Programación de Inteligencia Artificial. Curso Práctico

Carlos Mario Ramírez Gil

La inteligencia artificial se centra en la creación de sistemas capaces de ejecutar tareas que requieran algún tipo de inteligencia humana. Entrar en este campo sin conocimientos previos puede parecer muy complejo, pero con esta obra estamos convencidos que cualquier lector puede lograrlo sin demasiado esfuerzo.

El objetivo de este libro es hacer que la IA sea accesible y fácil de entender para personas con poca o ninguna experiencia en programación. De forma progresiva los lectores obtendrán el conocimiento que necesitan sobre cómo crear sistemas capaces de ejecutar tareas que requieren alguna forma de inteligencia similar a la humana, siempre acompañado de ejercicios prácticos para facilitar el aprendizaje.

A través de ejemplos se comienza introduciendo al lector en la programación con Python, así como los conceptos claves en inteligencia artificial y se avanza de forma gradual hacia temas más complejos como el aprendizaje profundo y el aprendizaje automático, acompañando siempre la parte teórica con ejemplos prácticos que facilitarán la asimilación.

Para finalizar, se abordan conceptos básicos de inteligencia artificial, como la clasificación y la regresión para continuar con implementaciones de inteligencia artificial, lo que permitirá a los lectores generar sus propios algoritmos de inteligencia artificial para el aprendizaje por refuerzo, los chatbots, la detección de rostros y reconocimiento facial, el procesamiento del habla y el lenguaje natural y el análisis de datos.

Los contenidos están adaptados al Curso de Especialización de Ciberseguridad en Entornos de las Tecnologías de la Información.

El libro contiene material adicional que podrá descargar accediendo a través de este ENLACE.

Escritor

Carlos Mario Ramírez Gil

Colección

Big data, Data Science e Inteligencia Artificial

Materia

Inteligencia artificial

Idioma

Castellano

EAN

9788419444998

ISBN

978-84-19444-99-8

Depósito legal

M-10907-20233

Páginas

324

Ancho

17 cm

Alto

24 cm

Peso

543 g

Edición

Fecha publicación

19-05-2023

Edición en papel

28,40 €

Descuento 5%29,90 €

581,80 MX$28,84 US$

También disponible en

eBook / 9,50 €

Reseñas

Disponible en Argentina y México

Índice de contenido

PREFACIO
AUTORES
CAPÍTULO 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
1.1 ¿QUÉ ES INTELIGENCIA ARTIFICIAL?
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL
1.3 LOS APOGEOS Y LOS DECLIVES DE LA INTELIGENCIA ARTIFICIAl
1.4 LOS TIPOS DE INTELIGENCIA ARTIFICIA
1.5 INTELIGENCIA ARTIFICIAL EDGE/CLOUD
1.6 MOMENTOS CLAVES DE LA INTELIGENCIA ARTIFICIAL
1.7 EL ESTADO DE LA IA
1.8 RECURSOS DE Ia
1.9 LA CONVERGENCIA TECNOLÓGICA EN EL CONTEXTO DE LA
INTELIGENCIA ARTIFICIAL Y SU IMPACTO EN LOS NEGOCIOS
1.9.1 La convergencia tecnológica
1.9.2 Los modelos de automatización industrial y de negocio
1.10 RESUMEN
1.11 PREGUNTAS DE REVISIÓN DEL CAPÍTULO
CAPÍTULO 2. HERRAMIENTAS DE DESARROLLO DE IA
2.1 HERRAMIENTAS DE HARDWARE DE IA
2.2 HERRAMIENTAS DE SOFTWARE DE IA
2.3 INTRODUCCIÓN A PYTHON
2.4 ENTORNOS DE DESARROLLO DE PYTHONA
2.5 COMENZANDO CON PYTHON
2.6 CONJUNTOS DE DATOS DE IA
2.7 FRAMEWORKS DE IA CON PYTHON
2.8 RESUMEN
2.9 PREGUNTAS DE REVISIÓN DEL CAPÍTULO
CAPÍTULO 3. APRENDIZAJE AUTOMÁTICO (MACHINE LEARNING)
3.1 INTRODUCCIÓN
3.2 APRENDIZAJE SUPERVISADO: CLASIFICACIONES
3.3 APRENDIZAJE SUPERVISADO: REGRESIONES
3.4 APRENDIZAJE NO SUPERVISADO
3.5 APRENDIZAJE SEMISUPERVISADO
3.6 APRENDIZAJE POR REFUERZO
3.7 APRENDIZAJE EN CONJUNTO
3.8 AUTOMl
3.9 PYCARET
3.10 LAZYPREDICT
3.11 RESUMEN
3.12 PREGUNTAS DE REVISIÓN DEL CAPÍTULO
CAPÍTULO 4. APRENDIZAJE PROFUNDO
4.1 INTRODUCCIÓN.
4.2 REDES NEURONALES ARTIFICIALES
4.3 REDES NEURONALES CONVOLUCIONALES
4.4 REDES NEURONALES RECURRENTES
4.5 TRANSFORMERS
4.5.1 Bibliotecas para el procesamiento de lenguaje natural BERT y ALBERT
4.6 REDES NEURONALES GRÁFICAS
4.7 REDES NEURONALES BAYESIANAS
4.8 META APRENDIZAJE
4.9 RESUMEN
4.10 PREGUNTAS DE REVISIÓN DEL CAPÍTULO
CAPÍTULO 5. CLASIFICACIÓN DE IMÁGENES
5.1 INTRODUCCIÓN.
5.2 CLASIFICACIÓN DE IMÁGENES CON MODELOS
5.3 CLASIFICACIÓN CON MODELOS ENTRENADOS
PERSONALIZADOS: APRENDIZAJE POR TRANSFERENCIA
5.4 DETECCIÓN DE ENFERMEDADES A TRAVÉS DE IMÁGENES
5.5 CLASIFICACIÓN DE IMÁGENES CON BASE EN WEB
5.6 PROCESAMIENTO DE IMÁGENES
5.7 RESUMEN
5.8 PREGUNTAS DE REVISIÓN DEL CAPÍTULO
CAPÍTULO 6. DETECCIÓN DE ROSTROS Y RECONOCIMIENTO FACIAL
6.1 INTRODUCCIÓN.
6.2 DETECCIÓN DE ROSTROS Y PUNTOS DE REFERENCIA FACIALES
6.3 RECONOCIMIENTO DE ROSTROS
6.4 DETECCIÓN DE EDAD, GENERO Y EMOCIONES
6.7 PREGUNTAS DE REVISIÓN DEL CAPÍTULO
CAPÍTULO 7. PROCESAMIENTO DE LENGUAJE NATURAL
7.1 INTRODUCCIÓN
7.2 RESUMEN DE TEXTO
7.4. resumen de un artículo contenido en una página Web de Wikipedia usando la biblioteca Gensim.
7.3 USO DE LA BIBLIOTECA TEXTBLOB PARA ANÁLISIS DE TEXTOS Y DE SENTIMIENTOS
7.3.1 Explicación del ejemplo 7.5: uso de la biblioteca TextBlob para análisis de textos y de sentimientos
7.4 ANÁLISIS DE SENTIMIENTO DE TEXTO
7.4.1 Explicación del ejemplo 7.6: análisis de sentimiento de texto con la biblioteca NLTK
7.5 CONVERSIÓN DE TEXTO A VOZ
7.6 CONVERSIÓN DE VOZ A TEXTO
7.6.1 Explicación del ejemplo 7.9: conversión de voz a texto usando un archivo de audio wav y con la biblioteca SpeechRecognition
7.7 TRADUCCIÓN AUTOMÁTICA
7.8 CÓDIGO QR
7.8.1 Explicación del ejemplo
7.9 ARCHIVOS PDF Y DOCX
mediante la biblioteca pdf2docx
7.10 CHATBOTS Y RESPUESTA A PREGUNTAS
7.11 RESUMEN DEL CAPÍTULO
7.12 PREGUNTAS DE REVISIÓN DEL CAPÍTULO
CAPÍTULO 8. ANÁLISIS DE DATOS
8.1 INTRODUCCIÓN
8.2 REGRESIÓN
8.3 ANÁLISIS DE SERIES TEMPORALES
de memoria a corto plazo (LSTM) en Python
8.3.3 Análisis de tendencia estacional
8.4 VISUALIZACIÓN Y ANÁLISIS DE DATOS DE COVID
8.5 KERASCLASSIFIER Y KERASREGRESSO
8.5.1 Clasificador de Keras
8.5.2 KerasRegresor
8.6 BASES DE DATOS SQL Y NOSQl
8.7 RESUMEN
8.8 PREGUNTAS DE REVISIÓN DEL CAPÍTULO