INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

Objetivos específicos:
• Conocer la diferencia entre Inteligencia Artificial y programa informático.
• Repasar varios acontecimientos históricos que marcaron los inicios de la hoy conocida como Inteligencia Artificial.
• Conocer diferentes autores, sus proyectos y la importancia histórica de sus trabajos científicos.
• Entender cómo funciona una IA y de qué forma aprende imitando el comportamiento humano.
• Conocer las características que tienen en común todas las Inteligencias Artificiales.
• Comprender cuales son los retos principales que traen estas características.
• Aprender los símbolos, y su relación con los métodos y técnicas empleados en la Inteligencia Artificial.
• Entender la programación lógica y como se forman sus expresiones básicas.
• Conocer los sistemas expertos y su importancia como antecedentes de otros sistemas de IA actuales.
• Conocer dos de los lenguajes empleados en la construcción de sistemas expertos y la lógica proposicional: LISP y PROLOG.
• Comprender las diferencias y similitudes entre la lógica proposicional y la lógica de predicados, así como otros modelos de lógica.
• Dominar los elementos, conectores y fórmulas bien formadas de la lógica proposicional.
• Aprender los conceptos y componentes de la lógica de predicados de primer orden, incluyendo el alfabeto, las oraciones del lenguaje de primer orden, la semántica y la interpretación.
• Comprender los sistemas deductivos y su objetivo, así como el sistema de Hilbert y las reglas de inferencia.
• Desarrollar habilidades en la aplicación de la lógica deductiva y en la construcción de demostraciones.
• Comprender la importancia de la lógica en diversas áreas, incluyendo la filosofía, la informática y las ciencias formales.
• Aplicar los conocimientos adquiridos en la resolución de problemas y situaciones concretas.
• Comprender los fundamentos teóricos de los algoritmos de aprendizaje automático supervisado y no supervisado, así como sus fortalezas y debilidades en diferentes situaciones y escenarios.
• Aprender cómo implementar y aplicar redes neuronales artificiales, árboles de decisión, algoritmos de clasificación y algoritmos de regresión para resolver problemas de clasificación y predicción.
• Familiarizarse con los conceptos de aprendizaje por refuerzo, algoritmos genéticos, algoritmos de clustering y reducción de dimensionalidad, y aprender cómo aplicarlos en diferentes situaciones, como en robótica o en la toma de decisiones en tiempo real.
• Aprender a aplicar técnicas de minería de datos, como la detección de anomalías, minería de datos y selección de características, para extraer conocimientos valiosos de grandes conjuntos de datos.
• Comprender los algoritmos de procesamiento de imágenes y voz, como la reducción de ruido en imágenes, análisis de sentimientos, detección de objetos en imágenes y reconocimiento de voz, y aprender a aplicarlos en diferentes situaciones.
• Aprender a aplicar algoritmos de procesamiento del lenguaje natural y predicción, como el procesamiento del lenguaje natural y la predicción de series temporales, y aprender a optimizar las redes neuronales para mejorar su rendimiento.