Definición de inteligencia artificial

Evolución histórica de la inteligencia artificial

La inteligencia artificial en la vida cotidiana y en diferentes sectores

La inteligencia artificial como subcampo de la informática

Enfoques, técnicas y objetivos de la IA

Inteligencia artificial, machine learning, deep learning y redes neuronales

Aprendizaje automático (Machine Learning)

Tipos de Machine Learning (Supervisado, No Supervisado, por Refuerzo)

Características definitorias de un algoritmo

Un ejemplo de las características definitorias de un algoritmo

Evaluación y mejora de modelos

Procesamiento del lenguaje natural (Natural Language Processing)

Técnicas clave del procesamiento de texto

Modelos de procesamiento del lenguaje natural

Los Transformadores y el procesamiento del lenguaje natural

Aplicaciones del procesamiento del lenguaje natural

Visión computacional (Computer Vision)

Conceptos básicos de la visión computacional

Modelos de visión computacional

Procesamiento de imágenes y redes neuronales convolucionales (CNN)

Aplicaciones de la visión por computadora

Impacto de la inteligencia artificial en la sociedad y la economía

Ejemplos de aplicaciones de la IA en instituciones públicas

Ejemplos de aplicaciones de la IA en el mundo empresarial

Explicabilidad y transparencia de los modelos de Deep Learning

Sesgos y discriminación en los modelos de inteligencia artificial

Responsabilidad y regulación en la IA

Qué es el Big Data

El Big Data como solución al tratamiento masivo de datos

Del Business Intelligence al Big Data

Retos del Big Data

Características del Big Data (4 V’s)

Aplicaciones del Big Data

Introducción a las bases de datos relacionales

Introducción a las bases de datos no relacionales

Diferencias entre SQL y NoSQL

Ventajas e inconvenientes de cada tipo de base de datos

Ejemplos de bases de datos utilizadas en Big Data

Hadoop como revolución para el tratamiento paralelo de datos masivos

Casos de uso de Hadoop

El ecosistema Hadoop: HDFS y MapReduce

Ejemplos de HDFS y MapReduce

Principales lenguajes de programación utilizados para el Big Data: Java, Scala, SQL y Python

Procesos ETL (extracción, transformación y carga): Flume, Sqoop y HIVE

Ejemplos de procesos ETL

Procesos Real Time y bases de datos de alta disponibilidad: Kafka, HBASE y Redis

Nuevos paradigmas del Big Data: Procesos en Real Time y Cloud Computing

Ventajas y desafíos del procesamiento en tiempo real y del Cloud Computing

Ejemplos de uso del cloud computing

¿Qué es TensorFlow?

Presentación de las diferentes técnicas de análisis de datos

Técnicas de visualización de datos

Herramientas y técnicas para crear visualizaciones interactivas y dashboards

Desafíos y consideraciones en la visualización de datos

Aplicaciones del Big Data en Instituciones Públicas

Aplicaciones del Big Data en el Mundo Empresarial

Análisis de los beneficios del uso del Big Data

Métodos de aprendizaje supervisado

Modelos de Algoritmos Supervisados

Modelos de regresión lineal

Modelos de regresión logística

Modelos de árboles de decisión

Modelos de máquina de vectores de soporte

Métodos de aprendizaje no supervisado

Modelos de Algoritmos no Supervisados

k-means

DBSCAN

Análisis de Componentes Principales (PCA)

Agrupamiento Jerárquico

Comparativa de los principales algoritmos no supervisados

Cuándo utilizar unos u otros algoritmos de aprendizaje no supervisado

Cómo elegir el algoritmo adecuado supervisado o no supervisado

Aprendizaje por Refuerzo: Aprendiendo a través de la interacción

Desafíos del Aprendizaje por Refuerzo

Los agentes en el aprendizaje por refuerzo

Algoritmos de Aprendizaje por Refuerzo

Los enfoques heurísticos en la inteligencia artificial

Algoritmos genéticos

Recocido simulado

Búsqueda tabú

Algoritmos voraces

Deep Learning: Aprendiendo representaciones jerárquicas

Desafíos del Deep Learning

Redes neuronales artificiales

Conceptos básicos de las redes neuronales

Capas de neuronas de una red artificial

Parámetros de un modelo de inteligencia artificial

Entrenamiento de redes neuronales

Técnicas de entrenamiento de una red neuronal

Aprendizaje por transferencia

Tipos de arquitecturas de Deep Learning

Redes Neuronales Recurrentes (RNN)

Redes neuronales convolucionales (CNN)

Redes Generativas Adversarias (GAN)

Redes Neuronales Transformadoras (TNN)

Comparativa entre las distintas arquitecturas de Deep Learning

Introducción a Weka y Orange

¿Qué son Weka y Orange?

Importancia de Weka y Orange en el Aprendizaje Automático

Comparación entre Weka y Orange: Ventajas y Desventajas

Instalación y Configuración de Weka y Orange

Exploración de la Interfaz de Weka

Visión General de la Interfaz de Weka

Modos de Weka: Explorador, Experto, Flujo de Trabajo

Descripción de Módulos Clave en el Explorador

Exploración de la Interfaz de Orange

Introducción a la Interfaz Visual de Orange

Comprensión de los Widgets de Orange

Creación de un Flujo de Trabajo Básico en Orange

Importación y Preparación de Datos en Weka y Orange

Fuentes de Datos

Preprocesamiento de Datos

Visualización de Datos

Implementación de Modelos de Aprendizaje Automático

Modelos Supervisados en Weka y Orange

Modelos No Supervisados en Weka y Orange

Algoritmos de Aprendizaje por Refuerzo

Modelos Profundos (Deep Learning)

Evaluación y Validación de Modelos

Métodos de Validación

Métricas de Evaluación

Evaluación de Modelos en Weka

Evaluación de Modelos en Orange

Análisis de Resultados

Visualización de Resultados

Visualización de Resultados en Weka

Visualización de Resultados en Orange

Interpretación de Visualizaciones para la Toma de Decisiones

Casos Prácticos y Ejercicios

Estudio de Caso 1: Clasificación de Datos Médicos

Estudio de Caso 2: Segmentación de Clientes

Automatización y Flujo de Trabajo en Weka/Orange

Creación de Flujos de Trabajo Automatizados en Weka

Uso de Scripts Python en Orange para Automatización

Exportación e Implementación de Modelos en Entornos de Producción

Conclusiones y Buenas Prácticas

Conclusiones

Buenas prácticas