La inteligencia artificial y su impacto en la ciencia de datos
Cómo la IA, y sobre todo la IA generativa, está cambiando el trabajo con datos: automatización, datos no estructurados, agentes, evaluación, regulación y nuevas habilidades.
Blog
Guías prácticas sobre IA generativa, agentes de código, ciencia de datos e inteligencia artificial en SAP, y orientación para elegir qué estudiar.
Destacados
- IA generativa y agentesQué es un agente de código y cómo está cambiando la forma de programarEn qué se diferencia un agente de código de un asistente o del autocompletado, cómo trabajar con él (plan, especificación, MCP, revisión) y qué riesgos vigilar.
- IA generativa y agentesRAG, fine-tuning o prompting: cómo elegir para adaptar un LLMCuándo basta con un buen prompt, cuándo conviene RAG y cuándo merece la pena hacer fine-tuning de un modelo de lenguaje, con ejemplos, costes y cómo decidir midiendo.
- IA generativa y agentesInteligencia artificial en SAP: qué se puede hacer hoy con Joule y SAP BTPCómo se aplica la IA en el ecosistema SAP: Joule y sus agentes, el generative AI hub de SAP BTP, la extracción de documentos, casos de uso y qué perfiles hacen falta.
IA generativa y agentes
Tendencias en ciencia de datos e IA para 2026 y 2027
Agentes, evaluación de IA, modelos más pequeños, datos sintéticos, plataformas lakehouse y regulación: las tendencias que están cambiando el trabajo con datos y qué aprender.
Estudiar IA y datos
De la ciencia de datos a la IA generativa: qué aprender ahora
Si vienes del análisis de datos o del machine learning: qué cambia con los LLM y los agentes, qué de lo que sabes sigue valiendo y una ruta de aprendizaje en seis pasos.
Máster de formación permanente o máster oficial: diferencias y cuál elegir
Qué es un máster de formación permanente (antes título propio), en qué se diferencia de un máster universitario oficial y cuándo conviene cada uno.
Mejores universidades para estudiar data science e IA: cómo elegir
Qué mirar antes de elegir universidad y máster en data science o inteligencia artificial: tipo de título, temario, práctica, profesorado, modalidad y precio.
Big Data vs Data Science: diferencias y qué máster elegir
El big data se ocupa de almacenar y procesar grandes volúmenes de datos; la data science, de extraer conocimiento de ellos. Diferencias, perfiles y qué estudiar.
Por qué es importante la ciencia de datos: usos, sectores y salidas
Para qué sirve la ciencia de datos en empresas y administraciones, en qué sectores se aplica, qué perfiles demanda y cómo formarse para trabajar en ello.
Ciencia de datos en la práctica
Data Science vs Data Analytics: diferencias, funciones y cuál elegir
Qué hace un data scientist y qué hace un data analyst: preguntas que responde cada uno, herramientas, funciones y cómo está cambiando cada rol con la IA generativa.
Pandas en Python: qué es, para qué sirve y cómo empezar
Guía práctica de pandas, la librería de Python para analizar datos: DataFrame, lectura de CSV, filtros, agrupaciones y uniones, con ejemplos y las novedades de pandas 3.0.
7 ejemplos reales de data analytics en empresas
Uber, Amazon, Netflix, la banca o la sanidad: siete casos reales de análisis de datos, qué problema resolvían y qué técnicas hay detrás de cada uno.
Scikit-learn: qué es y cómo entrenar tu primer modelo en Python
Qué es scikit-learn, qué algoritmos incluye y un ejemplo completo para entrenar, validar, ajustar y guardar un modelo de clasificación con pipelines en Python.
Análisis de datos e inteligencia artificial en medicina: aplicaciones y retos
Cómo se usan el análisis de datos y la IA en sanidad: medicina personalizada, imagen médica, predicción de reingresos, salud pública, texto clínico y sus límites.
Lenguajes de programación para data science e IA: Python, SQL, R y más
Qué lenguajes conviene aprender para trabajar en ciencia de datos e inteligencia artificial, para qué sirve cada uno y en qué orden aprenderlos.
Data mining y text mining: diferencias, técnicas y ejemplos
Qué es la minería de datos, qué es la minería de textos, en qué se diferencian, qué técnicas usa cada una y cómo los modelos de lenguaje han cambiado el análisis de texto.
Solicita información
Cuéntanos qué programa te interesa y te asesoraremos personalmente.
- O si prefieres nos puedes escribir a master.ia@uah.es
- Reserva una llamada de 15 minutos
- Escríbenos por WhatsApp