Inteligencia Artificial

Annotations:

• La inteligencia artificial es una rama de las ciencias de la computación que se encarga de la simulación de un comportamiento inteligente en las maquinas.

1. ANTECEDENTES
   1. La era dorada de la IA empezo en 1956 con Jhon McCarthy
   2. A los años 80 se le conocieron como invierno de la IA
2. RAMAS
   1. Machine Learning

      Annotations:

      • El aprendizaje automático es la capacidad de un algoritmo de adquirir conocimiento a partir de observaciones y que las reglas resultantes puedan ser aplicadas nuevamente a otros datos y asignarles una etiqueta de acuerdo a lo aprendido
   2. Procesamiento del lenguaje natural

      Annotations:

      • Es uno de los mas complejos y es el proceso mediante el cual los sistemas perciben y comprenden el lenguaje humano hablado. - Reconocimiento de voz - Lenguaje natural - Traducción - Análisis de sentimientos
   3. Robótica

      Annotations:

      • Se encarga de estudiar el análisis, diseño, manufactura y aplicación de máquinas que resuelvan tareas específicas con cierto grado de inteligencia.
   4. Visión por computadora

      Annotations:

      • Su objetivo es proporcionar visíon humana a los sistemas informáticos. Esto se lleva a cabo mediante el reconocimiento facial, realidad aumentada, biométrica.
   5. Deep Learning

      Annotations:

      • Es un subcampo del aprendizaje automático que utiliza redes neuronales para mejorar tareas como el reconocimiento de voz, visión por computadoras, procesamiento del lenguaje natural. Su objetivo es estudiar y construir a partir de la experiencia.
   6. Reinforcing Learning
3. TÉCNICAS DE APRENDIZAJE
   1. Analógicos
   2. Simbólicos
   3. Bayesianos
   4. Evolutivos
   5. Conexionistas
4. DEEP LEARNING
   1. Ingeniería de características de forma completamente automática
      1. Recopilar un conjunto de datos
      2. Diseñar una función de perdida
      3. Seleccionar modelo de red neuronal
      4. Establecer hiperparámetros
      5. Aplicar un algoritmo de optimización
5. REDES NEURONALES
   1. Inspirada en la neurona
   2. Reconocimiento de patrones
      1. Imágenes
      2. Manuscritos
      3. Secuencias de tiempo
   3. Clasificación
      1. Modelo de tipo biológico
      2. Modelo dirigido a la aplicación
   4. Características
      1. Aprendizaje adaptativo
      2. Tolerancia a fallos
      3. Operación en tiempo real
      4. Auto-organización