Unidad 1: Introducción a la IA
- Clase 1. Fundamentos de la IA
- Áreas. Evolución. Nuevos modelos computacionales. Test de Turing. Definiciones de IA
- Introducción a la Inteligencia Artificial: qué es, definiciones y evolución histórica
- Hitos en el desarrollo de la IA: principales logros y avances en el campo de la IA
- El test de Turing: qué es, en qué consiste y su importancia en la IA
- Aplicación de la IA en diferentes áreas: ejemplos de aplicaciones de la IA en la vida diaria, en el área legal, la medicina, la industria, el trasporte, entre otros
Unidad 2: Del procesamiento de datos al procesamiento de conocimientos
- Clase 2. Problemas de optimización combinatorios y de itinerarios
- Introducción a la transición del dato al conocimiento en la IA: definición y contexto;
- Problemas de optimización combinatorios y de itinerarios: qué son, cómo se abordan y ejemplos de aplicación;
- Ejercicio práctico EDA en Python.
- Clase 3. Procesamiento del lenguaje natural
- Procesamiento del lenguaje natural: qué es, cómo se aborda y ejemplos de aplicación;
- Ejercicio práctico de procesamiento del lenguaje natural;
- Discusión sobre las limitaciones y retos del procesamiento del lenguaje natural.
- Clase 4. Resolución de problemas generales
- Resolución de problemas generales: qué son, cómo se abordan y ejemplos de aplicación;
- Ejercicio práctico de resolución de problemas generales;
- Discusión sobre las limitaciones y retos de la resolución de problemas generales;
- Tendencias y novedades en la transición del dato al conocimiento en la IA.
Unidad 3: Sistemas expertos y percepción de patrones
- Clase 5: Sistemas expertos, percepción y reconocimiento de patrones
- Presentación del tema y su importancia en la IA;
- Sistemas expertos: definición, cuáles son sus características, estructura y funcionamiento. Ejemplos de aplicación;
- Percepción en la IA: definición, tipos de percepción y métodos. Ejemplos de aplicación;
- Reconocimiento de patrones en la IA: definición, tipos y métodos de reconocimiento de patrones. Ejemplos de aplicación.
- Clase 6: Repaso general
- Semana de evaluación
Unidad 4: Aprendizaje de máquinas
- Clase 7: Introducción al aprendizaje automático
- Definición y contexto. Veremos de manera general las clasificaciones del AA y sus respectivos modelos;
- AS, ANS y AR: qué es, cómo funciona y ejemplos de aplicación.
- Clase 8: Aprendizaje supervisado y no supervisado en profundidad
- Técnicas de AS y ANS en profundidad.
Unidad 5: Aspectos prácticos de la IA
- Clase 9: Enfoque metodológico y recursos materiales e infraestructura
- Introducción a las mejores prácticas en el enfoque metodológico de la IA;
- Análisis de los recursos materiales e infraestructura fundamentales para implementar sistemas de IA.
- Clase 10: Lenguajes de programación, frameworks y mercado de plataformas. Recursos humanos
- Descripción de los lenguajes de programación más utilizados (Python, R, Scala, Julia, C++);
- Análisis de los perfiles profesionales necesarios para trabajar en el área de la IA.
Unidad 6: Ética y perspectivas futuras de la IA
- Clase 11: Aspectos éticos y riesgos asociados
- Introducción a los aspectos éticos de la IA: explicación de la importancia de la ética en la IA y los riesgos asociados con el mal uso de la tecnología;
- Sesgos en la IA. Ejemplos de riesgos y preocupaciones éticas en la IA: discusión sobre ejemplos específicos de situaciones en las que la IA ha planteado problemas éticos;
- Perspectivas futuras de la IA: presentación de las posibles aplicaciones y cómo podrían impactar en la sociedad y en diferentes áreas de aplicación.
- Clase 12: Repaso general
- Semana de evaluación.