1. Introducción a la inteligencia artificial
  2. Historia
  3. La importancia de la IA

  1. Tipos de inteligencia artificial

  1. Algoritmos aplicados a la inteligencia artificial

  1. Relación entre inteligencia artificial y big data
  2. IA y Big Data combinados
  3. El papel del Big Data en IA
  4. Tecnologías de IA que se están utilizando con Big Data

  1. Sistemas expertos
  2. Estructura de un sistema experto
  3. Inferencia: Tipos
  4. Fases de construcción de un sistema
  5. Rendimiento y mejoras
  6. Dominios de aplicación
  7. Creación de un sistema experto en C#
  8. Añadir incertidumbre y probabilidades

  1. Futuro de la inteligencia artificial
  2. Impacto de la IA en la industria
  3. El impacto económico y social global de la IA y su futuro

  1. Introducción
  2. Clasificación de algoritmos de aprendizaje automático
  3. Ejemplos de aprendizaje automático
  4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
  5. Tipos de algoritmos de aprendizaje automático
  6. El futuro del aprendizaje automático

  1. Introducción
  2. Algoritmos

  1. Introducción
  2. Filtrado colaborativo
  3. Clusterización
  4. Sistemas de recomendación híbridos

  1. Clasificadores
  2. Algoritmos

  1. Componentes
  2. Aprendizaje

  1. Introducción
  2. El proceso de paso de DSS a IDSS
  3. Casos de aplicación

  1. Aprendizaje profundo
  2. Entorno de Deep Learning con Python
  3. Aprendizaje automático y profundo

  1. Redes neuronales
  2. Redes profundas y redes poco profundas

  1. Perceptrón de una capa y multicapa
  2. Ejemplo de perceptrón

  1. Tipos de redes profundas
  2. Trabajar con TensorFlow y Python

  1. Entrada y salida de datos
  2. Entrenar una red neuronal
  3. Gráficos computacionales
  4. Implementación de una red profunda
  5. El algoritmo de propagación directa
  6. Redes neuronales profundas multicapa

  1. ¿Qué es PLN?
  2. ¿Qué incluye el PLN?
  3. Ejemplos de uso de PLN
  4. Futuro del PLN

  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. PLN en Python con la librería NLTK
  5. Otras herramientas para PLN

  1. Principios del análisis sintáctico
  2. Gramática libre de contexto
  3. Analizadores sintácticos (Parsers)

  1. Aspectos introductorios del análisis semántico
  2. Lenguaje semántico para PLN
  3. Análisis pragmático

  1. Aspectos introductorios
  2. Pasos en la extracción de información
  3. Ejemplo PLN
  4. Ejemplo PLN con entrada de texto en inglés

  1. Introducción a la Inteligencia artificial
  2. El Test de Turing
  3. Agentes Inteligentes
  4. Aplicaciones de la inteligencia artificial

  1. Aspectos introductorios
  2. ¿Qué es un chatbot?
  3. ¿Cómo funciona un chatbot?
  4. VoiceBots
  5. Desafios para los Chatbots

  1. Chatbots y el papel de la Inteligencia Artificial (IA)
  2. Usos y beneficios de los chatbots
  3. Diferencia entre bots, chatbots e IA

  1. Áreas de aplicación de Chatbots
  2. Desarrollo de un chatbot con ChatterBot y Python
  3. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

  1. ¿Qué es la ciencia de datos?
  2. Herramientas necesarias para el científico de datos
  3. Data Science & Cloud Compunting
  4. Aspectos legales en Protección de Datos

  1. Introducción
  2. El modelo relacional
  3. Lenguaje de consulta SQL
  4. MySQL. Una base de datos relacional

  1. Introducción a Python
  2. ¿Qué necesitas?
  3. Librerías para el análisis de datos en Python
  4. MongoDB, Hadoop y Python. Dream Team del Big Data

  1. Introducción a R
  2. ¿Qué necesitas?
  3. Tipos de datos
  4. Estadística Descriptiva y Predictiva con R
  5. Integración de R en Hadoop

  1. Obtención y limpieza de los datos (ETL)
  2. Inferencia estadística
  3. Modelos de regresión
  4. Pruebas de hipótesis

  1. Inteligencia Analítica de negocios
  2. La teoría de grafos y el análisis de redes sociales
  3. Presentación de resultados

                      1. La visión artificial: definiciones y aspectos principales

                      1. Ópticas
                      2. Iluminación
                      3. Cámaras
                      4. Sistemas 3D
                      5. Sensores
                      6. Equipos compactos
                      7. Metodologías para la selección del hardware

                      1. Algoritmos
                      2. Software
                      3. Segmentación e interpretación de imágenes
                      4. Metodologías para la selección del software

                      1. Aplicaciones clásicas: discriminación, detección de fallos…
                      2. Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)

                      1. Descripción general OpenCV
                      2. Instalación OpenCV para Python en Windows
                      3. Instalación OpenCV para Python en Linux
                      4. Anaconda y OpenCV

                      1. Manejo de archivos
                      2. Leer una imagen con OpenCV
                      3. Mostrar imagen con OpenCV
                      4. Guardar una imagen con OpenCV
                      5. Operaciones aritméticas en imágenes usando OpenCV
                      6. Funciones de dibujo

                      1. Redimensión de imágenes
                      2. Erosión de imágenes
                      3. Desenfoque de imágenes
                      4. Bordeado de imágenes
                      5. Escala de grises en imágenes
                      6. Escalado, rotación, desplazamiento y detección de bordes
                      7. Erosión y dilatación de imágenes
                      8. Umbrales simples
                      9. Umbrales adaptativos
                      10. Umbral de Otsu
                      11. Contornos de imágenes
                      12. Incrustación de imágenes
                      13. Intensidad en imágenes
                      14. Registro de imágenes
                      15. Extracción de primer plano
                      16. Operaciones morfológicas en imágenes
                      17. Pirámide de imágen

                      1. Analizar imágenes usando histogramas
                      2. Ecualización de histogramas
                      3. Template matching
                      4. Detección de campos en documentos usando Template matching

                      1. Espacios de color en OpenCV
                      2. Cambio de espacio de color
                      3. Filtrado de color
                      4. Denoising de imágenes en color
                      5. Visualizar una imagen en diferentes espacios de color

                      1. Detección de líneas
                      2. Detección de círculos
                      3. Detectar esquinas (Método Shi-Tomasi)
                      4. Detectar esquinas (método Harris)
                      5. Encontrar círculos y elipses
                      6. Detección de caras y sonrisas

                      1. Vecino más cercano (K-Nearest Neighbour)
                      2. Agrupamiento de K-medias (K-Means Clustering)

                      1. Contexto Internet de las Cosas (IoT)
                      2. ¿Qué es IoT?
                      3. Elementos que componen el ecosistema IoT
                      4. Arquitectura IoT
                      5. Dispositivos y elementos empleados
                      6. Ejemplos de uso
                      7. Retos y líneas de trabajo futuras

                      1. Contexto Sistemas Ciberfísicos (CPS)
                      2. Características CPS
                      3. Componentes CPS
                      4. Ejemplos de uso
                      5. Retos y líneas de trabajo futuras