Máster enInteligencia ArtificialAplicada al deporte

Este módulo ofrece una introducción profunda a la Inteligencia Artificial y el Big Data aplicados al deporte, en colaboración con Plexus Sport.

Los estudiantes conocerán cómo la IA transforma la toma de decisiones, optimiza el rendimiento y mejora la
gestión deportiva a través de casos reales y herramientas prácticas. Se abordarán desafíos en la gestión de datos deportivos, integrando fuentes como GPS, eventing y retail, y explorando soluciones de análisis de grandes volúmenes de datos. Impartido por expertos de Plexus Sport, el módulo combina teoría y práctica para mostrar cómo la IA ofrece ventajas competitivas en el sector deportivo.

1. Introducción a la Inteligencia Artificial
2. Transformación digital y escalera de la IA
3. Aprendizaje automático
4. Proyectos de IA y aplicaciones en el deporte
5. Valor de las acciones y scouting predictivo en el fútbol

Este módulo se centra en las técnicas y herramientas clave para adquirir, tratar y gestionar datos deportivos, abordando el ciclo ETL (Extracción, Transformación y Carga) y el acceso a diversas fuentes como bases de datos y APIs.

Los estudiantes aprenderán a trabajar con formatos como Excel, XML, JSON y CSV, y a utilizar datos de proveedores como Opta, Statsbomb o Wyscout.

Se explorará cómo transformar datos brutos en información estratégica mediante herramientas analíticas para crear mapas de calor, clústeres o modelos xG, destacando el valor práctico del análisis en tiempo real en el deporte.

1. Introducción a las Fuentes de Datos y Proveedores
2. Uso y Gestión de Bases de Datos
3. Técnicas de Extracción de Datos (ETL)
4. Seguridad y Privacidad de los Datos
5. Integración y Calidad de Datos

Este módulo aborda la aplicación de Business Intelligence en el deporte, enfocándose en visualización avanzada y narrativa de datos para optimizar rendimiento y gestión.

Los estudiantes aprenderán a usar herramientas como Power BI, Tableau y Python para crear visualizaciones interactivas y personalizadas, traduciendo datos técnicos en información clara y accionable.

El objetivo es capacitar a los alumnos para comunicar eficazmente resultados y facilitar decisiones estratégicas en entornos técnico-médicos y de gestión deportiva.

1. Fundamentos de Business Intelligence y Estadística
2. Herramientas de Visualización y BI
3. Comunicación Efectiva y Storytelling con Datos
4. Análisis Avanzado en Deportes
5. Metodología de la Investigación

Este módulo introduce el Aprendizaje Automático aplicado al deporte, desde los fundamentos hasta la implementación de modelos con Scikit-learn.

Los estudiantes aprenderán a explorar datos estructurados del entorno deportivo, formular hipótesis y desarrollar modelos predictivos.

Se estudiarán algoritmos clave para analizar competiciones y atletas, transformando los datos en ventajas competitivas y mejorando la toma de decisiones estratégicas.

1. Fundamentos Matemáticos de la Inteligencia Artificial
2. Biblioteca scikit-learn
3. Ajuste de Hiper Parámetros y Ajuste fino
4. Exploración de Métricas Avanzadas
5. Ciclo de Vida de Modelos de Aprendizaje Automático (End-to-End Machine Learning)
6. Prueba de Hipótesis A/B y Agrupamiento
7. Ingeniería de Características (Feature Engineering) y Modelos Lineales
8. Modelos Predictivos y Analítica en el Deporte
9. Plataformas Kaggle y GitHub

Este módulo introduce el Aprendizaje Profundo como herramienta clave para analizar datos complejos y no estructurados en el ámbito deportivo, utilizando TensorFlow y Keras.

Los estudiantes aprenderán a construir redes neuronales profundas, aplicar técnicas como transfer learning y clasificación de imágenes, y abordar problemas como estimación de postura y análisis predictivo.

Se explorará cómo el Deep Learning complementa al Machine Learning tradicional y cómo su uso permite optimizar estrategias tácticas, reconocer patrones en juego y mejorar la toma de decisiones basada en grandes volúmenes de datos deportivos.

1. Introducción a las Redes Neuronales
2. Perceptrón Multicapa, Retropropagación y Gradiente Descendente
3. Arquitecturas de Redes Neuronales Convolucionales (CNNs) y Autoencoders
4. Técnicas Avanzadas para Datos Deportivos Dispersos y Ruidosos
5. Comparación entre Machine Learning y Deep Learning
6. Frameworks y Bibliotecas de Deep Learning
7. Uso de Plataformas de Desarrollo Colaborativo

Este módulo explora el uso del PLN en el deporte, desde el análisis de sentimientos en redes sociales hasta la generación automática de narrativas deportivas.

Los estudiantes aprenderán a aplicar modelos avanzados (LLM, RAG) mediante frameworks como LangChain para tareas como traducción, generación de contenido y asistentes virtuales.

A través de proyectos prácticos, se desarrollarán soluciones para analizar en tiempo real datos textuales y mejorar la interacción con aficionados, aportando valor estratégico e innovador al entorno deportivo.

1. Introducción al Procesamiento del Lenguaje Natural (NLP): o Fundamentos de NLP y Aplicaciones en el DeporteTensorFlow Text y PyTorch NLP
2. TensorFlow Text y PyTorch NLP
3. Preprocesamiento de Texto: o Técnicas Avanzadas de Manipulación de Texto
4. Modelos Avanzados de NLP y Generación de Texto: o Uso de Modelos de Lenguaje Avanzados
5. Análisis de Sentimiento e Implementación de Chatbots: o Técnicas de Análisis de Sentimientos y Chatbots para Compromiso
6. Narrativa Deportiva y Automatización de Informes: o Automatización a través de NLP para Contenido Deportivo
7. Tecnologías y Software de NLP: o Herramientas y Bibliotecas para Desarrollo en NLP
8. Entrenamiento y Adaptación de Modelos de NLP: o Personalización e Implementación de Modelos Preentrenados

Este módulo introduce la visión por computadora como herramienta clave en el análisis deportivo, permitiendo la detección automática de jugadores, objetos y tácticas mediante métricas avanzadas extraídas de video.

A través de casos prácticos y herramientas como OpenCV, TensorFlow y PyTorch, los alumnos aprenderán a construir modelos que interpreten aspectos complejos del juego, como movimientos sin balón y análisis tácticos automáticos.

El enfoque combina habilidades técnicas con aplicaciones innovadoras para transformar cómo se entrena, juega y analiza el deporte.

1. Introducción a la Visión por Computadora en el Deporte: o Fundamentos y Evolución Histórica de la Visión por Computadora
2. Tecnologías y Herramientas de Visión por Computadora
3. Aplicaciones prácticas en la detección y segmentación de objetos relevantes en eventos deportivos, mejorando la comprensión y el análisis del juego y el rendimiento de los atletas.
4. Implementación de Modelos Avanzados – ResNet y YOLO: o Detalles y Aplicaciones Prácticas de ResNet y YOLO
5. Análisis de Video y Reconocimiento de Acciones: o Técnicas de Análisis de Video para Deportes
6. Seguimiento de Jugadores y Captura de Movimiento: o Tecnologías de Seguimiento y Análisis de Movimiento
7. Innovación y Tecnología en Contenido Audiovisual: o Visión por Computadora en Transmisiones Deportivas

Este módulo explora cómo la inteligencia artificial generativa está transformando el deporte mediante tecnologías como GANs, Transformers y modelos autorregresivos, aplicadas a la creación de contenido sintético y la simulación de estrategias de juego.

Los estudiantes aprenderán a implementar estas herramientas con Python y bibliotecas como TensorFlow, desarrollando sistemas como chatbots, simuladores y algoritmos de reconocimiento.

También se abordan técnicas de vectorización para modelar ambientes deportivos complejos con múltiples agentes, junto con los aspectos éticos y legales de su aplicación.

El módulo ofrece una base técnica sólida para aplicar IA generativa en rendimiento, análisis táctico y personalización de experiencias en el deporte.

1. Introducción a la Inteligencia Artificial Generativa
2. Python y Aprendizaje Automático en el Deporte
3. Conceptos de IA Generativa
4. Tecnologías y Herramientas Relevantes
5. MLOps y Aplicaciones Prácticas de IA Generativa
6. Expansión de la Definición de IA Generativa para Incluir Realidad Aumentada (AR) y Virtual (VR)
7. Ética y Legalidad en la IA Deportiva

El Proyecto Final de Máster representa la culminación del programa y brinda a los estudiantes la oportunidad de aplicar sus conocimientos en un proyecto innovador en inteligencia artificial aplicada al deporte. Los alumnos contarán con orientación personalizada y podrán colaborar con clubes, empresas o laboratorios especializados.

Este módulo impulsa el espíritu emprendedor y fomenta la creación de soluciones creativas con impacto real en la industria deportiva. Además, integra conceptos clave como innovación, transformación digital, análisis financiero y evaluación del retorno de inversión (ROI) en el deporte, proporcionando un experiencia práctica y estratégica que prepara a los estudiantes para afrontar desafíos reales con visión transformadora.

3. Introducción a la Realización de Proyectos de IA en el Deporte
4. Pautas Esenciales para la Organización del Proyecto
5. Innovación y Transformación Digital
6. Design Thinking e Innovación en IA
7. Modelaje Financiero y Análisis del Retorno de la Inversión (ROI) con IA en el Deporte
8. Realización del Proyecto Fin de Máster
9. Presentación Telemática