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

Contenido e-learning en formato SCORM 1.2 sobre Inteligencia Artificial (IA), Machine Learning (ML) y Deep Learning (DL).

Duración150 h
Unidades17
FormatoSCORM 1.2

Temario

17 unidades didácticas · 150 horas

Contenido17 unidades

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

Más contenidos de Programación y Desarrollo

Ver los 500 →