- Introducción a la inteligencia artificial contemporánea
- El objetivo principal de este primer módulo es introducir el concepto de inteligencia artificial, sus diferentes ramas y posibles campos de aplicación, así como analizar los aspectos éticos que giran alrededor de estos y promover una discusión hacia el futuro de esta disciplina.
- Introducción a la ética en la inteligencia artificial
- Durante este módulo exploraremos los diferentes ámbitos en los que han surgido desafíos éticos y conoceremos algunos recursos analíticos para enfrentar cualquier dilema ético asociado con la implementación de la inteligencia artificial.
- Visión por computador
- En este módulo introduciremos cómo la inteligencia artificial estudia el área de la visión por computador para desarrollar métodos que cada vez tienen habilidades más parecidas a las de la percepción humana. Analizaremos el concepto de visión por computador y los retos del procesamiento de imágenes. Adicionalmente, trataremos algunas aplicaciones que han revolucionado el mundo como lo conocemos y discutiremos de la evolución de la visión artificial.
- Procesamiento del lenguaje natural
- El Procesamiento del Lenguaje Natural (PLN) es una disciplina de la Inteligencia Artificial que se ocupa de la formulación e investigación de mecanismos para el entendimiento de lenguaje natural del ser humano (escrito y hablado) a través de un computador. Los asistentes digitales virtuales como Alexa/Cortana, los sistemas de traducción automática, y los chatbots son algunos ejemplos de aplicaciones y sistemas de PLN. El objetivo principal de este módulo es que logres una comprensión general de esta área de la IA en relación con los problemas que aborda, su evolución, así como las grandes etapas que permiten la construcción de modelos de PLN.
- Sistemas embebidos
- En este módulo analizarás las consideraciones para implementar aplicaciones de Inteligencia Artificial sobre plataformas embebidas. Se revisarán algunas arquitecturas Hardware para poder dimensionar a que nos referimos con recursos limitados y presentaremos las librerías Software que nos permiten trabajar sobre estas plataformas.
- Representación del conocimiento
- Desde hace más de veinte años, se reconoce el “capital conocimiento” como un valor fundamental de cualquier organización, que es necesario administrar, es decir extraer, formalizar, explotar y valorizar. La inteligencia artificial simbólica ha estudiado, desde sus orígenes, diferentes metodologías y formalismos para representar y explotar el conocimiento. La representación más utilizada en la actualidad son las ontologías, que adquieren todo su potencial en la Web semántica. A partir de la revisión de la evolución de las representaciones de conocimiento de la Inteligencia artificial simbólica, el módulo se centra en las ontologías: se estudian sus orígenes y componentes conceptuales, así como los lenguajes de representación más utilizados (RDF, URI y RDFS). El módulo termina con una introducción a la web semántica, los grafos de conocimiento o Knowledge Graphs y los datos hilados Linked data.
- Sistemas de control
- En este módulo podrás estudiar algunos ejemplos en los que se utiliza actualmente el control automático inteligente. Comprenderás los conceptos de sistema y de control a partir del análisis de ejemplos de la vida diaria para identificar elementos de retroalimentación, medida, computación y acción. Además, comprenderás qué significa un control inteligente de sistemas a partir de la identificación de dos técnicas asociadas a la toma de decisiones.
- Aprendizaje por refuerzo
- En este módulo comprenderás los fundamentos que subyacen al aprendizaje por refuerzo, los distintos modelos de aprendizaje existentes y cómo construir tus propios agentes inteligentes basados en el aprendizaje por refuerzo.
