UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

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

UNIDAD DIDÁCTICA 2. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL

1. Algoritmos aplicados a la inteligencia artificial

UNIDAD DIDÁCTICA 3. SISTEMAS EXPERTOS

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

UNIDAD DIDÁCTICA 4. FUTURO DE LA INTELIGENCIA ARTIFICIAL

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

UNIDAD DIDÁCTICA 5. INTRODUCCIÓN AL MACHINE LEARNING

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

UNIDAD DIDÁCTICA 6. SISTEMAS DE RECOMENDACIÓN

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

UNIDAD DIDÁCTICA 7. CLASIFICACIÓN

1. Clasificadores
2. Algoritmos

UNIDAD DIDÁCTICA 8. REDES NEURONALES Y DEEP LEARNING

1. Componentes
2. Aprendizaje

UNIDAD DIDÁCTICA 9. SISTEMAS DE ELECCIÓN

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

UNIDAD DIDÁCTICA 10. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW

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

UNIDAD DIDÁCTICA 11. SISTEMAS NEURONALES

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

UNIDAD DIDÁCTICA 12. ESTRATEGIAS DE APRENDIZAJE

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