Resumen
Build your subject-matter expertise This course is part of the AI in Media specialisation. When you enrol in this course; you'll also be enrolled in this Specialisation. ● Learn new concepts from industry experts ● Gain a foundational understanding of modern strategic tools ● Develop job-relevant skills with hands-on scenario-based projects ● Earn a shareable career certificate About this Course In a world where content is tailored to users, understanding recommendation algorithms is vital for any media professional.
This course explores how organisations use machine learning to build 'models of you', predicting tastes in real time to maximise engagement and customer lifetime value. Through real-world examples such as Netflix and YouTube, you will discover how supervised and reinforcement learning drive the social feeds and streaming menus we use every day.
You will also examine the societal risks of these systems, such as radicalisation and filter bubbles, and explore the 'algotorial' approach, where human editorial judgement balances algorithmic efficiency. Whether you are a marketer, producer, or strategist, this course provides the essential foundations of the modern media landscape.
What you'll learn • Analyse the impact of artificial intelligence on the media value chain, specifically evaluating how recommendation algorithms function to maximise audience engagement and retention. • Apply core machine learning concepts—including content-based and collaborative filtering—to real-world media scenarios, while formulating strategies to mitigate ethical risks such as filter bubbles and algorithmic radicalisation. • Assess the emerging importance of AI optimisation and generative AI reputation, developing approaches for organisations to manage their visibility within large language models.
Programa
- Introducción a la Especialización: IA en Medios
Esta especialización equipa a profesionales de los medios y líderes empresariales con una comprensión integral de cómo la IA está transformando la industria de los medios. A lo largo de tres cursos interconectados, explorarás los algoritmos de recomendación que impulsan plataformas como Netflix y YouTube, examinarás las capacidades y limitaciones de las herramientas de IA generativa y desarrollarás estrategias prácticas para integrar la IA en los flujos de trabajo de medios de manera responsable. Evaluarás críticamente tanto las oportunidades como los riesgos, incluidas las complejidades del copyright, la mitigación de sesgos, las amenazas de desinformación y los requisitos de cumplimiento. Diseñado en la Escuela de Negocios Saïd de Oxford, esta serie te prepara para navegar por el paisaje mediático en evolución, construir estrategias informadas por la IA y aprovechar estas tecnologías para impulsar la innovación mientras mantienes estándares éticos y legales. Ten en cuenta que este módulo introductorio es común a todos los cursos en la especialización de IA en Medios. Si ya has estudiado los cursos 'IA y Creatividad' o 'IA y Producción', puedes omitir esta sección, a menos que consideres útil un repaso.
- Introducción al Curso: IA y Recomendación de Contenidos
La inteligencia artificial está redefiniendo fundamentalmente el paisaje mediático, cambiando el paradigma de audiencias buscando contenido a contenido buscando audiencias. En este curso, explorarás los sofisticados algoritmos que impulsan plataformas globales como Netflix, YouTube y Spotify, desentrañando la mecánica del aprendizaje supervisado, no supervisado y por refuerzo. También examinarás los desafíos críticos del sesgo algorítmico y los 'rabbit holes', junto con estrategias para la gestión de la reputación y la 'Optimización del Motor de Respuestas' en una era de IA generativa.
- Aprendizaje Automático en Medios
El aprendizaje automático es la sala de máquinas de los medios modernos, dictando cómo se descubre, consume y monetiza el contenido. En este módulo, descomponerás las tres metodologías fundamentales que impulsan los algoritmos de recomendación: aprendizaje supervisado, no supervisado y por refuerzo. Al examinar aplicaciones del mundo real de plataformas como Spotify, Netflix y TikTok, aprenderás cómo se entrenan los 'agentes' para maximizar el compromiso, cómo se descubren patrones ocultos en datos en bruto y cómo las organizaciones equilibran la necesidad de explorar contenido nuevo contra la necesidad de explotar preferencias de usuarios conocidas.
- Dimensiones Prácticas de la Recomendación de Contenidos
Más allá de los conceptos teóricos del aprendizaje automático, este módulo examina cómo las principales organizaciones de medios despliegan prácticamente motores de recomendación para definir la experiencia del usuario moderno. Explorarás la mecánica específica del filtrado basado en contenido y colaborativo, comprendiendo cómo los algoritmos determinan qué contenido aparece en el feed de un usuario. A través de estudios de caso profundizados de líderes de la industria como Netflix y YouTube, analizarás cómo se diseñan estos sistemas para maximizar la 'pegajosidad', reducir la deserción y optimizar el Valor de Vida del Cliente utilizando una mezcla de señales de datos explícitas e implícitas.
- Gestionando el Riesgo en la Recomendación de Contenidos
Aunque los algoritmos de recomendación son motores poderosos para el compromiso, conllevan riesgos significativos cuando se optimizan únicamente para la atención. En este módulo, examinarás el fenómeno del 'rabbit hole', donde los usuarios son llevados inadvertidamente hacia contenido extremo o atrapados en burbujas de filtro. Explorarás el equilibrio entre la eficiencia algorítmica y el bienestar social, y descubrirás el enfoque 'algotorial'. Esta estrategia híbrida combina la rapidez del aprendizaje automático con el juicio editorial humano, ofreciendo a las organizaciones un marco práctico para mitigar el riesgo, asegurar la diversidad y mantener la seguridad en la distribución de contenidos.
- Optimización del Lado Positivo y Minimización del Lado Negativo en la Recomendación de Contenidos
En el paisaje mediático moderno, la reputación de una organización se define cada vez más no solo por el sentimiento general en internet, sino por las 'opiniones' de los modelos de lenguaje grande (LLMs). Este módulo explora el cambio estratégico de la optimización de motores de búsqueda tradicional a la Optimización del Motor de Respuestas (AEO). Examinarás cómo los algoritmos de recomendación perciben las marcas, el impacto de la inferencia de la IA en la posición pública, y la aplicación práctica de la ciencia de datos en la creación de contenido para dominar los algoritmos de plataformas como YouTube y Spotify.
- Conclusión del Curso
Este módulo final consolida tu aprendizaje a lo largo del curso, resumiendo la mecánica central del aprendizaje supervisado, no supervisado y por refuerzo, las aplicaciones prácticas de filtrado de contenido y colaborativo utilizadas por plataformas como Netflix, Spotify y YouTube, los riesgos éticos del efecto 'rabbit hole' y las estrategias para la gestión de la reputación y la optimización de creadores en sistemas algorítmicos. Finalmente, aplicarás tus conocimientos a través de una asignación revisada por pares que te desafía a desarrollar una recomendación estratégica sobre cómo un servicio de streaming podría adoptar sistemas de recomendación algorítmica, y a analizar los impactos sociales de los algoritmos de recomendación de contenidos, incluyendo el riesgo de radicalización.
Impartido por
Alex Connock
Materias
Artificial Intelligence
