Apunte de Estudio: Introducción a la Inteligencia Artificial y el
Aprendizaje Automático
1. Definición de Inteligencia Artificial (IA)
La Inteligencia Artificial es la rama de la informática que se enfoca en crear
sistemas capaces de realizar tareas que requieren inteligencia humana, como
el reconocimiento de voz, la toma de decisiones y la traducción de idiomas.
Subdivisiones de la IA:
IA Débil (Narrow AI) : Diseñada para realizar una tarea específica (ej., asistentes
virtuales como Siri o Alexa).
IA Fuerte (Strong AI) : Hipotética y capaz de realizar cualquier tarea cognitiva
como un humano.
2. Conceptos Clave de Aprendizaje Automático
El aprendizaje automático es una subcategoría de la IA que permite a las
máquinas aprender de datos y mejorar con la experiencia sin ser
programadas explícitamente.
Tipos de Aprendizaje Automático:
Supervisado : Entrenamiento con datos etiquetados. Ej., clasificación de correos
electrónicos como spam o no spam.
No Supervisado : Descubre patrones ocultos en datos sin etiquetar. Ej., análisis
de agrupamiento.
Aprendizaje por Refuerzo : El algoritmo aprende a través de ensayo y error,
optimizando acciones para maximizar una recompensa. Ej., algoritmos de juego
como AlphaGo.
3. Algoritmos comunes de aprendizaje automático
Regresión Lineal : Modelo de predicción que relaciona una variable
dependiente con una o más variables independientes.
Árboles de Decisión : Modelo de decisión que divide los datos en subconjuntos
basados en condiciones de atributo.
Máquinas de Vectores de Soporte (SVM) : Algoritmo para clasificación que
encuentra el hiperplano óptimo que separa las clases.
Redes Neuronales : Modelos inspirados en el cerebro humano, compuestos de
capas de nodos (neuronas).
4. Aplicaciones Reales de la IA y Machine Learning
Reconocimiento de Imágenes y Visión Artificial : Usado en la detección facial
y en vehículos autónomos.
Procesamiento del Lenguaje Natural (PNL) : Algoritmos que permiten a las
máquinas entender e interpretar el lenguaje humano (ej., chatbots, asistentes de
voz).
Aprendizaje Automático
1. Definición de Inteligencia Artificial (IA)
La Inteligencia Artificial es la rama de la informática que se enfoca en crear
sistemas capaces de realizar tareas que requieren inteligencia humana, como
el reconocimiento de voz, la toma de decisiones y la traducción de idiomas.
Subdivisiones de la IA:
IA Débil (Narrow AI) : Diseñada para realizar una tarea específica (ej., asistentes
virtuales como Siri o Alexa).
IA Fuerte (Strong AI) : Hipotética y capaz de realizar cualquier tarea cognitiva
como un humano.
2. Conceptos Clave de Aprendizaje Automático
El aprendizaje automático es una subcategoría de la IA que permite a las
máquinas aprender de datos y mejorar con la experiencia sin ser
programadas explícitamente.
Tipos de Aprendizaje Automático:
Supervisado : Entrenamiento con datos etiquetados. Ej., clasificación de correos
electrónicos como spam o no spam.
No Supervisado : Descubre patrones ocultos en datos sin etiquetar. Ej., análisis
de agrupamiento.
Aprendizaje por Refuerzo : El algoritmo aprende a través de ensayo y error,
optimizando acciones para maximizar una recompensa. Ej., algoritmos de juego
como AlphaGo.
3. Algoritmos comunes de aprendizaje automático
Regresión Lineal : Modelo de predicción que relaciona una variable
dependiente con una o más variables independientes.
Árboles de Decisión : Modelo de decisión que divide los datos en subconjuntos
basados en condiciones de atributo.
Máquinas de Vectores de Soporte (SVM) : Algoritmo para clasificación que
encuentra el hiperplano óptimo que separa las clases.
Redes Neuronales : Modelos inspirados en el cerebro humano, compuestos de
capas de nodos (neuronas).
4. Aplicaciones Reales de la IA y Machine Learning
Reconocimiento de Imágenes y Visión Artificial : Usado en la detección facial
y en vehículos autónomos.
Procesamiento del Lenguaje Natural (PNL) : Algoritmos que permiten a las
máquinas entender e interpretar el lenguaje humano (ej., chatbots, asistentes de
voz).
