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

SCORM 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

Introducción a la inteligencia artificial

Historia

La importancia de la IA

SCORM 2. TIPOS DE INTELIGENCIA ARTIFICIAL

Tipos de inteligencia artificial

SCORM 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL

Algoritmos aplicados a la inteligencia artificial

SCORM 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

SCORM 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

SCORM 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

SCORM 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

SCORM 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

Introducción

Algoritmos

SCORM 9. SISTEMAS DE RECOMENDACIÓN

Introducción

Filtrado colaborativo

Clusterización

Sistemas de recomendación híbridos

SCORM 10. CLASIFICACIÓN

Clasificadores

Algoritmos

SCORM 11. REDES NEURONALES Y DEEP LEARNING

Componentes

Aprendizaje

SCORM 12. SISTEMAS DE ELECCIÓN

Introducción

El proceso de paso de DSS a IDSS

Casos de aplicación

SCORM 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW

Aprendizaje profundo

Entorno de Deep Learning con Python

Aprendizaje automático y profundo

SCORM 14. SISTEMAS NEURONALES

Redes neuronales

Redes profundas y redes poco profundas

SCORM 15. REDES DE UNA SOLA CAPA

Perceptrón de una capa y multicapa

Ejemplo de perceptrón

SCORM 16. REDES MULTICAPA

Tipos de redes profundas

SCORM 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