AI y ML Hechos Fáciles: De lo Básico a lo Avanzado (2025)

Resumen

AI y ML Simplificados:

De lo Básico a lo Avanzado (2025) es un curso integral amigable para principiantes diseñado para llevarte desde los fundamentos de la Inteligencia Artificial (IA) y el Aprendizaje Automático (ML) hasta conceptos avanzados como el Aprendizaje Profundo, el Procesamiento de Lenguaje Natural (PLN), y aplicaciones del mundo real.

Programa de estudio

• Introducción a la IA y ML
Visión general de la IA y ML
Historia y evolución de la IA
Conceptos y terminología clave
• Fundamentos de Programación para IA y ML
Introducción a Python
Bibliotecas esenciales (NumPy, Pandas)
Tipos de datos y estructuras
• Manejo y Preprocesamiento de Datos
Recolección y limpieza de datos
Selección y creación de características
Manejo de valores faltantes
• Aprendizaje Supervisado
Regresión lineal y logística
Árboles de decisión y métodos de conjunto
Evaluación de modelos y métricas
• Aprendizaje No Supervisado
Técnicas de agrupamiento (K-means, agrupamiento jerárquico)
Reducción de dimensionalidad (PCA, t-SNE)
Aplicaciones del aprendizaje no supervisado
• Redes Neuronales y Aprendizaje Profundo
Fundamentos de las redes neuronales
Arquitecturas de Aprendizaje Profundo (CNN, RNN)
Introducción al entrenamiento y optimización
• Procesamiento del Lenguaje Natural (NLP)
Técnicas de preprocesamiento de texto
Análisis de sentimiento y clasificación de texto
Modelos avanzados de NLP (transformadores)
• Herramientas y Bibliotecas de IA y ML
TensorFlow y PyTorch
Visión general de Scikit-learn
Plataformas de IA y servicios en la nube
• IA Ética y Responsable
Sesgo e imparcialidad en la IA
Privacidad y preocupaciones de seguridad
Gobernanza y ética en la IA
• Aplicaciones y Estudios de Caso del Mundo Real
IA en salud
IA en finanzas
IA en sistemas autónomos
• Temas Avanzados y Tendencias
Aprendizaje por Refuerzo Profundo
IA Explicable
Direcciones futuras en la investigación de IA
• Proyectos Prácticos y Asignaciones
Implementar un proyecto de aprendizaje supervisado
Construir un modelo de NLP para análisis de sentimiento
Desarrollar una aplicación de aprendizaje profundo
• Revisión y Evaluación Final
Recapitulación del curso y puntos clave
Presentación del proyecto final
Retroalimentación y reflexiones del curso

Enseñado por

Programming Hub: 40 million+ global students and Laxminarayan Narayan G

Asignaturas

Ciencias de la Computación