Introducción a la Inteligencia Artificial

Sin categoría
Lista de deseos Compartir
Compartir el curso
Enlace de página
Compartir en los medios sociales

Acerca de este curso

Este curso ofrece una visión clara y práctica de qué es la Inteligencia Artificial, cómo funciona y para qué se utiliza hoy en día en empresas y en la vida cotidiana. Aprenderás los conceptos básicos (sin necesidad de programar), los tipos de IA, cómo se entrenan los modelos, qué es el aprendizaje automático y la IA generativa (como ChatGPT), y cómo aplicar herramientas de IA para mejorar productividad, comunicación y toma de decisiones. También se abordarán aspectos clave como la ética, los sesgos, la privacidad y el uso responsable. Al finalizar, el alumnado sabrá identificar oportunidades reales para aplicar IA en su trabajo y utilizar herramientas actuales con criterio.

Mostrar más

Contenido del curso

1. Qué es la IA y por qué importa
Definición de IA: conceptos y mitos frecuentes IA débil vs IA general (visión realista) IA en el día a día: ejemplos cercanos (móvil, banca, ecommerce, educación…) Historia breve de la IA y por qué ahora está “en auge” Casos actuales: automatización, asistentes, recomendadores, visión artificial

  • 1.1 ¿Qué es la IA?
  • 1.2. Mitos frecuentes
  • 1.3. Ejemplos cotidianos
  • ¿Qué es la IA?

2. Tipos de IA: de la clásica a la generativa
A basada en reglas vs IA basada en datos Machine Learning (ML) y Deep Learning (DL): diferencias sencillas IA generativa: texto, imagen, audio y vídeo Modelos de lenguaje (LLM): qué son y qué hacen Qué puede y qué no puede hacer la IA (limitaciones reales)

3. Cómo “aprende” una IA
Datos: el “combustible” de la IA Entrenamiento vs inferencia (cuando aprende vs cuando responde) Sobreajuste y generalización (explicado con ejemplos) Qué significa “modelo” y “parámetros” Calidad de datos: sesgos, datos incompletos, ruido

4. Conceptos básicos de Machine Learning
Aprendizaje supervisado: clasificación y regresión (ejemplos) Aprendizaje no supervisado: clustering/segmentación Aprendizaje por refuerzo (visión general) Métricas básicas: precisión, error, acierto (en lenguaje simple) Casos típicos: predicción de ventas, detección de fraude, segmentación de clientes

Valoraciones y reseñas de estudiantes

Aún no hay reseñas.
Aún no hay reseñas.