Aspectos generales
Responsable
Métodos de evaluación
| Método |
Cantidad |
Porcentaje |
| Proyecto Final |
1 |
40% |
| Tareas |
8 |
60% |
Introducción
El auge de la Inteligencia Artificial y la Ciencia de Datos, ha impactado en la vida diaria y demanda en todo profesional, el conocimiento, uso y aplicación de herramientas
computacionales que apoyen su quehacer profesional.
La Inteligencia Artificial, juega un rol multifacético en todas las disciplinas, su uso conciente y responsable brindará a las personas nuevas alternativas de análisis y
aprovechamiento al máximo de sus habilidades.
Objetivos
1. Introducir al alumno los conceptos fundamentales de la Inteligencia Artificial
2. Enseñar al alumno conceptos de Programación con Python
3. Introducir al alumno a las matemáticas fundamentales detrás de la Inteligencia Artificial
4. Presentar al alumno los algoritmos de clasificación y regresión fundamentales en la disciplina del Machine Learning
5. Comprender los algoritmos de clasificación más usados mediante varios ejemplos usando python
Temario
(Sesiones 1 a 3)
1. Introducir a la Inteligencia Artificial
Definiciones básicas en Inteligencia Artificial
Problemas clásicos y su obordaje computacional
Test de Turing
Primeros algoritmos inteligentes y su implementación en juegos Humano VS máquina
(Sesiones 4 a 9)
2. Programación con Python
Variables
Sentencias de control
Listas y tuplas
Bibliotecas: Numpy y pandas
Graficación con seaborn y matplotlib
(Sesiones 10 a 15)
3. Matemáticas fundamentales en la Inteligencia Artificial
Álgebra Lineal, Cálculo Diferencial y Estadística básicos
(Sesiones 16 a 22)
4. Algoritmos de clasificación y regresión fundamentales en Machine Learning
K-Vecinos más cercanos
Árboles de decisión
Random Forest
Naive Bayes
Regresión Logística
Regresión Lineal
Clustering
Redes neuronales artificiales
(Sesiones 23 a 32)
5. Ilustración de los algoritmos de Machine Learning mediante el uso de ejercicios prácticos
Descargables
