Objetivo

Aumentar su capacidad de análisis lógico deductivo a partir de la aplicación de técnicas de  la inteligencia artificial (IA) clásica y de herramientas de cómputo para la solución de  problemas del mundo real, principalmente que represente el conocimiento y comprenda  las entidades inteligentes más que su propia construcción.

Objetivos específicos

• Conocer el concepto de inteligencia artificial y sus principios
• Entender los enfoques de la inteligencia artificial
• Identificar los campos de la inteligencia artificial
• Entender las principales técnicas de representación de conocimientos y como estos se utilizan en el diseño de sistemas inteligentes.
• Entender y comparar algunas técnicas básicas de aprendizaje automático y sus ventajas y limitaciones.
• Conocer las técnicas de redes neuronales y sus aplicaciones
• Comprender el concepto de aprendizaje profundo con redes neuronales

Contenido

MÓDULO 1.

Sistemas inteligentes. Comenzando con una visión historica y pasando una visión algoritmica buscaremos definir la inteligencia artifical como una serie de modelos y algoritmos que buscar simplificadamente mimar la inteligencia, no solo como representar conocimiento, sino también de construir entidades inteligentes: máquinas que pueden calcular cómo actuar de manera efectiva y segura en una amplia variedad de situaciones novedosas. 

MODULO  2.

Introducción a la programación en python. El contenido de este curso introductorio está orientado hacia aquellos que no tienen experiencia programando en Python. Se verán conceptos y temas fundamentales acerca de la programación, poniendo en práctica lo aprendido mediante ejercicios prácticos. Aquí se hará énfasis en el uso de librerías como numpy y pandas.

MODULO  3.

Aprendizaje Automático. Los modelos de aprendizaje de máquina (AM) o aprendizaje automático (AA) se trata de un área de especialización de la inteligencia artificial en la cual se busca el desarrollo de software con la capacidad de aprender a partir de un conjunto de datos dado, pudiendo utilizar lo aprendido para realizar predicciones, descubrir patrones o emular capacidades cognitivas propias del ser humano, como son el comprender imágenes, videos o lenguaje natural. En esta unidad se revisaran las definiciones y algunos métodos de aprendizaje tales como arboles de decisión, naives-bayes, regresión lineal, regresión logística entre otros.

MODULO 4.

Redes Neuronales. Una red neuronal (NN) intenta representar simplificadamente como funciona el “hardware de nuestro cerebro”. Una red neuronal  es un gráfico de funciones matemáticas, el gráfico consta de neuronas, o nodos, y enlaces, o bordes de  entradas y produce salidas. En esta sección se estudiarán arquitecturas de redes neuronales y su proceso de aprendizaje, de tal forma que se puede introducir el concepto de aprendizaje profundo o deep learning.

MODULO 5.

Aplicaciones a la visión artificial. La visión artificial es una parte de la inteligencia artificial y se basa en la utilización de diferentes tecnologías para reconocer imágenes, formas, caras, colores, etc. Las aplicaciones de la visión artificial son tan diversas como la detección de intrusos, el mantenimiento de la seguridad vial o el control de los procesos en automatización industrial. En este curso haremos una introducción al concepto de procesamiento de imágenes y las aplicaciones del deep learning en este punto.