Introducción a la Inteligencia Artificial y los algoritmos
El precio original era: 369,90 €.199,95 €El precio actual es: 199,95 €.
Modalidad: Online
Duración: 180 Horas
¡Oferta!
Objetivos
Objetivo general:
Conocer todas las nociones y características de las IA y su aplicación directa en algoritmos.
Objetivos específicos:
- Conocer la diferencia entre Inteligencia Artificial y programa informático.
- Repasar varios acontecimientos históricos que marcaron los inicio 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.
Contenidos
UNIDAD 1 NOCIONES Y ANTECEDENTES.
Nociones y antecedentes. En la Antigüedad.
Leonardo da Vinci: Autómata Cavaliere y el león mecánico.
Nociones: Norbert Wiener, Warren McCulloch y Walter Pitts.
Alan Turing. Premio Loebner y los Chatbots.
Reconocimiento.
Ajedrez. Microprocesadores y Deep Blue.
Lenguaje Natural: fases 1 y 2.
Lenguaje Natural: fases 3 y 4.
¿Inteligencia Artificial o programa informático?
Nuevo auge.
UNIDAD 2. CARACTERÍSTICAS DE LA IA.
Características de la IA.
Las redes neuronales.
Machine Learning (ML). Supervisado y sin supervisión.
Automatización de procesos.
Función 24×7.
Precisión absoluta.
Gestión de datos abundantes.
Retos. Datos y personal.
UNIDAD 3. SÍMBOLOS Y MÉTODOS NUMÉRICOS
Símbolos y métodos numéricos.
Sistemas expertos.
Lógica proposicional.
Tablas de verdad.
Lenguajes de desarrollo de la IA.
UNIDAD 4. FÓRMULAS Y FUNCIONES.
Lógica proposicional.
Lógica de predicados.
Otros modelos de lógica.
Elementos de la Lógica proposicional.
Elementos de la Lógica de predicados
Lógica de primer orden.
Sistemas deductivos.
UNIDAD 5. ALGORITMOS.
Algoritmos I.
Algoritmos II.
Aprendizaje automático supervisado.
Aprendizaje automático NO supervisado.
Minería de datos.
- Relación entre minería de datos e IA.
- Algoritmos de detección de anomalías.
- Algoritmos de minería de datos.
- Algoritmos de selección de características.
- Algoritmos de agrupamiento difuso (Fuzzy Clustering).
Procesamiento de imágenes y voz.
6. Procesamiento del lenguaje natural y predicción.
- Algoritmos de procesamiento del lenguaje natural.
- Algoritmos de predicción de series temporales.
- Algoritmos de optimización de redes neuronales.
UNIDAD 6. ALGORITMOS Y APLICACIONES DE NEGOCIO (CASO GEOLOCALIZACIÓN).
¿Qué son los algoritmos y por qué son importantes para los negocios?
- Ejemplos de algoritmos utilizados en los negocios.
- Introducción a la geolocalización y su importancia en el ámbito empresarial.
Maneras de mejorar los negocios con algoritmos I.
Maneras de mejorar los negocios con algoritmos II.
Utilización de algoritmos en la toma de decisiones empresariales.
Aplicaciones de algoritmos en la gestión de datos y análisis de información empresarial.
Algoritmos de Inteligencia Artificial y su impacto en los negocios.
Algoritmos de optimización y su aplicación en la gestión de recursos empresariales.
Algoritmos en la planificación y gestión de proyectos empresariales.
Desafíos en la implementación de algoritmos en los negocios.
Algoritmos y aplicaciones de geolocalización.
Beneficios de la geolocalización para el ámbito empresarial: ahorro de costes, aumento de la eficiencia, mejora de la toma de decisiones.
Tendencias y perspectivas futuras de la geolocalización en el mundo empresarial.
UNIDAD 7. SISTEMAS BASADOS EN CONOCIMIENTO.
Definición de sistemas basados en conocimiento.
Representación del conocimiento.
- Tipos de conocimiento: declarativo, procedimental y heurístico.
- Métodos de representación del conocimiento.
- Selección del método de representación adecuado para el problema a resolver.
- Transformación de conocimiento en una forma utilizable por el sistema.
- Modelos de conocimiento híbridos.
Adquisición de conocimiento.
Diseño, implementación y evaluación de sistemas basados en conocimiento.
- Evaluación del desempeño de los sistemas basados en conocimiento.
- Mantenimiento y actualización de los sistemas basados en conocimiento.
- Integración de sistemas basados en conocimiento con otros sistemas de IA.
- Diseño y evaluación de interfaces de usuario para sistemas basados en conocimiento.
Aplicaciones específicas de sistemas basados en conocimiento.
- Aplicaciones en la medicina.
- Aplicaciones en la gestión del conocimiento empresarial.
- Aplicaciones en la robótica y la automatización.
- Aplicaciones en la educación.
UNIDAD 8. MOTORES DE INFERENCIA.
Conceptos fundamentales de los motores de inferencia.
Modelos de inferencia en la Inteligencia Artificial.
Modelos de inferencia específicos.
Representación del conocimiento en los motores de inferencia.
Aplicaciones y tendencias de los motores de inferencia.
UNIDAD 9. PATRONES.
Patrones en el aprendizaje automático supervisado.
Patrones en el aprendizaje automático no supervisado.
Patrones en el procesamiento del lenguaje natural.
Patrones en la visión por computadora.
Patrones en la robótica y la automatización.
UNIDAD 10. REGLAS Y RESTRICCIONES.
Ética y responsabilidad en la IA y los algoritmos.
Sesgos y discriminación en la IA y los algoritmos.
Regulaciones y gobernanza en la IA y los algoritmos.
Impacto de la IA y los algoritmos en diferentes sectores.
Futuro de la IA y los algoritmos.
El precio original era: 369,90 €.199,95 €El precio actual es: 199,95 €.
Modalidad: Online
Duración: 180 Horas
Aprende a tu ritmo
Contenido actualizado
Diploma acreditativo
Accesible desde tu móvil
¿Necesitas impartir esta formación en tu organización o un número de más de 5 licencias del curso?
Preguntas frecuentes
¿Cuándo comenzaré el curso?
Una vez realizada la compra recibirás un email con la validación de tu matrícula en el curso elegido. A continuación, en un plazo máximo de dos días hábiles recibirás otro email con los datos de acceso al campus para iniciar el curso.
¿En cuánto tiempo debo finalizar el curso?
El plazo para realizar el curso depende de su duración en horas, siendo calculado a razón de 1 hora por día de lunes a viernes.
Si finalizas antes del plazo establecido puedes solicitar la emisión de tu diploma/certificado enviando un mensaje directamente desde el campus.
¿Cómo puedo ver mi progreso en el curso?
Puedes visualizar tu progreso en tiempo real directamente en el campus. Así pues, podrás saber el porcentaje de contenidos visualizados y de actividades realizadas a medida que desarrollas la formación.
¿Qué ventajas tiene elegir el acompañamiento de un/a tutor/a?
El docente/tutor dinamizará la formación, resolverá todas tus dudas y velará por el aprovechamiento de los contenidos didácticos mediante tutorías personalizadas.
Si elijo el acompañamiento de un/a tutor/a ¿Cómo puedo contactar con él/ella?
En caso de contratar tutorías dispondrá del correo electrónico del tutor especificado en la plataforma y, además. podrá contactarle directamente a través de la mensajería del campus.
¿Cómo obtengo mi diploma?
Una vez finalices la formación podrás obtener tu diploma/certificado si cumples con los siguientes requisitos mínimos:
- Acceder al 75% del temario de forma progresiva dentro del período de formación.
- Obtener una calificación final mínima de 5 puntos en las diferentes actividades y/o evaluaciones.
Productos relacionados
-
¡Oferta!
Bases de datos NoSQL. MongoDB
El precio original era: 64,66 €.34,95 €El precio actual es: 34,95 €. -
¡Oferta!
Inteligencia Artificial: ChatGPT Práctico para Empresas
El precio original era: 101,65 €.54,95 €El precio actual es: 54,95 €. -
¡Oferta!
Gestión de redes telemáticas
El precio original era: 184,91 €.99,95 €El precio actual es: 99,95 €.