Curso Online en Fundamentos de Inteligencia Artificial: Conceptos, Aplicaciones y Tendencias

1.    Fundamentos históricos y conceptuales de la inteligencia artificial

1.1.  Definición y delimitación del campo de la inteligencia artificial como disciplina científica y tecnológica

1.2.  Evolución histórica de la inteligencia artificial desde sus orígenes hasta la era actual

1.3.  Paradigmas y enfoques fundamentales en la investigación sobre inteligencia artificial

1.4.  El test de Turing y otros marcos de evaluación de la inteligencia en sistemas artificiales

1.5.  Relación de la inteligencia artificial con otras disciplinas científicas y tecnológicas afines

2.    Bases matemáticas y computacionales para la inteligencia artificial

2.1.  Fundamentos de álgebra lineal aplicados al desarrollo de modelos de inteligencia artificial

2.2.  Conceptos esenciales de cálculo y optimización para el aprendizaje automático

2.3.  Probabilidad y estadística como base del razonamiento bajo incertidumbre

2.4.  Fundamentos de teoría de la información y su relación con el aprendizaje de máquinas

2.5.  Infraestructura computacional y requisitos de hardware para sistemas de inteligencia artificial

3.    Representación del conocimiento y sistemas de razonamiento inteligente

3.1.  Fundamentos de la representación del conocimiento en sistemas artificiales

3.2.  Lógica formal como herramienta de razonamiento en inteligencia artificial

3.3.  Sistemas expertos: arquitectura, funcionamiento y ámbitos de aplicación

3.4.  Ontologías y grafos de conocimiento para la organización semántica de la información

3.5.  Algoritmos de búsqueda y estrategias de resolución de problemas complejos

3.6.  Sistemas multiagente y modelos de razonamiento distribuido y cooperativo

4.    Aprendizaje automático (Machine Learning): principios y técnicas fundamentales

4.1.  Definición, tipología y ciclo de vida de un proyecto de aprendizaje automático

4.2.  Aprendizaje supervisado: fundamentos, algoritmos y casos de uso representativos

4.3.  Aprendizaje no supervisado: descubrimiento de patrones y estructuras ocultas en los datos

4.4.  Aprendizaje por refuerzo: agentes que aprenden mediante interacción con el entorno

4.5.  Preparación y tratamiento de datos para el desarrollo de modelos de aprendizaje automático

4.6.  Evaluación y validación de modelos de aprendizaje automático

4.7.  Herramientas y frameworks de referencia para el desarrollo de aprendizaje automático

5.    Aprendizaje profundo (Deep Learning) y redes neuronales artificiales

5.1.  Fundamentos biológicos e inspiración de las redes neuronales artificiales

5.2.  Arquitectura y funcionamiento del perceptrón y las redes neuronales multicapa

5.3.  Redes neuronales convolucionales (CNN) para el procesamiento de datos espaciales

5.4.  Redes neuronales recurrentes (RNN) para el procesamiento de datos secuenciales

5.5.  Mecanismos de atención y arquitectura Transformer como paradigma actual

5.6.  Redes generativas adversariales (GAN) y modelos de difusión para la creación de contenido

5.7.  Técnicas avanzadas de entrenamiento y optimización en aprendizaje profundo

6.    Procesamiento del lenguaje natural y sistemas conversacionales inteligentes

6.1.  Fundamentos del procesamiento del lenguaje natural (NLP) y sus principales desafíos

6.2.  Técnicas clásicas de representación y análisis computacional del texto

6.3.  Modelos de lenguaje de gran escala (Large Language Models) y su funcionamiento

6.4.  Análisis de sentimientos, minería de opiniones y clasificación de textos

6.5.  Sistemas de diálogo, chatbots y asistentes virtuales inteligentes

6.6.  Generación automática de texto y técnicas avanzadas de prompting

6.7.  Traducción automática, procesamiento multilingüe y comprensión intercultural

7.    Visión artificial y procesamiento inteligente de imágenes y vídeo

7.1.  Fundamentos de la visión por computador y la percepción visual artificial

7.2.  Técnicas de procesamiento y análisis de imágenes digitales

7.3.  Detección y reconocimiento de objetos mediante técnicas de aprendizaje profundo

7.4.  Segmentación semántica y segmentación de instancias en imágenes complejas

7.5.  Análisis y comprensión automática de secuencias de vídeo mediante inteligencia artificial

7.6.  Aplicaciones prácticas de la visión artificial en sectores estratégicos

8.    Robótica inteligente, sistemas autónomos e Internet de las Cosas

8.1.  Conceptos fundamentales de robótica inteligente y su relación con la inteligencia artificial

8.2.  Percepción, planificación y toma de decisiones en sistemas robóticos autónomos

8.3.  Vehículos autónomos: tecnología subyacente, niveles de autonomía y desafíos actuales

8.4.  Drones inteligentes y sistemas aéreos no tripulados con capacidad de decisión

8.5.  Integración de inteligencia artificial en el ecosistema del Internet de las Cosas (IoT)

8.6.  Robótica colaborativa (cobots) y su aplicación en entornos productivos e industriales

9.    Aplicaciones sectoriales de la inteligencia artificial en el ámbito profesional

9.1.  Inteligencia artificial aplicada al sector sanitario y biomédico

9.2.  Aplicaciones de IA en el sector financiero y la gestión avanzada del riesgo

9.3.  Inteligencia artificial en la industria y la optimización de la cadena de suministro

9.4.  IA en marketing, comercio electrónico y personalización de la experiencia del cliente

9.5.  Inteligencia artificial en educación y diseño de experiencias de formación personalizada

9.6.  Aplicaciones de IA en el sector legal, la administración pública y el sistema de justicia

9.7.  Inteligencia artificial en la agricultura de precisión y la sostenibilidad medioambiental

10.    Ética, sesgos y responsabilidad en el desarrollo de sistemas de inteligencia artificial

10.1.  Marco conceptual de la ética aplicada a la inteligencia artificial

10.2.  Sesgos algorítmicos: origen, tipología y consecuencias sociales de su propagación

10.3.  Explicabilidad e interpretabilidad de los modelos de inteligencia artificial (XAI)

10.4.  Privacidad, protección de datos personales y seguridad en sistemas basados en IA

10.5.  Impacto de la inteligencia artificial en el mercado laboral, el empleo y las dinámicas sociales

10.6.  Uso responsable de la IA generativa y lucha contra la desinformación digital

11.    Marco regulatorio y gobernanza de la inteligencia artificial

11.1.  Panorama normativo internacional en materia de regulación de la inteligencia artificial

11.2.  Principios de gobernanza y marcos de referencia para el desarrollo de IA responsable

11.3.  Clasificación de los sistemas de IA según niveles de riesgo y requisitos normativos asociados

11.4.  Auditoría algorítmica, certificación y cumplimiento normativo de sistemas inteligentes

11.5.  Propiedad intelectual y derechos de autor en relación con contenidos generados por inteligencia artificial

12.    Tendencias emergentes y perspectivas de futuro de la inteligencia artificial

12.1.  Inteligencia artificial general (AGI): estado actual de la investigación y perspectivas a medio plazo

12.2.  Computación cuántica y su potencial impacto transformador en la inteligencia artificial

12.3.  IA neurosimbólica: integración de enfoques simbólicos y conexionistas para un razonamiento superior

12.4.  Sistemas multimodales y modelos de base (Foundation Models) como nuevo paradigma

12.5.  Inteligencia artificial sostenible: eficiencia energética y huella ambiental de los grandes modelos

12.6.  Democratización de la inteligencia artificial y auge de los modelos de código abierto

12.7.  Escenarios prospectivos: oportunidades transformadoras, riesgos existenciales y el debate sobre la superinteligencia