Inteligencia artificial (IA), machine learning (ml) y deep learning (dl)

1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

• Introducción a la inteligencia artificial
• Historia
• La importancia de la IA

2. TIPOS DE INTELIGENCIA ARTIFICIAL

• Tipos de inteligencia artificial

3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL

• Algoritmos aplicados a la inteligencia artificial

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

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

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

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

8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

• Introducción
• Algoritmos

9. SISTEMAS DE RECOMENDACIÓN

• Introducción
• Filtrado colaborativo
• Clusterización
• Sistemas de recomendación híbridos

10. CLASIFICACIÓN

• Clasificadores
• Algoritmos

11. REDES NEURONALES Y DEEP LEARNING

• Componentes
• Aprendizaje

12. SISTEMAS DE ELECCIÓN

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

13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW

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

14. SISTEMAS NEURONALES

• Redes neuronales
• Redes profundas y redes poco profundas

15. REDES DE UNA SOLA CAPA

• Perceptrón de una capa y multicapa
• Ejemplo de perceptrón

16. REDES MULTICAPA

• Tipos de redes profundas

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