MÓDULO 1. PLN, CHATBOTS E INTELIGENCIA ARTIFICIAL

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL PLN
2. ¿Qué es PLN?
3. ¿Qué incluye el PLN?
4. Ejemplos de uso de PLN
5. Futuro del PLN
7. UNIDAD DIDÁCTICA 2. PLN EN PYTHON
8. PLN en Python con la librería NLTK
9. Otras herramientas para PLN
11. UNIDAD DIDÁCTICA 3. COMPUTACIÓN DE LA SINTAXIS PARA EL PLN
12. Principios del análisis sintáctico
13. Gramática libre de contexto
14. Analizadores sintácticos (Parsers)
16. UNIDAD DIDÁCTICA 4. COMPUTACIÓN DE LA SEMÁNTICA PARA EL PLN
17. Aspectos introductorios del análisis semántico
18. Lenguaje semántico para PLN
19. Análisis pragmático
21. UNIDAD DIDÁCTICA 5. RECUPERACIÓN Y EXTRACCIÓN DE LA INFORMACIÓN
22. Aspectos introductorios
23. Pasos en la extracción de información
24. Ejemplo PLN
25. Ejemplo PLN con entrada de texto en inglés
27. UNIDAD DIDÁCTICA 6. ¿QUÉ ES UN CHATBOT?
28. Aspectos introductorios
29. ¿Qué es un chatbot?
30. ¿Cómo funciona un chatbot?
31. VoiceBots
32. Desafíos para los Chatbots
34. UNIDAD DIDÁCTICA 7. RELACIÓN ENTRE IA Y CHATBOTS
35. Chatbots y el papel de la Inteligencia Artificial (IA)
36. Usos y beneficios de los chatbots
37. Diferencia entre bots, chatbots e IA
39. UNIDAD DIDÁCTICA 8. ÁMBITOS DE APLICACIÓN CHATBOTS
40. Áreas de aplicación de Chatbots
41. Desarrollo de un chatbot con ChatterBot y Python
42. Desarrollo de un chatbot para Facebook Messenger con Chatfuel

MÓDULO 2. PROGRAMACIÓN DE VISIÓN ARTIFICIAL CON PYTHON Y OPENCV

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN E INSTALACIÓN DE OPENCV
2. Descripción general OpenCV
3. Instalación OpenCV para Python en Windows
4. Instalación OpenCV para Python en Linux
5. Anaconda y OpenCV
7. UNIDAD DIDÁCTICA 2. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS
8. Manejo de archivos
9. Leer una imagen con OpenCV
10. Mostrar imagen con OpenCV
11. Guardar una imagen con OpenCV
12. Operaciones aritméticas en imágenes usando OpenCV
13. Funciones de dibujo
15. UNIDAD DIDÁCTICA 3. TRATAMIENTO DE IMÁGENES
16. Redimensión de imágenes
17. Erosión de imágenes
18. Desenfoque de imágenes
19. Bordeado de imágenes
20. Escala de grises en imágenes
21. Escalado, rotación, desplazamiento y detección de bordes
22. Erosión y dilatación de imágenes
23. Umbrales simples
24. Umbrales adaptativos
25. Umbral de Otsu
26. Contornos de imágenes
27. Incrustación de imágenes
28. Intensidad en imágenes
29. Registro de imágenes
30. Extracción de primer plano
31. Operaciones morfológicas en imágenes
32. Pirámide de imagen
34. UNIDAD DIDÁCTICA 4. HISTOGRAMAS Y TEMPLATE MATCHING
35. Analizar imágenes usando histogramas
36. Ecualización de histogramas
37. Template matching
38. Detección de campos en documentos usando Template matching
40. UNIDAD DIDÁCTICA 5. COLORES Y ESPACIOS DE COLOR
41. Espacios de color en OpenCV
42. Cambio de espacio de color
43. Filtrado de color
44. Denoising de imágenes en color
45. Visualizar una imagen en diferentes espacios de color
47. UNIDAD DIDÁCTICA 6. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS
48. Detección de líneas
49. Detección de círculos
50. Detectar esquinas (Método Shi-Tomasi)
51. Detectar esquinas (método Harris)
52. Encontrar círculos y elipses
53. Detección de caras y sonrisas
55. UNIDAD DIDÁCTICA 7. APRENDIZAJE AUTOMÁTICO
56. Vecino más cercano (K-Nearest Neighbour)
57. Agrupamiento de K-medias (K-Means Clustering)

MÓDULO 3. MACHINE LEARNING CON ARDUINO Y TENSORFLOW 2.0

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN Y PRIMEROS PASOS
2. ¿Qué es la inteligencia artificial?
3. Hardware y software unidos por la Inteligencia Artificial
4. Inteligencia Artificial y Visión Artificial
5. Arduino: introducción
7. UNIDAD DIDÁCTICA 2. PREPARACIÓN DE ARDUINO Y CONFIGURACIÓN DE ENTORNO PYTHON
8. Instalación de Arduino
9. Configurando tu Arduino para Python
11. UNIDAD DIDÁCTICA 3. CODIFICACIÓN Y CONTROL DE ARDUINO CON PYTHON
12. Control de Arduino
14. UNIDAD DIDÁCTICA 4. MANEJO DE ENTRADAS ANALÓGICAS CON PYTHON
15. Manejo de entradas
16. Entradas analógicas
18. UNIDAD DIDÁCTICA 5. USO DE SALIDAS ANALÓGICAS
19. Salidas analógicas
20. Valores analógicos en Arduino
22. UNIDAD DIDÁCTICA 6. INTRODUCCIÓN A MACHINE LEARNING
23. Introducción al machine learning
24. Aprendizaje supervisado
25. Aprendizaje no supervisado
27. UNIDAD DIDÁCTICA 7. REDES NEURONALES, SERIES TEMPORALES Y PROBLEMAS DE REGRESIÓN
28. Redes neuronales y deep learning
29. Series Temporales
31. UNIDAD DIDÁCTICA 8. OBTENCIÓN DE PARÁMETROS EN ARDUINO Y GENERACIÓN DE CONJUNTOS DE DATOS
32. Funciones y parámetros
33. Variables y constantes especializadas
34. Estructura de control
36. UNIDAD DIDÁCTICA 9. PROCESAMIENTO DE DATOS Y ETAPA DE ENTRENAMIENTO
37. Introducción
38. ¿Qué son los datos de entrenamiento de IA?
39. ¿Por qué se requieren datos de entrenamiento de IA?
40. ¿Cuántos datos son adecuados?
41. ¿Qué afecta la calidad de los datos en el entrenamiento?
43. UNIDAD DIDÁCTICA 10. CREACIÓN DE RED NEURONAL ARTIFICIAL Y APLICACIONES CON ARDUINO Y TENSORFLOW CON KERAS
44. Crear red neural paso a paso
45. Redes neuronales: Aprendizaje
46. Otras redes neuronales