Proporcionar una formación aplicada y actualizada en aprendizaje automático orientado a negocio, de modo que el estudiantado sea capaz de diseñar, entrenar y evaluar modelos de machine learning que aporten valor medible en problemas reales de empresa, considerando la calidad de los datos, la interpretación de resultados y los aspectos éticos y legales. 

Identificar oportunidades de uso de técnicas de machine learning supervisado y no supervisado en contextos empresariales concretos.
Entrenar y evaluar modelos de regresión, clasificación y clustering con métricas adecuadas al problema de negocio.
Diseñar y aplicar redes neuronales sencillas y modelos preentrenados para casos de uso con datos de clientes, transacciones, texto o imagen.
Integrar modelos de ML en un flujo de trabajo completo (datos, modelo, evaluación, métricas de negocio), comunicando resultados y limitaciones a perfiles no técnicos. 

Presentaciones y apuntes con la síntesis de los contenidos y casos de uso empresariales.
Notebooks interactivos (Python) con ejemplos guiados y prácticas sobre datos de negocio.
Plataforma virtual para acceso a materiales, entrega de actividades y comunicación.
Ordenador con conexión a Internet y acceso a entornos de computación en la nube para el entrenamiento y prueba de modelos.