Documentos de referencia y prácticas de la maestría en Inteligencia Artificial de la UNIR. Los documentos están organizados por materias y unicamente deben ser considerados como referencias. Las prácticas están organizadas en las carpetas del mismo nombre de la matería. Se incluyen alguno enlaces y referencias que permiten un mejor entendimiento y ejemplos para la solución de las prácticas.
Materias del máster:
- Aprendizaje automático
- Neurociencia cognitiva
- Percepción Computacional
- Investigación en Inteligencia Artificial
- Razonamiento y Planificación Automática
- Sistemas Cognitivos Artificiales
- Procesamiento de lenguaje natural
El Machine Learning o Aprendiza automático como se conoce en español, es una área de la inteligencia artificial que explora la implementación de modelos de aprendizaje basados en la extracción de características y la identificación de sus relaciones para identificar patrones sin necesidad de establecer reglas formales explícitas. Existen diferentes técnicas de aprendizaje automático como aprendizaje supervisado (Aprender a partir de ejemplos o datos etiquetados), aprendizaje no supervisado (Medir similaridades y agrupar los datos por dichas similaridades) y semi-supervisados en donde se combinan ambos modelos, entre otros.
- Algoritmos de clasificación bayesianos
- Algoritmos de árbolesd de desición y bosques aleatorios para clasificación y regresión.
- Algoritmos de clusterung (Agrupamiento) mediante el método de k-means
Las neurociencia cognitiva involucra diferentes disciplinas mediante las cuales se busca establecer y explicaar los mecanismos funcionales y biológicos del sistemas nervioso y neuronal y las bases psicológicas de la cognición para establecer los mecanismos neuronales asociados e los comportamienti y capaicadades inteligentes. Es importante entender los principales procesos cognitivos (memoria, atención, pensamiento, lenguaje, etc.) y los procesos de activación (emoción y motivación) asociados a las conductas observadas y la forma en que pueden ser emulados en modelos computaciones inteligentes.
- Diseño aplicado para sistemas de inteligencia artificial
- Diseño bioinspirado de sistemas robóticos o autónomos
La capacidad de percibir en el entorno es fundamental para el desarrollo de sistemas autonómos inteligentes. Los humanos poseen una gran capcaidade de percibir el entorno a través de los diferentes sentidos que han sido desarrollados y perfeccionados con su evolución. La percepción computacional busca doatr a los sistemas computacionales de capacidades similares aplicando diferentes modelos y técnicas como la emulación de los sistemas de percepción humana.
- Eliminación de artefactos impulsivos en una imagen
- Segmentación de imagenes
- Aplicación de morfologías en visión por computador
En la investigación en el ampli campo de la inteligencia artificia, es importante conocer la historia y evolución que ha tenido a través de diferentes momentos. Es importante reconocer los elementos fundamentales del proceso de investigación y las consideraciones éticas que deben ser consideradas en este tipo de investiaciones.
- Reflexión sobre la ética y legalidad de las aplicaciones basadas en inteligencia artificial
Una característica importante de la inteligencia humana, es la capacidad de razonamiento y planeación de tareas, mediante las cuales se puede desarrollo comportamiento autonómo mediante la interacción con el entorno y una continua retroalimentación. Este tipo de capacidades se modelan para poder dotar a agentes artificiales la capacidad de interactuar autonomante en un entorno específico.
- Estrategias de razonamiento
- Implementación de juego de puzzle 8
- Planificación de STRIPS
Para los humanos resolver tareas abstractas con el reconocimiento de objetos, rostros, conceptos es una tarea relativamente sencilla, pero para los computadores es uno de los grandes retos. El aprendizaje automático es una de las herramientas que se ha propuesto para poder dotar a los computadores de enter abstracciones más complejas casi a nivel humano, y en particular el aprendizaje profundo ha emergido como una de las herramientas con mejor desempeño en dicha tarea.
- Entrenamiento de redes neuronales
- Redes neuronales convolucionales
- Clasificación de texto con redes neuronales
- Modelos de lenguaje con redes neuronales recurrentes
El procesamiento del lenguaje natural PLN (NLP por sus siglas en inglés) es una área de las ciencias de la computación que abarca difernetes disciplinas (Por ejmplo ciencias del computación, lingüística, psicología, matemáticas entre otras) que busca crear modelos algortimos y matemáticos que permitan la comprensión del lenguaje tal como lo hacen los humanos. Algunas de las áreas que son cubierts por el PLN son El reconocimiento de la voz, la interpretación semántica de las palabras y frases, la morfología, la fonología y la pragmática, la generación automática de texto y el análisis de sentimientos
- Etiquetador morfosintáctico (Algoritmo de Viterbi)
- Análisis de sentimientos y polaridad.
- Desambiguación de palabras