Métodos y herramientas en IA

  1. Definición de sistemas expertos
  2. Componentes de los Sistemas Expertos
  3. Ejemplos de sistemas expertos

  1. Aprendiendo con ejemplos
  2. Tipos de aprendizaje
    1. Aprendizaje supervisado
    2. Aprendizaje sin supervisión
    3. Aprendizaje por refuerzo
  3. Herramientas prácticas para IA/ML
    1. Entorno de programación
    2. Herramientas gráficas, KNIME
  4. Regresión
    1. Regresión de una variable
    2. Regresión multivariable
    3. Calidad de los modelos de regresión
  5. Clasificación
    1. Regresión logística
    2. Árboles de decisión
    3. Calidad de los clasificadores
  6. Sesgo y varianza
  7. Extracción de características
  8. Aprendizaje ensamblado
    1. Bosque aleatorio
    2. Árboles de regresión
    3. Árboles potenciados
    4. Ajuste de hiperparámetros en ML

  1. Redes neuronales
    1. Neuronas en biología
    2. Perceptrón
    3. Retropropagación y descenso de gradiente
    4. Redes neuronales convolucionales (CNN)
    5. Redes neuronales recurrentes (RNN)
  2. Aprendizaje profundo: ejemplos y casos de uso
  3. Aspectos prácticos del aprendizaje profundo
    1. Entornos de trabajo
    2. Etiquetado y aumento
    3. Modelos estándar y transferencia de aprendizaje

  1. Ejemplos de tareas con PLN
  2. Preprocesamiento de texto
  3. Incrustaciones
  4. Transformadores
  5. Modelos Lingüísticos Grandes (LLM)

  1. Entornos de programación para IA/ML
    1. cuadernos Jupyter + Python, Anaconda
    2. Entornos de trabajo: Scikit-Learn, Tensorflow, PyTorch, Keras etc.
  2. IA/ML sin código
    1. Plataforma de análisis KNIME
    2. Otros

Introducción a la IA

Metodología para la IA aplicada