APIs de generación de imágenes desde Python

    • Modelos de audio y video (Whisper y otros)

    • Personalización de modelos de imágenes: fine tuning y ajustes de estilo

Tema 7 - Embeddings, Búsqueda Semántica y Recuperación de Contexto

Se ofrece una introducción matemática a los espacios vectoriales y a la operación con vectores, incluyendo diferentes formas de calcular distancias. Se define el concepto de embedding y su relación con distancias semánticas, así como la generación de embeddings mediante APIs. Se revisan herramientas para trabajar con índices vectoriales y se profundiza en casos de uso prácticos de la búsqueda semántica y la integración con LLMs (RAG).

    • Espacios vectoriales: conceptos básicos y cálculo de distancias

    • Embeddings: representación vectorial de texto e imágenes

    • Generación de embeddings (OpenAI, Cohere) y herramientas en Python

    • Búsqueda semántica y construcción de índices vectoriales

    • Aplicaciones prácticas de embeddings y búsquedas semánticas

    • Integración de embeddings y LLMs: RAG, mejores prácticas y optimizadores

Tema 8 - APIs, Integración y MLOps

Se profundiza en la consulta e integración de APIs usando herramientas como Postman y en cómo diseñar APIs propias con Python (FastAPI, Flask) para crear backends de IA Generativa. Se introduce la computación en la nube y se explican los servicios de IA en Cloud, así como el despliegue de modelos. Se abordan los principios de MLOps para el ciclo de vida de los sistemas de IA Generativa, incluyendo monitorización, mantenimiento y CI/CD. También se explican contenedores, microservicios y las estrategias de despliegue y escalado.

    • Uso de APIs con Postman y creación de APIs propias (FastAPI, Flask)

    • Introducción a la nube para IA Generativa

    • MLOps: ciclo de vida, actualizaciones, monitorización y mantenimiento

    • CI/CD, contenedores (Docker), microservicios y orquestación

    • Cálculo de métricas y monitorización en producción

    • Estrategias de despliegue (canary, blue-green) y autoescalado

    • Optimización de costes y reserva de potencia

Tema 9 - Cloud e Infraestructura

Se hace una introducción general al Cloud y su relación con el procesamiento y testing de IA Generativa, comparando distintos proveedores y opciones de cómputo en la nube. Se revisan estrategias de almacenamiento y gestión de datos (incluyendo vectorstores) y se ven ejemplos de implementación de pipelines y ETLs con funciones serverless. Además, se aborda la seguridad y autenticación en endpoints propios y la gestión de costes y buenas prácticas.

    • Introducción al uso general del Cloud y pruebas de cómputo en la nube

    • Almacenamiento y gestión de datos en la nube (vectorstores)

    • Implementación de pipelines y ETLs en la nube, uso de servicios serverless

    • Seguridad y autenticación (API keys, protección de endpoints)

    • Gestión de costes en la nube, optimización y mitigación de gastos

Tema 10 - Frameworks y Librerías Populares

Se introducen las librerías y frameworks más utilizados en IA Generativa, como PyTorch Lightning y Tensorflow, destacando capacidades de entrenamiento distribuido. Se revisa Hugging Face (Transformers y Diffusers) para el uso y personalización de modelos Open Source. Además, se aborda LangChain para la construcción de sistemas complejos de LLM con RAG y memoria, y se presentan Gradio y Streamlit para el desarrollo de frontends rápidos y sencillos. Finalmente, se discute la conexión de APIs con frontends puros y el uso de herramientas de monitorización.

    • Librerías de Deep Learning: PyTorch Lightning, Tensorflow

    • Uso de Hugging Face: Transformers y Diffusers

    • LangChain: RAG, memoria y orquestación de prompts

    • Creación de frontends con Gradio y Streamlit

    • Conexión de APIs con frontends y monitorización

Tema 11 - Desarrollo de Aplicaciones y POCs

En este tema se combina lo aprendido en temas anteriores para crear aplicaciones integrales y procesos automatizados. Desde la conceptualización de un frontend para usar una API de IA Generativa hasta la integración de LLMs con datos empresariales mediante búsqueda semántica y chatbots privados. También se introduce la idea de aplicaciones multimodales, combinando diferentes modelos para lograr resultados óptimos, y se analiza cómo extender la funcionalidad de la aplicación con agentes y asistentes. Por último, se recalca la importancia de realizar testing unitario y de integración en soluciones generativas.

    • Conceptualización de frontends y conexión con APIs de IA Generativa

    • Integración de LLMs con datos empresariales: búsqueda semántica y chatbots

    • Aplicaciones multimodales y coordinación de varios modelos

    • Uso de agentes y asistentes con ReAct Prompting

    • Testing y QA de aplicaciones generativas

Tema 12 - ReAct Prompting, Desarrollo de Agentes y Automatización de Procesos

A lo largo del máster se ha aprendido a desarrollar soluciones que en muchos casos ya ofrecían un cierto nivel de automatización. Sin embargo este tema se centra en programar Agentes y procesos de automatización avanzados capaces de gestionar diferentes tipos de flujos de trabajo, plataformas, herramientas, integraciones, etc. Consiguiendo sistemas de automatización mucho más personalizados y sofisticados que los que se pueden crear con herramientas LowCode o NoCode.

    • Determinación de herramientas y fuentes externas a usar. ReaAct Prompting.

    • Servicios actuales que ofrecen creación de asistentes y posibilidades de conexión con distintas herramientas y servicios.

    • Desarrollo de asistentes y agentes para propósitos específicos.

    • Sistemas multiagentes. Orquestación de agentes.

    • Desarrollo guiado de una solución completa que implementa agentes.

Tema 13 - Ética, Privacidad y Legislación

Se reflexiona sobre la ética de la IA Generativa y los sesgos que pueden surgir, proponiendo mecanismos de filtrado y transparencia para mitigar riesgos. También se cubren las regulaciones y normativas relacionadas con el tratamiento de datos, la anonimización y la protección de derechos de autor, enfatizando la importancia del cumplimiento legal y la buena gobernanza de los sistemas de IA.

    • Identificación y mitigación de sesgos en IA Generativa

    • Filtrado de contenido, transparencia y responsabilidad

    • Privacidad de datos y normativas de tratamiento de datos

    • Derechos de autor, licencias de uso y consideraciones legales

    • Importancia de la gobernanza ética y el cumplimiento regulatorio

Tema 14 - Dirección de Proyectos

Se exponen las claves para planificar y gestionar proyectos de IA Generativa, diseñando un MVP y definiendo requisitos y modelos adecuados. Además, se aborda la estimación de recursos y costes, tamaño y especialización del equipo, y las fases necesarias para el desarrollo y la puesta en producción de la solución.

    • Conceptualización y diseño de un MVP

    • Definición de requisitos y selección del modelo adecuado

    • Determinación de datos y preparación del dataset

    • Estimación de recursos, formación del equipo y planificación

    • Cálculo de costes y puesta en producción

Tema 15 - Novedades para Desarrolladores de Soluciones de IA Generativa

Al finalizar el máster, se introducirá los principales avances ocurridos durante los meses anteriores a este tema, relacionados con el desarrollo de soluciones de IA Generativa, con el objetivo de que los alumnos culminen con un perfil completamente actualizado y comprendan la velocidad a la que evoluciona el campo de la IA Generativa.

Proyecto final

Este trabajo final permitirá al alumno aplicar de manera práctica los conocimientos adquiridos a lo largo del curso. Consiste en desarrollar una solución completa basada en Inteligencia Artificial Generativa.

Docentes del máster

Mucho más que formación

FORMACIÓN DE POR VIDA

Se espera un rápido avance en las tecnologías digitales. Por esta razón, los estudiantes de la escuela disfrutarán de acceso continuo a actualizaciones y novedades de manera indefinida.

NETWORKING CONTINUO

Nuestro canal privado conecta directamente a todos los antiguos alumnos, docentes y empresas para que puedan comunicarse fácilmente. También se organizan eventos virtuales y presenciales para la comunidad.

BOLSA DE TRABAJO Y PRÁCTICAS

Gracias a nuestros acuerdos estratégicos, podemos brindar emocionantes oportunidades de empleo y la opción de realizar prácticas laborales, ya sea durante el curso o después de su finalización.

ACELERADORA

Apoyamos a los estudiantes en la transformación de sus proyectos finales de máster en startups. Ofrecemos mentores, acceso a inversores y la colaboración de desarrolladores para la creación del producto mínimo viable.

ITINERARIO IMPULSA: Formación y Certificados para continuar con tu desarrollo profesional

En EBIS estamos comprometidos con el crecimiento profesional de nuestros estudiantes incluso después de terminar el máster. Por ello, les damos acceso antes, durante y hasta un año después de finalizar los estudios a un conjunto de formaciones y certificados profesionales con alta demanda en el mercado laboral.

Imagen Formacion
SOLICITAR INFORMACIÓN
MÁSTERES DESTACADOS
banner fundacion estatal

Centro inscrito en el Registro Estatal de Entidades de Formación en virtud de la ley 30/2015

EBIS ENTERPRISE SL; B75630632 (filial). EBIS EDUCATION SL; B67370601 (matriz). © 2025 EBIS Business Techschool, C. Agustín Millares, 18, 35001 Las Palmas de Gran Canaria