En este curso, exploraremos la inteligencia artificial, que es un campo que busca crear sistemas capaces de crear agentes inteligentes que toman decisiones basadas en su entorno con modelos inspirados en el cerebro humano.
- Introducción a la Inteligencia Artificial. Definiciones. Breve historia. Disciplinas auxiliares y dominios de aplicación.
- Agentes Inteligentes: Anatomía de un agente, Taxonomía de agentes inteligentes. Racionalidad en agentes. Efecto del entorno.
- Agentes de Resolución de Problemas: Heurísticas de resolución de problemas. Espacios, tipos y estrategias de búsqueda.
- Agentes Planificadores. Definición del problema de la planificación. Planificación con Cálculo Situacional. Planificación por Orden Parcial.
- Actividad Evaluativa #1 – Quiz. Agentes que aprenden: Introducción al Aprendizaje Automático.
- El problema del aprendizaje automático. Tipos de aprendizaje: supervisado vs. no supervisado; clasificación vs. regresión. Áreas de aplicación.
- Técnicas de aprendizaje supervisado para problemas de regresión. Introducción a Python para Ciencias de Datos.
- Actividad práctica guiada: construcción de una “historia de datos” para un escenario de regresión.
- Técnicas de aprendizaje supervisado para problemas de clasificación.
- Actividad práctica guiada: construcción de una “historia de datos” para un escenario de clasificación.
- Introducción a las Redes Neuronales y al Aprendizaje Profundo. ChatGPT. Tendencias actuales de la IA
- Profesor: Estephany Del Valle Pérez Espinoza