Specialization course in AI for ICT professionals (English Edition)


Disponible próximamente




Specialization course in AI for ICT professionals (English Edition)

Date TBC
Mainly practical, with many use cases
1500€ - Grants available!

Interested in our English course? Leave us a message, and we'll notify you once the course dates are confirmed!

AI has had a profound impact on the world of Information and Communication Technology (ICT) by automating processes and enhancing productivity. The potential for AI is limitless, the impact of AI on the ICT industry is only set to grow.

In recent years, AI has become a hype term, omnipresent and of which, unfortunately, even professionals linked to the field of ICT are unaware of its foundations, capabilities and also limitations and problems

Providing professionals in the technological and ICT fields with the necessary foundations to understand the current mechanisms that support the new AI revolution is undoubtedly the main objective of this course.

This course is designed to provide a solid foundation in AI, machine learning, and deep learning, enabling students to develop all types of applications and solutions using the latest tools in these areas.

Topics covered include data processing, analysis, and treatment, predictive models that aid in decision-making, the use of unstructured information sources such as images, audio, and signals for classification, regression, and segmentation tasks, recommendation systems and content generation, and how to use this knowledge to develop end-to-end solutions. Additionally, we will address the deployment and monitoring of these solutions in production.

The basic foundations for developing these types of applications are based on the use of foundation models, utilizing state-of-the-art development tools, the latest developments in AutoML tools, and code generation assistance, with an aim to use high-level tools that allow us to decrease complexity in application development.

With the increasing demand for AI-based solutions, this course provides students with the knowledge and skills needed to excel in this exciting and rapidly developing field.

This course is especially aimed at those with an interest in:

  • Know the fundamentals that underlie current AI solutions. Without a deep technical or mathematical depth, but with enough rigor to know its mechanisms. 
  • Know the different approaches what it is called Artificial Intelligence, and provide the current landscape of possibilities and their applications. 
  • Address a practical approach to AI, focusing its study through practical analysis of the different problems that can now be solved thanks to the latest advances in the field.


The course does not require prior technical foundations and is open to:

  • ICT professionals.
  • Engineers or professionals working on technological sectors.
  • Professionals with current knowledge on software development solutions but not familiar with current AI solutions (mainly focused on machine and deep learning).
  • Introduction to basic fundamental elements, skipping deep mathematical background, and with just some background in programming and software development
  • Mainly practical, with many use cases
  • End-to-end solutions and different use cases
  • A Data-centric approach as encouraged by Andrew Ng to approach the use of AI in problem-solving.
    • A Foundation Model approach (1, 2), where models will be presented with the required explanations to understand them, but with the main focus on using them to solve particular problems and future challenges
  • Use of state-of-the-art tools for solving all the stages in AI product analysis, development, and deployment:
    • Python and main libraries overview 
    • AutoML tools: pycaret (low code ML), BigML (data-driven no-code solutions), etc. 
    • Google Colaboratory, Jupyter Notebooks, VSCode + Copilot (and other possible AI assistants), etc 
    • HuggingFace and other open-source foundation models providers 
    • Deployment: REST API, dockers

Module 1. Introduction to Machine Learning for ICT professionals

Introduction to Artificial Intelligence

  • Definition of Intelligence and Artificial Intelligence 
  • Types of AI 
  • Different approaches to AI 
  • Current landscape, areas of applications, and pros and cons

Introduction to Machine Learning

  • Deduction vs. Induction 
  • Principles of ML 
  • Metrics and ML model evaluation. Bias. 
  • ML life cycle 
  • Feature engineering and data-wrangling 
  • Different ML approaches and main techniques (Linear regression, logistic regression, Naïve Bayes, SVM, Decision trees, ensemble methods) 
  • Main Python libraries for ML 
  • Introducing AutoML tools

Introduction to Deep Learning

  • A brief introduction to artificial neuron, neural networks, and deep learning
  • Some basic examples based on feed-forward neural networks

Module 2. Introduction to Deep Learning for ICT professionals

Introduction to Deep Learning

  • Connectionism approach to ML 
  • Deep Learning as a subset of ML 
  • Structured vs. unstructured input information and representation learning Training a NN, gradient descent, and back propagation 
  • Regularization and optimization

Convolutional neural networks 

  • The convolutional operator 
  • Convolutional layers 
  • Pooling layers 
  • Final dense layer 
  • Transfer learning 
  • Common CNN architectures 
  • Object detection and segmentation 

Recurrent neural networks and a basic introduction to transformers 

  • Basic ‘vanilla’ RNN 
  • LSTM and GRU 
  • Language Models 
  • Attention mechanism and an introduction to transformers 
  • Large Language Models 
  • Some examples of NLP solutions 

Autoencoders and Generative Adversarial Networks

  • Encoders, decoders, autoencoders and variational autoencoders
  • Generative Adversarial Networks

Module 3. Foundation models in discriminative and generative AI

Introduction to foundation models 

  • Discriminative AI and Generative AI 
  • Introduction to Foundation Models 
  • Basic training process of FMs 
  • Fine tuning, transfer learning, context learning 

FM in NLP, ASR, text-to-speech and others 

  • FMs in NLP, ASR, text-to-speech and other text-based contexts
  • Applications in sentiment analysis, summarization, chatbots etc. 

FM in multimodal Generative AI 

  • Stable Diffusion models 
  • FMs in image, video, animation generation 


Module 4. Deployment. Cloud services. MLOps.


  • Introduction to the ML cycle workflow 
  • Introduction to MLOps 

Deploying a model 

  • Models as services 
  • Environments and dockers 
  • Deploying ML/DL models 

Introduction to Big Data and Big Data for ML 

  • Introduction to Big Data 
  • Main Big Data platforms 
  • Apache Spark and integration into ML models 

Cloud solution for ML 

  • Introduction to cloud computing 
  • Different alternatives for cloud-based solution to ML/DL model generation and deployment 
  • A use-case based on Microsoft Azure ML


Module 5. Final Project.

To ensure the follow-up of the course, participation in the forum will be required, through questions, giving answers to other classmates or adding information of common interest (such as links to related topics or news etc.). Minimum of 1 monthly contribution.

The final mark will depend on the evaluation carried out on:

  • One assignment per module (4 modules): 50%
  • A final project: 50%

Attendance at synchronous classes will not be mandatory. These classes will be recorded and published, so that any student can access the content whenever they want, with the purpose of adapting to the schedule that suits them best.

upv ua uji

Download the information brochure

Rellena los siguientes campos para poder descargar el folleto informativo.

At ValgrAI we are awarding 50 scholarships of more than 50% discount - apply your discount code when you sign up!

1500 €

Grant provided: 750€

Disponible próximamente

¿Eres consciente de la revolución que está produciendo la Inteligencia Artificial en el mundo? ¿Estás preparado para adaptar tus metodologías docentes a esta nueva era de la tecnología?

El personal docente se enfrenta al desafío de preparar a sus estudiantes para un futuro donde la IA será una parte importante del mundo laboral y social. Por lo tanto, es fundamental que estén al día en las últimas tendencias y herramientas de IA y aprendan cómo integrarlas en sus programas de enseñanza para mejorar la calidad del aprendizaje de sus estudiantes.

Te presentamos nuestro curso “Inteligencia Artificial para docentes”, un curso creado en colaboración con las cinco universidades públicas de la Comunitat Valenciana.

En él, aprenderás acerca de la Inteligencia Artificial y cómo se aplica en el mundo real. Te enseñaremos los conceptos básicos de esta tecnología, cómo se utiliza para solucionar problemas y cómo puedes aplicarla en tus propias enseñanzas.

También discutiremos temas importantes relacionados con la ética y la privacidad en la Inteligencia Artificial para que puedas comprender su impacto en la sociedad.

Al final del curso, pondrás en práctica lo aprendido en un proyecto tutorizado relacionado con la Inteligencia Artificial.

En resumen, el curso te proporcionará una base sólida para comprender la Inteligencia Artificial y cómo puedes utilizarla de manera efectiva en tu enseñanza. ¡No pierdas la oportunidad de prepararte para la revolución de la Inteligencia Artificial!

  • Conocer la historia y funcionamiento de las técnicas básicas en inteligencia artificial para que puedan reconocer su impacto.
  • Comprender cómo la IA está transformando el mercado laboral y preparar a los estudiantes para el futuro del trabajo.
  • Entender cómo la IA puede ser utilizada para abordar problemas y desafíos en diversos campos y planificar su uso para aprovechar sus posibilidades y mejorar las capacidades digitales.
  • Dotar a los estudiantes y docentes de los conocimientos y herramientas necesarios para entender la IA en su estado actual y poder utilizarla en su día a día.
  • Adquirir habilidades y competencias necesarias para trabajar con tecnologías de IA e integrarlas en la planificación y diseño de nuevos modelos educativos, mejorando su eficiencia y la calidad de los procesos de enseñanza y aprendizaje en el aula..
  • Fomentar una cultura de valores éticos y responsabilidad en relación con la IA, preparando a los estudiantes para ser ciudadanos responsables en la era de la IA.
  • Desarrollar un proyecto en el que aplicaras todos los conocimientos adquiridos y que podrás utilizar en tus posteriores actividades docentes.
  • Docencia de cinco módulos o bloques de forma no presencial a través del Aula Virtual de la UPV.
  • La formación virtual incluye temarios teórico-prácticos completos, incluyendo ejercicios y tareas prácticas que ayuden al afianzamiento de los contenidos; así como cuestionarios de autoevaluación para conocer el nivel de asimilación de los contenidos estudiados.
  • Además, se realizarán una serie de videotutorías/seminarios síncronos en los que el estudiantado puede plantear las dudas que le han surgido, así como realizar cualquier explicación o aclaración de los contenidos revisados en dichas sesiones.

Unidad 1. Introducción a la Inteligencia Artificial. Conocer que se entiende por inteligencia artificial (IA), su historia y aplicaciones

Unidad 2. Representación del conocimiento y razonamiento. Aprender las técnicas básicas de resolución de problemas como búsqueda, razonamiento automático o sistemas basados en el conocimiento.

Unidad 3. Aprendizaje automático. Aprender diferentes técnicas del aprendizaje automático como redes neuronales, árboles de decisión o k-medias entre otras.

Unidad 4. Etica, Privacidad, Legislación e IA. Conocer que impacto tiene la IA sobre la sociedad, que normas se debe seguir en su desarrollo y aplicación, así como cuestiones legales sobre la IA

Unidad 5. Proyecto de IA. Desarrollo por parte del alumno de un proyecto que haga uso de técnicas de IA.

  • Examen al final del curso: 80% de la nota final. Se evaluarán los contenidos de todos los bloques estudiados, que se realizará en modalidad online.
  • Proyecto de Inteligencia Artificial: 20% de la nota final. (Trabajo resultante de la realización del bloque 5)
  • Para obtener el APTO final, es necesario haber obtenido un mínimo de 5 puntos sobre 10 en las dos pruebas anteriores, así como haber realizado, al menos, un 80% de las actividades propuestas a lo largo del curso: ejercicios y tareas prácticas; y cuestionarios de autoevaluación.

Modalidad: Online
Duración: 150h
Fecha: Date TBC
Metodología: Mainly practical, with many use cases
Precio: 1500€ - Grants available!

Si quieres más información, déjanos tus datos y contactaremos contigo