Curso de Introducción a la Inteligencia Artificial

El curso se encuentra orientado a comprender los fundamentos, las áreas de aplicación y las principales técnicas que conforman la Inteligencia Artificial.

¿Qué veremos en el cursado?

Los fundamentos de la Inteligencia Artificial (IA), su evolución histórica y los principales hitos en su desarrollo, sus definiciones y aprenderemos sobre el test de Turing. También veremos la aplicación de la IA en diferentes áreas y su estado actual en la empresa.
La transición del dato al conocimiento en la IA, desde problemas de optimización combinatorios y de itinerarios hasta el procesamiento del lenguaje natural y resolución de problemas generales.
Los sistemas expertos, la percepción y el reconocimiento de patrones en la IA.
El aprendizaje de máquinas, incluyendo el aprendizaje supervisado y no supervisado, así como ejemplos de aplicación y casos de cada tipo de problema.
Las mejores prácticas en el enfoque metodológico, los recursos materiales e infraestructura fundamentales para implementar sistemas de IA, los lenguajes de programación y frameworks, el mercado de plataformas y los recursos humanos necesarios.
Los aspectos éticos y riesgos asociados con la IA, así como las perspectivas futuras y su impacto en la sociedad y en diferentes áreas de aplicación.

Modalidades de la formación

Distancia

Para quienes necesitan flexibilidad total. Estudiás a tu ritmo con materiales y actividades en el campus virtual, con un encuentro semanal por materia de 45 minutos en vivo, que también queda grabado.

Plan de estudio

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.

¿A quién está dirigido?

Ingenieros, técnicos y personal que desempeña tareas en la administración y mantenimiento de redes de datos.
Estudiantes de Nivel Medio y Terciarios.
Docentes de Informática, Tecnología y Especializaciones Afines.
Todo aquel interesado por conocer la gestión del Sistema Operativo Linux.
Ingresantes a carreras de sistemas.