糖心vlog官网观看

Durante este m贸dulo exploraremos los diferentes 谩mbitos en los que han surgido desaf铆os 茅ticos y conoceremos algunos recursos anal铆ticos para enfrentar cualquier dilema 茅tico asociado con la implementaci贸n de la inteligencia artificial.

En este m贸dulo introduciremos c贸mo la inteligencia artificial estudia el 谩rea de la visi贸n por computador para desarrollar m茅todos que cada vez tienen habilidades m谩s parecidas a las de la percepci贸n humana. Analizaremos el concepto de visi贸n por computador y los retos del procesamiento de im谩genes. Adicionalmente, trataremos algunas aplicaciones que han revolucionado el mundo como lo conocemos y discutiremos de la evoluci贸n de la visi贸n artificial.

El Procesamiento del Lenguaje Natural (PLN) es una disciplina de la Inteligencia Artificial que se ocupa de la formulaci贸n e investigaci贸n de mecanismos para el entendimiento de lenguaje natural del ser humano (escrito y hablado) a trav茅s de un computador. Los asistentes digitales virtuales como Alexa/Cortana, los sistemas de traducci贸n autom谩tica, y los chatbots son algunos ejemplos de aplicaciones y sistemas de PLN. El objetivo principal de este m贸dulo es que logres una comprensi贸n general de esta 谩rea de la IA en relaci贸n con los problemas que aborda, su evoluci贸n, as铆 como las grandes etapas que permiten la construcci贸n de modelos de PLN.

En este m贸dulo analizar谩s las consideraciones para implementar aplicaciones de Inteligencia Artificial sobre plataformas embebidas. Se revisar谩n algunas arquitecturas Hardware para poder dimensionar a que nos referimos con recursos limitados y presentaremos las librer铆as Software que nos permiten trabajar sobre estas plataformas.

Desde hace m谩s de veinte a帽os, se reconoce el 鈥渃apital conocimiento鈥� como un valor fundamental de cualquier organizaci贸n, que es necesario administrar, es decir extraer, formalizar, explotar y valorizar. La inteligencia artificial simb贸lica ha estudiado, desde sus or铆genes, diferentes metodolog铆as y formalismos para representar y explotar el conocimiento. La representaci贸n m谩s utilizada en la actualidad son las ontolog铆as, que adquieren todo su potencial en la Web sem谩ntica. A partir de la revisi贸n de la evoluci贸n de las representaciones de conocimiento de la Inteligencia artificial simb贸lica, el m贸dulo se centra en las ontolog铆as: se estudian sus or铆genes y componentes conceptuales, as铆 como los lenguajes de representaci贸n m谩s utilizados (RDF, URI y RDFS). El m贸dulo termina con una introducci贸n a la web sem谩ntica, los grafos de conocimiento o Knowledge Graphs y los datos hilados Linked data.

En este m贸dulo podr谩s estudiar algunos ejemplos en los que se utiliza actualmente el control autom谩tico inteligente. Comprender谩s los conceptos de sistema y de control a partir del an谩lisis de ejemplos de la vida diaria para identificar elementos de retroalimentaci贸n, medida, computaci贸n y acci贸n. Adem谩s, comprender谩s qu茅 significa un control inteligente de sistemas a partir de la identificaci贸n de dos t茅cnicas asociadas a la toma de decisiones.

En este m贸dulo comprender谩s los fundamentos que subyacen al aprendizaje por refuerzo, los distintos modelos de aprendizaje existentes y c贸mo construir tus propios agentes inteligentes basados en el aprendizaje por refuerzo.