UNIDAD 1.- Introducción a la Inteligencia Artificial
- Definición de inteligencia artificial
- Evolución histórica de la inteligencia artificial
- La inteligencia artificial en la vida cotidiana y en diferentes sectores
- La inteligencia artificial como subcampo de la informática
- Enfoques, técnicas y objetivos de la IA
UNIDAD 2.- Fundamentos de Machine Learning
- Inteligencia artificial, machine learning, deep learning y redes neuronales
- Aprendizaje automático (Machine Learning)
- Tipos de Machine Learning (Supervisado, No Supervisado, por Refuerzo)
- Características definitorias de un algoritmo
- Un ejemplo de las características definitorias de un algoritmo
- Evaluación y mejora de modelos
UNIDAD 3.- Aprendizaje Supervisado
- Métodos de aprendizaje supervisado
- Modelos de Algoritmos Supervisados
- Modelos de regresión lineal
- Modelos de regresión logística
- Modelos de árboles de decisión
- Modelos de máquina de vectores de soporte
UNIDAD 4.- Aprendizaje No Supervisado
- Métodos de aprendizaje no supervisado
- Modelos de Algoritmos no Supervisados
- k-means
- DBSCAN
- Análisis de Componentes Principales (PCA)
- Agrupamiento Jerárquico
- Comparativa de los principales algoritmos no supervisados
- Cuándo utilizar unos u otros algoritmos de aprendizaje no supervisado
- Cómo elegir el algoritmo adecuado supervisado o no supervisado
UNIDAD 5.- Aprendizaje por Refuerzo
- Aprendizaje por Refuerzo: Aprendiendo a través de la interacción
- Desafíos del Aprendizaje por Refuerzo
- Los agentes en el aprendizaje por refuerzo
- Algoritmos de Aprendizaje por Refuerzo
UNIDAD 6.- Enfoques heurísticos
- Los enfoques heurísticos en la inteligencia artificial
- Algoritmos genéticos
- Recocido simulado
- Búsqueda tabú
- Algoritmos voraces
UNIDAD 7.- Deep Learning y Redes Neuronales
- Deep Learning: Aprendiendo representaciones jerárquicas
- Desafíos del Deep Learning
- Redes neuronales artificiales
- Conceptos básicos de las redes neuronales
- Capas de neuronas de una red artificial
- Parámetros de un modelo de inteligencia artificial
- Entrenamiento de redes neuronales
- Técnicas de entrenamiento de una red neuronal
- Aprendizaje por transferencia
UNIDAD 8.- Arquitecturas de Deep Learning
- Tipos de arquitecturas de Deep Learning
- Redes Neuronales Recurrentes (RNN)
- Redes neuronales convolucionales (CNN)
- Redes Generativas Adversarias (GAN)
- Redes Neuronales Transformadoras (TNN)
- Comparativa entre las distintas arquitecturas de Deep Learning
UNIDAD 9.- Modelos de procesamiento del lenguaje natural
- Procesamiento del lenguaje natural (Natural Language Processing)
- Técnicas clave del procesamiento de texto
- Modelos de procesamiento del lenguaje natural
- Los Transformadores y el procesamiento del lenguaje natural
- Aplicaciones del procesamiento del lenguaje natural
UNIDAD 10.- Modelos de visión computacional
- Visión computacional (Computer Vision)
- Conceptos básicos de la visión computacional
- Modelos de visión computacional
- Procesamiento de imágenes y redes neuronales convolucionales (CNN)
- Aplicaciones de la visión por computadora
UNIDAD 11.- Casos de uso de la Inteligencia Artificial
- Impacto de la inteligencia artificial en la sociedad y la economía
- Ejemplos de aplicaciones de la IA en instituciones públicas
- Ejemplos de aplicaciones de la IA en el mundo empresarial
UNIDAD 12.- Aspectos éticos y legales de la inteligencia artificial
- Explicabilidad y transparencia de los modelos de Deep Learning
- Sesgos y discriminación en los modelos de inteligencia artificial
- Responsabilidad y regulación en la IA
UNIDAD 13.- Tendencias y desafíos futuros en Inteligencia Artificial
- Avances y retos en la investigación de IA
- Innovación y oportunidades en el campo de la IA