Inteligencia Artificial (IA), Machine Learning (ML) y Deep Learning (DL)

UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

Introducción a la inteligencia artificial
Historia
La importancia de la IA

UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL

Tipos de inteligencia artificial

UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
Algoritmos aplicados a la inteligencia artificial

UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA

Relación entre inteligencia artificial y big data
IA y Big Data combinados
El papel del Big Data en IA
Tecnologías de IA que se están utilizando con Big Data

UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS

Sistemas expertos
Estructura de un sistema experto
Fases de construcción de un sistema
Rendimiento y mejoras
Dominios de aplicación
Creación de un sistema experto en C#
Añadir incertidumbre y probabilidades

UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL

Futuro de la inteligencia artificial
Impacto de la IA en la industria
El impacto económico y social global de la IA y su futuro

UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING

Introducción
Clasificación de algoritmos de aprendizaje automático
Ejemplos de aprendizaje automático
Diferencias entre el aprendizaje automático y el aprendizaje profundo
Tipos de algoritmos de aprendizaje automático
El futuro del aprendizaje automático

UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

Introducción
Algoritmos

UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN

Introducción
Filtrado colaborativo
Clusterización
Sistemas de recomendación híbridos

UNIDAD DIDÁCTICA 10. CLASIFICACIÓN

Clasificadores
Algoritmos

UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING

Componentes
Aprendizaje

UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN

Introducción
El proceso de paso de DSS a IDSS
Casos de aplicación

UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW

Aprendizaje profundo
Entorno de Deep Learning con Python
Aprendizaje automático y profundo

UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES

Redes neuronales
Redes profundas y redes poco profundas

UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA

Perceptrón de una capa y multicapa
Ejemplo de perceptrón

UNIDAD DIDÁCTICA 16. REDES MULTICAPA

Tipos de redes profundas

UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE

Entrada y salida de datos
Entrenar una red neuronal
Gráficos computacionales
Implementación de una red profunda
El algoritmo de propagación directa
Redes neuronales profundas multicapa