La inteligencia artificial explicada, De los conceptos básicos a las aplicaciones avanzadas de IA

La inteligencia artificial explicada – De los conceptos básicos a las aplicaciones avanzadas de IA es una guía completa y accesible que permite comprender la inteligencia artificial desde sus fundamentos hasta sus aplicaciones más avanzadas.

El libro está pensado para un público amplio, desde personas que se inician en el mundo de la inteligencia artificial hasta profesionales informáticos que desean consolidar o ampliar sus conocimientos. Su enfoque pedagógico permite abordar conceptos técnicos complejos utilizando un lenguaje claro y progresivo.

A lo largo de la obra se explican los principales conceptos de la inteligencia artificial, incluyendo machine learning, aprendizaje supervisado y no supervisado, redes neuronales, procesamiento del lenguaje natural (NLP) y deep learning.

También se presentan numerosas aplicaciones prácticas de la IA en ámbitos como el reconocimiento de voz, la traducción automática, los vehículos autónomos, los chatbots, los sistemas de recomendación, la sanidad y la visión por ordenador.

El lector también descubre las diferentes etapas necesarias para crear una solución de inteligencia artificial: definición del objetivo, recopilación y preparación de datos, selección del algoritmo, entrenamiento del modelo, puesta en producción y mejora continua.

La obra incluye además una introducción a las principales herramientas y lenguajes utilizados en IA, con especial atención a Python, así como a frameworks y herramientas como TensorFlow, PyTorch, Keras, Scikit-learn, Jupyter Notebook, Pandas, NumPy y Matplotlib.

Mediante un caso práctico de Machine Learning y ejemplos relacionados con DALL-E y ChatGPT, el libro muestra de manera concreta el funcionamiento y las posibilidades de la inteligencia artificial generativa.

Finalmente, se abordan las profesiones relacionadas con la IA, las matemáticas necesarias para comprender sus fundamentos, la relación entre IA y Web 3.0, su impacto en la Industria 4.0 y los aspectos éticos relacionados con los sesgos, la transparencia, la privacidad, la seguridad y la responsabilidad.

Una obra especialmente indicada para quienes desean comprender la inteligencia artificial de forma global y adquirir una base sólida para continuar avanzando en este campo.

Fundamentos de la inteligencia artificial

• Historia y evolución de la inteligencia artificial.
• Inteligencia artificial generativa.
• Clasificación de los diferentes tipos de IA.
• Machine Learning: aprendizaje supervisado, no supervisado y por refuerzo.
• Detección de anomalías y representación de datos.
• Algoritmos de clustering y reducción de dimensionalidad.
• Algoritmos supervisados: árboles de decisión, regresión, SVM, Naive Bayes y k-NN.
• Redes neuronales.
• Procesamiento del lenguaje natural (NLP).
• Deep Learning y sus principales aplicaciones.

Aplicaciones de la inteligencia artificial

• Reconocimiento de voz y traducción automática.
• Vehículos autónomos.
• Chatbots.
• Sistemas de recomendación.
• Automatización de procesos y evolución hacia sistemas cognitivos.
• Aplicaciones de IA en el sector sanitario.
• Visión por ordenador.

Las etapas de creación de una IA

• Definición del objetivo.
• Recopilación y preparación de los datos.
• Selección del algoritmo.
• División de los datos.
• Entrenamiento del modelo.
• Puesta en producción.
• Mejora y evolución continua.

Técnicas y herramientas para crear una IA

• Lenguajes de programación: Python, R, Java, C++ y Lisp.
• Frameworks: TensorFlow, PyTorch, Keras, Caffe, Scikit-learn y otros.
• Gestión y visualización de datos con Jupyter Notebook, Pandas, NumPy y Matplotlib.
• Plataformas Cloud para inteligencia artificial.

Primeros pasos con Python

• Instalación de Python y PyCharm.
• Sintaxis y estructura del lenguaje.
• Tipos de datos, variables, operadores y expresiones.
• Estructuras de control y funciones.
• Listas, entrada y salida de datos.
• Gestión de errores y excepciones.
• Uso de PIP y creación de programas sencillos.

Machine Learning: caso práctico

• Aplicación práctica de Machine Learning.
• Utilización de un conjunto de datos relacionado con la diabetes.
• Ejercicio práctico para comprender el funcionamiento de un modelo de aprendizaje automático.

Inteligencia artificial generativa

• DALL-E y generación de imágenes a partir de texto.
• Funcionamiento y utilización de DALL-E.
• Creación de prompts y aplicaciones prácticas.
• Acceso a DALL-E mediante Python y API.
• GPT, ChatGPT y modelos de lenguaje.
• Arquitectura Transformer y evolución de GPT.
• Utilización de ChatGPT y creación de prompts avanzados.
• Aplicaciones de ChatGPT en traducción, búsqueda de empleo y desarrollo.
• Impacto de ChatGPT en el mercado laboral.

Profesiones relacionadas con la IA

• Arquitectos, ingenieros y analistas de datos.
• Data Scientists.
• Ingenieros de Machine Learning y Deep Learning.
• Investigadores de inteligencia artificial.
• Especialistas en ética de IA.
• Prompt Engineers y nuevas profesiones vinculadas a la IA.

Matemáticas aplicadas a la inteligencia artificial

• Álgebra lineal y matrices.
• Vectores y transformación de datos.
• Cálculo diferencial.
• Optimización.
• Probabilidad y estadística.

Inteligencia artificial, Web 3.0 e Industria 4.0

• Evolución de la Web y llegada de Web 3.0.
• IA aplicada a Blockchain y NFT.
• Seguridad y validación de transacciones.
• IA aplicada al contenido web y a los motores de búsqueda.
• IA y Metaverso.
• Evolución de las revoluciones industriales hasta la Industria 4.0.
• IA aplicada a la industria y principales desafíos.
• Datos, seguridad, conocimientos técnicos, gestión del cambio y costes.
• IA y cambio climático.

IA ética

• Ética de la inteligencia artificial.
• Sesgos y discriminación.
• Transparencia y explicabilidad.
• Privacidad y seguridad de los datos.
• Responsabilidad en la toma de decisiones.
• Impactos sociales y económicos.
• IA aplicada a la educación.
• Formación, sensibilización y recomendaciones para un uso responsable.

David Brenet es ingeniero informático de formación y cuenta con más de dos décadas de experiencia como responsable informático, principalmente en los sectores bancario y asegurador.

Paralelamente a su actividad profesional, comparte sus conocimientos como docente en el Conservatoire national des arts et métiers (CNAM) y en el Instituto de Formación de Profesiones Aseguradoras en Francia.

Su experiencia combina conocimientos prácticos y metodológicos con un especial interés por las tecnologías emergentes, particularmente la inteligencia artificial generativa y el machine learning.

En esta obra presenta la inteligencia artificial desde una perspectiva divulgativa, buscando facilitar la comprensión de sus conceptos, tecnologías, aplicaciones y desafíos.