En los términos más simples IA, o AI (en inglés), significa inteligencia artificial y se refiere a sistemas o máquinas que imitan la inteligencia humana para realizar tareas y pueden mejorar iterativamente en función de la información que recopilan. La IA se manifiesta de varias formas. Algunos ejemplos son:
- Los chatbots usan IA para comprender los problemas de los clientes más rápido y brindar respuestas más eficientes
- Los asistentes inteligentes usan IA para analizar información crítica de grandes conjuntos de datos de texto libre para mejorar la programación
- Los motores de recomendación pueden proporcionar recomendaciones automáticas para programas de televisión en función de los hábitos de visualización de los usuarios.
La IA tiene mucho más que ver con el proceso y la capacidad para el pensamiento superpoderoso y el análisis de datos que con cualquier formato o función en particular. Aunque la IA muestra imágenes de robots de alto funcionamiento similares a los humanos que se apoderan del mundo, la IA no pretende reemplazar a los humanos.
Su objetivo es mejorar significativamente las capacidades y contribuciones humanas. Eso lo convierte en un activo comercial muy valioso.
Te puede interesar también:
- ¿Quieres aprender Algoritmos? La UNAM comparte Libro Gratuito con 64 horas de contenido
- ¿Quieres aprender Java? Este Curso Gratuito te enseña Programación Orientada a Objetos
- Estos son 15 cursos de alemán gratis desde el nivel básico hasta el avanzado
Sobre el curso
Este curso es para desarrolladores, estudiantes o profesionales de la industria de otros campos de la informática y la ingeniería que sienten curiosidad por la IA. Explore la IA, para qué se usa y por qué, sin las matemáticas que están involucradas en cursos posteriores.
Los temas cubiertos incluyen:
- La historia de la IA y por qué es una de las tecnologías clave de la actualidad
- El papel de la IA en la empresa y diversas industrias, desde la medicina hasta la conducción automatizada
- Por qué los datos son importantes tanto para entrenar redes neuronales como para los pasos en un flujo de trabajo de ciencia de datos
- Una introducción al aprendizaje supervisado y al aprendizaje profundo (antes de tomar un curso completo de aprendizaje profundo)
- Una introducción al hardware y software actual
Al final de este curso, los estudiantes tendrán conocimientos prácticos de:
- La definición de IA, aprendizaje automático, aprendizaje profundo y los desarrollos históricos que ahora diferencian la IA moderna de la IA del pasado
- Cómo la IA puede ayudar a resolver problemas en la industria actual (con ejemplos) y cómo se está volviendo más importante en la informática empresarial
- La importancia de los conjuntos de datos, las fuentes de datos, la resolución de problemas con datos y los flujos de trabajo de ciencia de datos
- Los fundamentos del aprendizaje supervisado y una introducción a los conceptos de aprendizaje profundo
- Cómo se puede aplicar el hardware y el software de Intel® para resolver problemas de IA
El curso está estructurado en torno a ocho semanas de conferencias y ejercicios. Cada semana requiere 90 minutos para completar. Los ejercicios están implementados en Python, por lo que se recomienda familiarizarse con el lenguaje (puede aprender en el camino).
Las partes que conforman el curso pueden descargarse, por lo cual aquí abajo veras las partes correspondientes a cada una de las 8 semanas que conforman el curso. Solo usa el botón para descargar los archivos:
Semana 1
Esta clase introduce los conceptos clave de la IA:
- La definición de IA, aprendizaje automático y aprendizaje profundo
- Desarrollos históricos que ahora diferencian la IA moderna de la IA anterior
- Ejemplos de aprendizaje automático y aprendizaje profundo
- Las diferencias entre el aprendizaje supervisado y no supervisado
- Ejemplos de dónde se está aplicando la IA
Semana 2
Esta clase cubre las industrias que están siendo transformadas por la IA y brinda ejemplos de:
- Salud y genómica
- Transporte y conducción automatizada
- Venta al por menor y cadena de suministro
- Finanzas
- Industrial
- Gobierno
Semana 3
Esta clase se enfoca en la IA en la empresa, presenta el flujo de trabajo de la ciencia de datos y le enseña cómo:
- Identificar los pasos en el flujo de trabajo de la ciencia de datos
- Identificar los roles clave y los conjuntos de habilidades dentro del campo de la IA
- Describir formas de estructurar un equipo de IA
- Identificar los conceptos erróneos comunes de la ciencia de datos
- Identificar los componentes del mantenimiento del modelo de IA después de la implementación
Semana 4
Esta clase introduce el concepto de aprendizaje supervisado. Usted será capaz de:
- Explicar cómo formular un problema de aprendizaje supervisado.
- Comparar y comprender las diferencias entre entrenamiento e inferencia
- Describir los peligros del sobreajuste y el entrenamiento frente a la prueba de datos
- Comprender cómo se aplica el lenguaje de programación Python a la IA
Para obtener una visión más avanzada del aprendizaje automático y el aprendizaje supervisado, consulte Aprendizaje automático .
Semana 5
Esta clase se enfoca en fuentes y tipos de datos. Dado que los datos son una parte crítica del entrenamiento de una red neuronal de inteligencia artificial, esta lección analiza:
- Cómo reconocer situaciones en las que se necesitan más muestras de datos
- Gestión de datos, aumento de datos e ingeniería de características
- Cómo identificar problemas como overfitting y underfitting
- Varios conjuntos de datos populares utilizados en el entrenamiento de redes neuronales
- Diferentes métodos de preprocesamiento de datos
- Formas de etiquetar datos
- Cómo identificar los desafíos al trabajar con datos
Semana 6
Esta sesión repasa los principios del aprendizaje profundo, que incluyen:
- Los conceptos básicos del aprendizaje profundo y cómo encaja dentro de la IA y el aprendizaje automático
- Los tipos de problemas que resuelve el aprendizaje profundo
- Los pasos para construir un modelo de red neuronal
- La definición de una red neuronal convolucional (CNN)
- Transferir el aprendizaje y por qué es útil
- Arquitecturas comunes de aprendizaje profundo
Para obtener una visión más avanzada del aprendizaje profundo, consulte Aprendizaje profundo .
Semana 7
Esta semana cubre el hardware, que incluye:
- Computación de extremo a extremo para IA
- Las capacidades proporcionadas por los centros de datos, las puertas de enlace y la computación perimetral
- Los diferentes tipos de procesadores desde el centro de datos hasta el perímetro
- Cómo se aplica el hardware Intel® a la IA
Semana 8
Concluya el curso con una revisión de los componentes básicos importantes del software. Esta clase cubre:
- Marcos de aprendizaje profundo
- Bibliotecas y marcos optimizados para la arquitectura Intel®
- El impacto de los grandes datos y el uso de la biblioteca BigDL para Apache Spark*
- Obtener acceso a Intel® AI DevCloud
Deja tus comentarios y sugerencias
Sobre Facialix
Facialix es un sitio web que tiene como objetivo apoyar en el aprendizaje y educación de jóvenes y grandes. Buscando y categorizando recursos educativos gratuitos de internet, de esta manera Facialix ayuda en el constante aprendizaje de todos.
