Objetivo General

El objetivo general del curso es ofrecer una comprensión fundamental de la inteligencia artificial, abarcando conceptos clave y aplicaciones prácticas en el ámbito empresarial, con un enfoque particular en las necesidades y oportunidades de IBM.

Descargar Ficha PDF Cotizar

Objetivos Específicos

         Comprender los fundamentos de la inteligencia artificial y sus aplicaciones.
         Desarrollar habilidades prácticas para implementar soluciones de IA en contextos reales.
         Analizar casos de estudio relevantes para identificar oportunidades de mejora en IBM.

Módulo 1: Introducción a la Inteligencia Artificial

        Definición y aplicaciones de la Inteligencia Artificial.
        Diferentes tipos de IA y sus usos (ej.: recomendaciones, asistentes virtuales).
        IA en la vida diaria: desde redes sociales hasta aplicaciones de mapas.
        Actividad práctica:
        Investigación de IA en la vida diaria: Los estudiantes investigan y comparten cómo la IA afecta sus actividades cotidianas (e.g., filtros de redes sociales, recomendaciones en YouTube).

Módulo 2: Fundamentos de Machine Learning (Aprendizaje Automático)

        ¿Qué es el Machine Learning? Aprendizaje supervisado y no supervisado.
        Introducción a la clasificación y predicción.
        Cómo usar datasets para entrenar modelos.
        Actividad práctica:
        Clasificación de imágenes básicas en Google Colab: Usando un dataset de frutas gratuito, los estudiantes aprenden a clasificar imágenes mediante una función de Python sencilla en Google Colab.

Módulo 3: Programación Básica en Python para IA

        Contenido
        Introducción a Python: variables, bucles y condicionales.
        Estructuras de control básicas: if, for.
        Creación de funciones sencillas para tareas específicas.
        Actividad práctica:
        Escribir programas en Google Colab: Crear un programa que cuente palabras en una frase dada, permitiendo a los estudiantes practicar la lógica de programación.

Módulo 4: Introducción al Procesamiento de Lenguaje Natural (NLP)

        Conceptos básicos de NLP: tokenización y frecuencia de palabras.
        Creación de un análisis básico de sentimientos.
        Uso de la biblioteca gratuita NLTK en Google Colab.
        Actividad práctica:
        Análisis de palabras: Usar un dataset de reseñas (como comentarios de productos) para crear un contador de palabras y analizar cuáles son las más comunes.

Módulo 5: Visión Computacional Básica con Imágenes

        Introducción a Visión Computacional: detección de bordes y conversión a escala de grises.
        Trabajando con OpenCV (versión gratuita).
        Detección básica de características en imágenes.
        Actividad práctica:
        Conversión de imágenes: Cargar una imagen en Google Colab y convertirla a escala de grises usando OpenCV.

Módulo 6: Proyecto Final de IA

        Elección de un proyecto sencillo que resuelva un problema.
        Desarrollo del proyecto en Google Colab.
        Presentación de resultados.

Módulo 7: Evaluación y certificación

        Se evaluará el esfuerzo, la creatividad y la capacidad para explicar el funcionamiento del proyecto.