Curso Inteligencia Artificial (IA) 180horas

Introducción a la Inteligencia Artificial y los algoritmos

Objetivos específicos

• Conocer la diferencia entre Inteligencia Artificial y programa informático.

• Repasar varios acontecimientos históricos que marcaron los inicios de la hoy conocida como Inteligencia Artificial.

• Conocer diferentes autores, sus proyectos y la importancia histórica de sus trabajos científicos.

• Entender cómo funciona una IA y de qué forma aprende imitando el comportamiento humano.

• Conocer las características que tienen en común todas las Inteligencias Artificiales.

• Comprender cuales son los retos principales que traen estas características.

• Aprender los símbolos, y su relación con los métodos y técnicas empleados en la Inteligencia Artificial.

• Entender la programación lógica y como se forman sus expresiones básicas.

• Conocer los sistemas expertos y su importancia como antecedentes de otros sistemas de IA actuales.

• Conocer dos de los lenguajes empleados en la construcción de sistemas expertos y la lógica proposicional: LISP y PROLOG.

• Comprender las diferencias y similitudes entre la lógica proposicional y la lógica de predicados, así como otros modelos de lógica.

• Dominar los elementos, conectores y fórmulas bien formadas de la lógica proposicional.

• Aprender los conceptos y componentes de la lógica de predicados de primer orden, incluyendo el alfabeto, las oraciones del lenguaje de primer orden, la semántica y la interpretación.

• Comprender los sistemas deductivos y su objetivo, así como el sistema de Hilbert y las reglas de inferencia.

• Desarrollar habilidades en la aplicación de la lógica deductiva y en la construcción de demostraciones.

• Comprender la importancia de la lógica en diversas áreas, incluyendo la filosofía, la informática y las ciencias formales.

• Aplicar los conocimientos adquiridos en la resolución de problemas y situaciones concretas.

• Comprender los fundamentos teóricos de los algoritmos de aprendizaje automático supervisado y no supervisado, así como sus fortalezas y debilidades en diferentes situaciones y escenarios.

• Aprender cómo implementar y aplicar redes neuronales artificiales, árboles de decisión, algoritmos de clasificación y algoritmos de regresión para resolver problemas de clasificación y predicción.

• Familiarizarse con los conceptos de aprendizaje por refuerzo, algoritmos genéticos, algoritmos de clustering y reducción de dimensionalidad, y aprender cómo aplicarlos en diferentes situaciones, como en robótica o en la toma de decisiones en tiempo real.

• Comprender los algoritmos de procesamiento de imágenes y voz, como la reducción de ruido en imágenes, análisis de sentimientos, detección de objetos en imágenes y reconocimiento de voz, y aprender a aplicarlos en diferentes situaciones.

• Aprender a aplicar algoritmos de procesamiento del lenguaje natural y predicción, como el procesamiento del lenguaje natural y la predicción de series temporales, y aprender a optimizar las redes neuronales para mejorar su rendimiento.

• Comprender qué son los algoritmos y su importancia para los negocios.

• Conocer ejemplos de algoritmos utilizados en el mundo empresarial.

• Aprender cómo los algoritmos pueden mejorar la eficiencia y productividad en los negocios.

• Identificar los desafíos de la implementación de algoritmos en los negocios y cómo superarlos.

• Conocer los beneficios y desafíos de la geolocalización en el ámbito empresarial.

• Explorar las tendencias y perspectivas futuras de la geolocalización en el mundo empresarial y cómo aprovecharlas para mejorar el rendimiento empresarial.

• Comprender la definición de sistemas basados en conocimiento y las diferencias entre estos y los sistemas expertos.

• Conocer ejemplos de aplicaciones de sistemas basados en conocimiento en distintos campos, como la medicina, la gestión empresarial, la robótica y la educación.

• Identificar las ventajas y desventajas de los sistemas basados en conocimiento.

• Aprender acerca de los diferentes tipos de conocimiento (declarativo, procedimental y heurístico) y los métodos de representación del conocimiento (reglas, marcos, redes semánticas, ontologías, entre otros).

• Conocer los procesos y herramientas para adquirir y validar conocimiento, así como los métodos para transferir conocimiento de sistemas existentes a nuevos sistemas.

• Comprender los conceptos fundamentales de los motores de inferencia y su función en la Inteligencia Artificial.

• Identificar las ventajas y desventajas de los motores de inferencia en la Inteligencia Artificial.

• Conocer los diferentes tipos y modelos de inferencia utilizados en la Inteligencia Artificial y sus diferencias.

• Comprender los modelos de inferencia específicos, como los modelos basados en reglas, probabilísticos, basados en redes neuronales y lógica difusa.

• Analizar las aplicaciones actuales y las tendencias en el desarrollo de los motores de inferencia, así como los desafíos y el futuro de esta tecnología en la Inteligencia Artificial.

• Identificar patrones en diferentes tipos de datos y en diferentes áreas de la Inteligencia Artificial, desarrollando habilidades críticas para analizar y comprender problemas complejos.

• Proporcionar conocimientos fundamentales sobre técnicas de aprendizaje automático, incluyendo tanto enfoques supervisados como no supervisados, para detectar patrones y construir modelos predictivos.

• Interpretar los resultados obtenidos de los modelos de aprendizaje automático, comprendiendo cómo se detectan patrones y cómo se aplican estos patrones en la toma de decisiones.

• Resolver problemas complejos en una variedad de campos de la Inteligencia Artificial.

• Desarrollar aplicaciones prácticas de Inteligencia Artificial que utilicen patrones, construyendo soluciones a problemas reales y contribuyendo al desarrollo de la tecnología de la Inteligencia Artificial.

• Comprender la importancia de la ética y la responsabilidad en el desarrollo y aplicación de la Inteligencia Artificial y los algoritmos.

• Adquirir conocimientos y habilidades técnicas necesarias para diseñar, desarrollar y evaluar sistemas de Inteligencia Artificial y algoritmos de manera ética y responsable.

• Desarrollar habilidades para identificar y mitigar sesgos y discriminación en los sistemas de Inteligencia Artificial y algoritmos.

• Ser capaz de evaluar los sistemas y aplicaciones para asegurar que cumplan con los estándares éticos y legales.

• Evaluar el impacto de la Inteligencia Artificial y los algoritmos en diferentes sectores, como el empleo, la educación, la atención médica, la agricultura, la energía y el medio ambiente.