1. Definición de la Inteligencia Artificial. El test de Turing
  2. Tipos de Inteligencia Artificial. Clasificaciones
  3. La clasificación de la IA de Hintze

  1. Cronología y límites de la Inteligencia Artificial
  2. Cronología de los algoritmos y las computadoras
  3. Cronología de la Inteligencia Artificial
  4. ETAPA 0 Los ancestros: matemáticas y neurociencia
  5. ETAPA 1 Propuesta teórica y primeros pasos 1940 - 1959
  6. ETAPA 2 El primer invierno de la IA 1960 - 1979
  7. ETAPA 3 Los primeros éxitos, vuelta de la financiación 1980 - 1987
  8. ETAPA 4 El Segundo Invierno de la IA 1988 - 1993
  9. ETAPA 5 La gran expansión 1994 - 2011
  10. ETAPA 6 La era del Big Data y el Deep Learning: desde 2012

  1. Métodos y tecnologías fundacionales

  1. Aplicaciones e impacto en el mundo real

  1. Qué es la visión artificial y cuáles son sus objetivos
  2. Métodos y procesos
  3. Breve historia y campos relacionados
  4. Características en la actualidad

  1. Preparación del entorno de desarrollo y pruebas
  2. Imágenes, matrices y color
  3. Representación y transformaciones de imágenes
  4. Filtrado: desenfoque, nitidez y suavizado
  5. Detección de bordes, contornos, rectas y esquinas
  6. Extracción de características globales e invariantes: detectores y descriptores
  7. Feature Matching y reconocimiento de objetos con ORB

  1. Preparación del entorno de Google Colab
  2. Clasificación de objetos mediante técnicas clásicas
  3. Clasificación de objetos mediante deep learning
  4. Deteccióndeobjetosmediantedeep learning
  5. Segmentacióndeobjetosmediante deep learning
  6. GANs (redes generativas adversarias)

  1. Elementos básicos de un dispositivo de captura
  2. Tipología de dispositivos de captura
  3. Origen de la captura

  1. Qué es el Procesamiento del Lenguaje Natural
  2. Objetivos y arquitectura básica de un sistema NLP
  3. Antecedentes del NLP actual

  1. Las expresiones regulares y la segmentación de palabras y frases
  2. Qué es una palabra
  3. Normalización del texto

  1. Autocorrección y algoritmos de estimación de distancia
  2. Categorización de palabras (Part of Speech Tagging)
  3. N-Grams - Autocompletado de texto

  1. Vectors and Word embeddings
  2. Word2Vec

  1. Procesamiento del lenguaje natural con Deep Learning
  2. Recurrent Neural Networks (RNN)
  3. Long Short-Term Memory (LSTM)

  1. NLP basado en mecanismos de atención. Transformers
  2. Self-Attention Layer
  3. Transformer block
  4. Traducción seq2seq con mecanismos de atención
  5. Transformers para generar modelos de lenguaje y generación de texto
  6. Bidirectional Encoder Representations from Transformers (BERT)
  7. Generative Pre-trained Transformers (GPT-2 y GPT-3)

  1. Introducción a Python

  1. Origen y clasificación de la Inteligencia Artificial

  1. Aprendizaje supervisado
  2. Clasificación
  3. Regresión

  1. Aprendizaje no supervisado
  2. Clustering
  3. Reducción de dimensionalidad

  1. Aprendizaje por refuerzo

  1. Deep Learning
  2. Redes Neuronales
  3. Limitaciones del Deep Learning

  1. Evolución de los sistemas computacionales
  2. La primera generación (1940 a 1955): tubos de vacío
  3. La segunda generación (1955 a 1965): transistores y sistemas de procesamiento de datos
  4. Tercera generación (1965 a1975): circuitos integrados y multiprogramación
  5. La cuarta generación (1970 -1980): las PC o computadoras personales
  6. La quinta generación (1980-1990 a la actualidad): La era de la IA
  7. Sexta Generación de computadoras: Redes neuronales artificiales
  8. Séptima Generación de computadoras: Paralelización de cargas
  9. Octava Generación de computadoras: Nanotecnología

  1. Arquitectura de un computador
  2. Coprocesadores matemáticos
  3. Coprocesadores de Entrada / Salida
  4. Coprocesadores Criptográficos
  5. Coprocesadores de procesamiento de señal
  6. Coprocesadores cuánticos
  7. Coprocesadores gráficos
  8. Tensor Procesing Unit (TPU)
  9. Unidades de procesamiento visual
  10. FPGA
  11. Nuevas arquitecturas hardware

  1. Internet of Things
  2. Hardware
  3. Redes
  4. Software
  5. Industria 4.0

  1. Dispositivos y sensores
  2. Sensores de propósito general
  3. Sensores y dispositivos industriales
  4. Sensores y dispositivos biomédicos
  5. Sensores y dispositivos de domótica

  1. Interacción computador-humano
  2. Interfaces de usuario
  3. Realidad Virtual
  4. Nuevos paradigmas

  1. Inteligencia Artificial
  2. Inteligencia Artificial e inteligencia humana
  3. Ética
  4. Leyes de la robótica
  5. Percepción social de la inteligencia artificial

  1. Desafíos éticos de la inteligencia artificial
  2. Privacidad y protección de datos
  3. Detección de sesgos

  1. Roboética. Cómo nos afectan las decisiones de la inteligencia artificial
  2. Vehículos autónomos
  3. Inteligencia artificial aplicada a la medicina
  4. Drones

  1. Contexto histórico
  2. Concepto y principio de la Responsabilidad social corporativa
  3. Riesgos y Beneficios de la Inteligencia Artificial
  4. Posibles riesgos
  5. Beneficios de la inteligencia artificial para la responsabilidad social corporativa en línea con los objetivos de desarrollo sostenible
  6. ¿Cómo aplican las empresas la responsabilidad social corporativa a la inteligencia artificial? Ejemplos de buenas prácticas

  1. Introducción al mundo Cloud
  2. Tipos de entornos cloud
  3. Concepto de entorno MultiCloud
  4. Proveedores de servicios cloud. Visión general
  5. Best práctices del consumo cloud. General
  6. Resumen del apartado y actividades de fortalecimiento del capítulo

  1. APIs de Visión Artificial y NPL
  2. Herramientas de Python
  3. Herramientas NODE
  4. Herramientas Java

  1. Proveedores Servicios Cloud y Aplicaciones dedicadas a la IA
  2. Amazon
  3. Google Cloud
  4. IBM
  5. Microsoft
  6. Alibaba

  1. Contenedores y microservicios orientados a la IA
  2. Visión general de los microservicios: beneficios e inconvenientes
  3. Migración de arquitecturas nativas monolíticas a microservicios
  4. Implementación de microservicios
  5. Microservicios sin estado vs microservicios con estado
  6. Serverless: beneficios e inconvenientes
  7. Enfoque híbrido con serverless
  8. Introducción Function as a Service (FaaS)
  9. Introducción a Istio
  10. El camino a las aplicaciones alojadas en la nube. Red Hat Openshift
  11. Red Hat OpenShift Data Science
  12. Actividad complementaria. Contenedores y NPL

  1. Recursos necesarios para buenas prácticas en la dirección de proyectos de IA

  1. Planificación de proyectos
  2. Diagrama de Gantt
  3. Matriz Raci
  4. Criterios de elección de la metodología de gestión de proyectos adecuada para tu equipo

  1. Canales de comunicación y frameworks de gestión de proyectos
  2. Modelos Waterfall predictivos. Metodología PMI
  3. Metodología Agile
  4. Otras metodologías

  1. ITIL e ITSM. Gestión de servicios de IA

  1. Evolución y conciencia social sobre tecnología. Expectativas de la IA

  1. Análisis predictivo de información

  1. Asistentes virtuales
  2. ¿Por qué las empresas requieren de asistentes virtuales?
  3. Tipos de Asistentes Virtuales
  4. Tecnologías en las que se fundamentan los asistentes virtuales

  1. Casos de uso por industria
  2. Política y Comunicación
  3. 2.Banca, Finanzas y Seguros
  4. Salud y Farma
  5. Gaming/ocio digital y conducción

  1. Machine Learning y Deep Learning
  2. Análisis exploratorio de datos
  3. Modelos de clasificación
  4. Modelos predictivos y análisis de series temporales
  5. Modelos de clusterización
  6. Deep learning