IFCD107: Especialista en inteligencia artificial

El objetivo de este libro es que el lector adquiera los conocimientos para utilizar aplicaciones y algoritmos de Inteligencia Artificial, en diferentes proyectos de aplicabilidad en las empresas.

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