Curso de Inteligencia Artificial con Python

Categories: Data Science
Lista de deseos Share
Share Course
Page Link
Share On Social Media

Acerca de este curso

> Módulo 1: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

¿Qué es la inteligencia artificial? 

¿Por qué necesitamos estudiar IA? 

Aplicaciones de la IA 

Ramas de la IA 

Definiendo la inteligencia usando la prueba de Turing 

Hacer que las máquinas piensen como los humanos 

Construcción de agentes racionales

 

> Módulo 2: CLASIFICACIÓN Y REGRESIÓN UTILIZANDO EL APRENDIZAJE SUPERVISADO

Aprendizaje supervisado versus aprendizaje no supervisado 

¿Qué es la clasificación? 

Datos de preprocesamiento 

Codificación de etiquetas 

Clasificador de regresión logística 

Clasificador naïve bayes 

Matriz de confusión 

Máquinas de vectores de soporte| Clasificación de los datos de ingresos utilizando máquinas de vectores de soporte 

¿Qué es la regresión? 

Construyendo un solo regresor variable 

Construyendo un regresor multivariable 

Estimación de precios de vivienda usando un Regresor de vectores de soporte

 

> Módulo 3: ANALÍTICOS PREDICTIVOS CON APRENDIZAJE ENSEMBLE

¿Qué es Ensemble Learning? 

¿Qué son los árboles de decisión? 

¿Qué son los bosques aleatorios y los bosques extremadamente aleatorios? 

Tratar el desequilibrio de clase 

Encontrar los parámetros de entrenamiento óptimos utilizando la búsqueda de cuadrícula 

Cálculo de la importancia relativa de la característica 

Predicción del tráfico usando el regresor de bosques extremadamente aleatorios

 

> Módulo 4: DETECCIÓN DE PATRONES CON APRENDIZAJE NO SUPERVISADO

¿Qué es el aprendizaje no supervisado? 

Agrupar datos con el algoritmo K-Means 

Estimación del número de agrupaciones con el algoritmo de cambio medio 

Estimación de la calidad del agrupamiento con puntuaciones de silueta 

¿Qué son los modelos de mezcla gaussianos? 

Construyendo un clasificador basado en modelos de mezcla gaussianos 

Encontrar subgrupos en el mercado de valores utilizando el modelo de 

Propagación de Afinidad 

Segmentando el mercado en base a patrones de compra.

 

> Módulo 5: PROGRAMACIÓN LÓGICA

¿Qué es la programación lógica? 

Entendiendo los bloques de construcción de la programación lógica. 

Resolviendo problemas utilizando la programación lógica. 

Instalando paquetes de Python 

Coincidencia de expresiones matemáticas 

Validando primos 

Analizar un árbol genealógico 

Analizando geografía 

Construyendo un solucionador de rompecabezas

 

> Módulo 6: TÉCNICAS DE BÚSQUEDA HEURÍSTICA

¿Qué es la búsqueda heurística? 

Restricción problemas de satisfacción 

Técnicas de búsqueda local 

Construyendo una cadena usando búsqueda 

Resolviendo un problema con restricciones 

Resolviendo el problema de coloración de la región 

Construyendo un solucionador de 8 rompecabezas 

Construyendo un laberinto

 

> Módulo 7: ALGORITMOS GENÉTICOS

Entendiendo los algoritmos evolutivos y genéticos 

Conceptos fundamentales en algoritmos genéticos 

Generando un patrón de bits con parámetros predefinido 

Visualizando la evolución 

Resolviendo el problema de regresión de símbolos 

Construyendo un controlador de robot inteligente

 

> Módulo 8: PROCESAMIENTO DEL LENGUAJE NATURAL

Introducción e instalación de paquetes. 

Tokenizando datos de texto 

Conversión de palabras a sus formas base utilizando la derivación. 

Convertir palabras a sus formas base utilizando la lematización. 

Dividir datos de texto en trozos 

Extraer la frecuencia de los términos utilizando un modelo de Bolsa de palabras 

Construyendo un predictor de categoría 

Construyendo un identificador de género 

Construyendo un analizador de sentimiento 

Modelado de temas usando Asignación de Dirichlet Latente

 

> Módulo 9: RAZONAMIENTO PROBABILISTA DE DATOS SECUENCIALES

Entendiendo datos secuenciales 

Manejo de datos de series de tiempo con pandas. 

Cortando datos de series de tiempo 

Operando en datos de series de tiempo 

Extraer estadísticas de datos de series de tiempo 

Generando datos usando modelos ocultos de Markov 

Identificar secuencias alfabéticas con campos aleatorios condicionales 

Análisis del mercado de valores

 

> Módulo 10: DETECCIÓN Y SEGUIMIENTO DE OBJETOS

Instalación de OpenCV 

Diferenciación de cuadros 

Seguimiento de objetos utilizando espacios de color 

Seguimiento de objetos mediante la resta de fondo. 

Construyendo un rastreador de objetos interactivo usando el algoritmo CAMShift 

Seguimiento óptico basado en flujo. 

Detección y seguimiento facial 

Detección y seguimiento ocular

What Will You Learn?

  • Descubrirá cómo tomar decisiones informadas sobre qué algoritmos usar en un contexto dado.
  • A partir de los conceptos básicos de la Inteligencia Artificial, aprenderá cómo desarrollar varios bloques de construcción utilizando diferentes técnicas de extracción de datos.
  • Cómo implementar diferentes algoritmos para obtener los mejores resultados posibles y entenderá cómo aplicarlos a escenarios del mundo real.
  • Si desea agregar una capa de inteligencia a cualquier aplicación basada en imágenes, texto, bolsa de valores o algún otro tipo de datos, este curso será de gran ayuda para escalar dicha funcionalidad.

Course Content

Student Ratings & Reviews

No Review Yet
No Review Yet