Qué es realmente la inteligencia artificial

Curso de Fundamentos de AI para Manejo de Datos

Contenido del curso

Principios de la IA

Modelo Predictivo

Tipos de Aprendizaje

Herramientas para IA

Ciclo de Vida ML

Ética en IA

Cursos Empresas Blog Live Conf Eventos Precios

0:002:38

Qué es realmente la inteligencia artificial

Curso de Fundamentos de AI para Manejo de Datos

Clase 1 de 20

Clase 1 / 20

Obtén respuestas inmediatas¿Dudas?Profundiza lo que acabas de ver

Recursos

La inteligencia artificial ya decide si te aprueban un crédito, qué productos ves al comprar en línea o qué información aparece primero en tus búsquedas. Entenderla dejó de ser opcional para cualquier persona que quiera tomar decisiones informadas en su vida profesional.

Este recorrido formativo es una introducción crítica y práctica a los fundamentos de la IA, pensada para quienes tienen mínima experiencia en código, una computadora con internet y curiosidad por entender la tecnología que está transformando el entorno.

¿Qué vas a aprender sobre inteligencia artificial?

La propuesta arranca por lo esencial: qué es y qué no es la inteligencia artificial. A partir de ahí, abrimos el panorama hacia los temas que te permiten pasar de usuario pasivo a alguien que comprende la lógica detrás de cada modelo.

Los distintos tipos de IA que existen hoy.
Cómo se entrenan los modelos y con qué datos.
Cómo se evalúan los resultados para saber si funcionan.
Cuáles son las aplicaciones reales en industria y vida cotidiana.
Los riesgos, los límites y los dilemas éticos al desarrollarla o usarla.

¿Qué es la inteligencia artificial? Es un conjunto de técnicas que permiten a las máquinas realizar tareas que normalmente requieren inteligencia humana, como reconocer patrones, tomar decisiones o procesar lenguaje. No es magia ni conciencia: son modelos matemáticos entrenados con datos. [00:24]

¿Cómo se vive el ciclo completo de un modelo de IA?

Para comprender la tecnología desde una mirada crítica, vas a recorrer el ciclo completo de uno de los modelos. Eso significa empezar por los datos, pasar por el entrenamiento y llegar hasta la evaluación y la visualización que confirma si tu solución realmente funciona.

No se trata de aplicar algoritmos sin contexto. La idea es que entiendas por qué y cuándo usar cada uno, y que experimentes por ti misma o por ti mismo con herramientas basadas en IA.

¿Quién imparte este curso de IA y por qué importa su perspectiva?

Tu instructora es Frida Ruh, especialista en inteligencia artificial y prospectiva, con experiencia en el sector corporativo y en iniciativas de impacto social. Es una de las 100 voces más influyentes en IA de habla hispana. [02:00]

Su trayectoria combina dos mundos que rara vez se cruzan en un mismo curso:

Liderazgo de proyectos de IA en Google, desarrollando sistemas de bidding y medición basados en valor.
Trabajo como científica de datos en startups como Justo, creando modelos de personalización, estrategias de pricing y sistemas de análisis de opinión con natural language processing.
Impulso de iniciativas educativas y comunitarias para acercar la IA a más personas, en especial mujeres y comunidades latinoamericanas.

¿Qué es natural language processing? Es la rama de la IA que permite a las máquinas entender, interpretar y generar lenguaje humano. Se usa en chatbots, traductores automáticos y sistemas que analizan opiniones en redes sociales. [02:28]

¿Por qué la IA no debería ser una caja negra?

La premisa de fondo es clara: la inteligencia artificial no debe ser una caja negra que pocos entienden. Tiene que funcionar como una herramienta compartida, crítica y desarrollada desde diversas perspectivas.

Cuando hablamos de caja negra nos referimos a sistemas cuyo funcionamiento interno es opaco para quien los usa. Tú metes datos, sale un resultado, pero nadie te explica el porqué. Y aquí viene lo interesante: cuando ese resultado decide tu crédito o tu acceso a un servicio, la opacidad deja de ser un detalle técnico y se vuelve un problema social.

¿Qué herramientas y habilidades te llevas?

La meta es que termines con herramientas reales y una visión informada para tomar decisiones y abrir nuevas posibilidades en tu camino profesional. Estos son los conceptos y prácticas que estarán en juego durante el recorrido.

Entrenamiento de modelos: el proceso por el cual un algoritmo aprende patrones a partir de datos históricos.
Evaluación: medir qué tan bien predice o decide un modelo frente a casos nuevos.
Visualización de resultados: representar gráficamente el desempeño para validar si la solución funciona.
Sistemas de bidding: modelos que automatizan ofertas en subastas digitales basadas en valor esperado.
Estrategias de pricing: uso de IA para definir precios dinámicos según demanda y comportamiento.
Análisis de opinión: técnicas de NLP para detectar sentimientos o intenciones en textos.
Ética en IA: revisión de sesgos, límites y dilemas que aparecen al desarrollar o aplicar estos sistemas.

Si llegaste hasta aquí es porque, como Frida, te haces preguntas sobre cómo se construye el futuro. Cuéntame en los comentarios qué tema de inteligencia artificial te genera más curiosidad antes de empezar.