Introducción a la inteligencia artificial contemporánea

Go to Course: https://www.coursera.org/learn/introduccion-a-la-inteligencia-artificial-contemporanea

Introduction

## Course Review: Introducción a la inteligencia artificial contemporánea **Overview** In today's technological landscape, Artificial Intelligence (AI) is no longer just a buzzword; it has become an integral part of numerous industries. "Introducción a la inteligencia artificial contemporánea" is a comprehensive course offered on Coursera that delves into the various facets of contemporary AI. The course aims to equip learners with the foundational knowledge needed to understand AI's capabilities, applications, and ethical considerations. The course is structured to provide a robust overview of AI, exploring its different branches and potential fields of application. Moreover, it prompts critical discussions on the ethical implications of AI and envisions the future of this revolutionary discipline. --- **Syllabus Breakdown** 1. **Introducción a la inteligencia artificial contemporánea** The first module sets the stage by defining AI, exploring its diverse branches, and identifying various application fields. Notably, it emphasizes the ethical dimensions surrounding AI, sparking discussions on the responsibilities we hold as developers and users of this technology. 2. **Introducción a la ética en la inteligencia artificial** This module is crucial in understanding the moral dilemmas that arise in AI implementation. Here, students learn about the ethical challenges that the industry faces, alongside analytical resources to address these dilemmas effectively. 3. **Visión por computador** In this section, the course dives into the realm of computer vision. It introduces advanced methodologies that mirror human perception and tackles challenges in image processing. Students will explore transformative applications of computer vision in modern society, examining its evolution over time. 4. **Procesamiento del lenguaje natural (PLN)** Natural Language Processing is a pivotal domain within AI. This module covers various mechanisms that enable computers to understand human language, both written and spoken. By studying practical applications like digital assistants (e.g., Alexa, Cortana), students gain insights into the evolution of PLN models and problems that they address. 5. **Sistemas embebidos** Here, students analyze considerations for implementing AI applications on embedded platforms. The module reviews hardware architectures suitable for resource-limited environments and presents software libraries that facilitate development on these platforms. 6. **Representación del conocimiento** Knowledge representation is fundamental in AI, having been recognized as a vital asset for organizations. This module discusses the evolution of knowledge representation methodologies, focusing on ontologies, and culminates with an introduction to semantic web technologies, such as Linked Data. 7. **Sistemas de control** Students will learn about intelligent automatic control systems through practical examples. This module elucidates concepts such as feedback, measurement, and action, as well as the significance of intelligent control systems linked to decision-making strategies. 8. **Aprendizaje por refuerzo** The final module introduces reinforcement learning—a subfield of machine learning that emphasizes how agents can learn to make decisions through interactive environments. Students will explore foundational concepts and learn to create their own intelligent agents based on reinforcement learning principles. --- **Final Thoughts and Recommendation** "Introducción a la inteligencia artificial contemporánea" is a meticulously structured course that caters to both beginners and those with some prior knowledge of AI concepts. The blend of theoretical understanding and practical applications makes it an excellent choice for anyone looking to grasp the fundamentals of AI and its implications on society. The course not only builds a solid foundation in AI technologies but also fosters critical thinking regarding ethical practices in the industry. Given the growing relevance of AI in our daily lives and various sectors, this course is highly recommended for students, professionals, or anyone interested in understanding the transformative potential of artificial intelligence. Embark on this enlightening journey to harness the divine power of contemporary AI and equip yourself with knowledge that is increasingly becoming essential in today’s world!

Syllabus

Introducción a la inteligencia artificial contemporánea

El objetivo principal de este primer módulo es introducir el concepto de inteligencia artificial, sus diferentes ramas y posibles campos de aplicación, así como analizar los aspectos éticos que giran alrededor de estos y promover una discusión hacia el futuro de esta disciplina.

Durante este módulo exploraremos los diferentes ámbitos en los que han surgido desafíos éticos y conoceremos algunos recursos analíticos para enfrentar cualquier dilema ético asociado con la implementación de la inteligencia artificial.

En este módulo introduciremos cómo la inteligencia artificial estudia el área de la visión por computador para desarrollar métodos que cada vez tienen habilidades más parecidas a las de la percepción humana. Analizaremos el concepto de visión por computador y los retos del procesamiento de imágenes. Adicionalmente, trataremos algunas aplicaciones que han revolucionado el mundo como lo conocemos y discutiremos de la evolución de la visión artificial.

El Procesamiento del Lenguaje Natural (PLN) es una disciplina de la Inteligencia Artificial que se ocupa de la formulación e investigación de mecanismos para el entendimiento de lenguaje natural del ser humano (escrito y hablado) a través de un computador. Los asistentes digitales virtuales como Alexa/Cortana, los sistemas de traducción automática, y los chatbots son algunos ejemplos de aplicaciones y sistemas de PLN. El objetivo principal de este módulo es que logres una comprensión general de esta área de la IA en relación con los problemas que aborda, su evolución, así como las grandes etapas que permiten la construcción de modelos de PLN.

En este módulo analizarás las consideraciones para implementar aplicaciones de Inteligencia Artificial sobre plataformas embebidas. Se revisarán algunas arquitecturas Hardware para poder dimensionar a que nos referimos con recursos limitados y presentaremos las librerías Software que nos permiten trabajar sobre estas plataformas.

Desde hace más de veinte años, se reconoce el “capital conocimiento” como un valor fundamental de cualquier organización, que es necesario administrar, es decir extraer, formalizar, explotar y valorizar. La inteligencia artificial simbólica ha estudiado, desde sus orígenes, diferentes metodologías y formalismos para representar y explotar el conocimiento. La representación más utilizada en la actualidad son las ontologías, que adquieren todo su potencial en la Web semántica. A partir de la revisión de la evolución de las representaciones de conocimiento de la Inteligencia artificial simbólica, el módulo se centra en las ontologías: se estudian sus orígenes y componentes conceptuales, así como los lenguajes de representación más utilizados (RDF, URI y RDFS). El módulo termina con una introducción a la web semántica, los grafos de conocimiento o Knowledge Graphs y los datos hilados Linked data.

En este módulo podrás estudiar algunos ejemplos en los que se utiliza actualmente el control automático inteligente. Comprenderás los conceptos de sistema y de control a partir del análisis de ejemplos de la vida diaria para identificar elementos de retroalimentación, medida, computación y acción. Además, comprenderás qué significa un control inteligente de sistemas a partir de la identificación de dos técnicas asociadas a la toma de decisiones.

En este módulo comprenderás los fundamentos que subyacen al aprendizaje por refuerzo, los distintos modelos de aprendizaje existentes y cómo construir tus propios agentes inteligentes basados en el aprendizaje por refuerzo.