Alta Calidad
Educativa
Bonificable
para empresas
Plataforma
Interactiva
Flexibilidad
Horaria
- Definir y entender los conceptos de inteligencia artificial, aprendizaje automático y minería de datos.
- Aplicar diferentes técnicas de búsqueda (hacia adelante, hacia atrás, heurística, etc.) para resolver problemas complejos.
- Entender la estructura y características de los sistemas expertos.
- Implementar técnicas de inferencia y resolver conflictos mediante encadenamiento de reglas.
- Aplicar razonamiento bayesiano y factores de certeza en sistemas expertos.
- Desarrollar árboles de decisión para la representación del conocimiento.
- Implementar algoritmos ID3 y C4.5 y realizar tareas de inducción y poda.
- Implementar algoritmos como PRISM y Apriori para el aprendizaje de reglas utilizando herramientas como WEKA.
- Implementar algoritmos como K-means, algoritmos aglomerativos y divisorios, EM y Fuzzy C-means para el agrupamiento de datos.
- Diseñar y aplicar recomendaciones colaborativas, basadas en contenidos y sistemas híbridos en diferentes contextos.
- Entender y simular el funcionamiento de la neurona artificial y redes neuronales.
- Diseñar y mejorar algoritmos genéticos para la resolución de problemas utilizando técnicas de diversidad.
- Desarrollar soluciones inteligentes híbridas combinando varias metodologías y herramientas.
Profesionales de Tecnologías de la Información y Desarrollo de Software: Este curso está dirigido a ingenieros, desarrolladores y técnicos en tecnologías de la información que buscan ampliar sus conocimientos en inteligencia artificial, aprendizaje automático y minería de datos.
Investigadores y Académicos en Ciencias de la Computación y Matemáticas: Este curso ofrece una profundización en los conceptos y técnicas avanzadas de inteligencia artificial y minería de datos, por lo que es ideal para investigadores y académicos que desean mantenerse al día con las últimas tendencias y metodologías en estas áreas.
Analistas de Datos y Científicos de Datos: Los profesionales que trabajan con grandes volúmenes de datos y que buscan optimizar el proceso de toma de decisiones a través de técnicas avanzadas de análisis se beneficiarán enormemente de este curso.
1.INTELIGENCIA ARTIFICIAL, APRENDIZAJE AUTOMATICO Y MINERIA DE DATOS
- Definicion de conceptos de inteligencia artificial, aprendizaje automatico y
- Interes y aplicaciones de la inteligencia artificial
- Aprendizaje automatico
- Descubrimiento de conocimiento
2.BUSQUEDA EN INTELIGENCIA ARTIFICIAL
- Definicion y componentes en la resolucion de problemas mediante busqueda
- Busqueda hacia adelante y hacia atras
- Busqueda exhaustiva
- Busqueda heuristica
- Busqueda en juegos
- Costes
3.SISTEMAS EXPERTOS BASADOS EN REGLAS
- Las reglas como tecnica de representacion del conocimiento
- Definicion, caracteristicas y estructura de un sistema experto
- Tecnicas de inferencia. Encadenamiento de reglas hacia adelante y hacia atras
- Resolucion de conflictos
- Ventajas y desventajas de los sistemas expertos basados en reglas
- Herramienta software para la construccion de sistemas expertos. Clips
4.INCERTIDUMBRE E IMPRECISION EN SISTEMAS EXPERTOS BASADOS EN REGLAS
- Proposiciones inciertas e imprecisas
- Razonamiento bayesiano
- Factores de certeza
- Comparacion entre razonamiento bayesiano y factores de certeza
- Logica difusa
- Conjuntos difusos
- Variables linguisticas
- Reglas difusas
- Inferencia difusa
5.ARBOLES PARA LA TOMA DE DECISIONES
- Los arboles de decision como tecnica de representacion del conocimiento
- Tarea de induccion
- Algoritmo id3 - algoritmo basico de aprendizaje
- Espacio de hipotesis
- Criterios de seleccion de atributos
- Sobreajuste y poda de arboles
- Precision de la clasificacion
- Algoritmo c4.5 - simplificacion de arboles de decision mediante poda
- Herramienta software para el analisis de conocimiento – weka
6.ALGORITMOS DE APRENDIZAJE DE REGLAS
- Reglas de clasificacion y reglas de asociacion
- Medidas de evaluacion de reglas
- Algoritmo prism - algoritmo de aprendizaje de reglas de clasificacion
- Algoritmo a priori - algoritmo de aprendizaje de reglas de asociacion
- Aprendizaje de reglas de clasificacion y asociacion con la herramienta weka
7.CLASIFICACION NO SUPERVISADA
- Tipos de algoritmos de clustering
- Medida de distancia
- Algoritmo k-means agrupamiento exclusivo
- Algoritmos aglomerativos y divisorios agrupamiento jerarquico
- Algoritmo em agrupamiento probabilista
- Algoritmo fuzzy c-means agrupamiento solapado
8.SISTEMAS RECOMENDADORES
- Tipos de recomendaciones y aplicaciones
- Recomendacion colaborativa - basada en usuarios y basada en items
- Recomendacion basada en contenidos
- Sistemas hibridos
9.SISTEMAS NEURONALES
- Similitud con el funcionamiento del cerebro
- La neurona artificial. El perceptron
- Redes neuronales multicapa
- Redes neuronales recurrentes. Hopfield network
10.ALGORITMOS GENETICOS
- Simulacion de la evolucion natural
- Etapas de un algoritmo genetico
- Diseño de un algoritmo genetico para la resolucion de problemas
- Mejora de un algoritmo genetico mediante tecnicas de diversidad
11.CASOS DE ESTUDIO
- Aplicacion de las distintas tecnicas en diferentes situaciones
- Casos de estudio con sistemas expertos basados en reglas
- Casos de estudio con sistemas expertos difusos basados en reglas
- Casos de estudio con arboles de decision
- Casos de estudio con redes neuronales
- Casos de estudio con algoritmos geneticos
- Sistemas inteligentes hibridos