Introducción a la Inteligencia Artificial
La inteligencia artificial influirá en todas vuestras carreras profesionales
La idea de este curso es acercar la inteligencia artificial a alumnos de diferentes disciplinas. Los proyectos de inteligencia artificial son multidisciplinares, por lo tanto, no solo necesitan de perfiles del tipo matemáticos/analistas o de programadores, sino que requieren que haya un experto en el campo donde se aplica.
En el curso se mostrarán casos prácticos del uso que se está haciendo de la Inteligencia Artificial en multitud de campos (ingeniería, medicina, arquitectura, arte, computación, finanzas, industria, transporte, música, ocio, comunicación, business...),
y se explicará qué es lo que hay detrás de cada una de estas aplicaciones.
Es importante que los alumnos sean conscientes de cómo la inteligencia artificial, tarde o temprano, influirá en su carrera profesional.
Al finalizar el curso, cada alumno será capaz de plantear un proyecto de inteligencia artificial aplicado a su campo.
El curso no requiere tener conocimientos avanzados de matemáticas, estadística o programación. Los algoritmos los trataremos desde un punto de vista totalmente conceptual y aplicado, con la idea de entender cuándo se utilizan y qué parámetros los controlan.
Objetivos de Aprendizaje
- Conocer los roles dentro de un proyecto de inteligencia artificial.
- Entender la arquitectura de un proyecto de inteligencia artificial.
- Conocer las diferentes metodologías que se utilizan en proyectos de inteligencia artificial.
- Que el alumno sea capaz de plantear un proyecto de Inteligencia artificial en su campo.
- Desmitificar el uso de la inteligencia artificial y ser capaces de adaptarlo a nuestro entorno.
Contenidos de la Asignatura
Introducción a la Inteligencia Artificial
- 1- Historia e introducción a la inteligencia artificial
- 2- Machine learning
- 3- Tipos de aprendizaje: supervisado, no supervisado, reforzado.
- 4- Terminología: instancias y características (instances and features)
- 5- Conjuntos de datos (datasets)
- 6- Aprendizaje o entrenamiento (learning/training)
- 7- Evaluación.
- 8- Algoritmos de clasificación. Naive Bayes, SVM, Decision trees.
- 9- Regresión
- 10- Clustering.
- 11- Deep Learning.
- 12- Redes neuronales y aplicaciones
- 13- Herramientas, lenguajes de programación y librerías específicas de AI.
- 14- Casos prácticos
Profesor
Profesor de Introducción a la Inteligencia Artificial