Fundamentos de Inteligencia Artificial y Machine Learning

Al finalizar este curso, el estudiante será capaz de: Comprender los principios fundamentales de la inteligencia artificial, su historia, evolución y aplicaciones actuales en la industria. Diferenciar entre IA, machine learning, deep learning y data science, entendiendo su relación y casos de uso. Identificar los tipos de aprendizaje automático: supervisado, no supervisado y por refuerzo. Interpretar el ciclo de vida de un proyecto de machine learning, desde la recolección de datos hasta la puesta en producción. Explorar herramientas y entornos de desarrollo básicos para trabajar con IA (como Python, Jupyter Notebooks y bibliotecas como Scikit-learn y Pandas). Aplicar lógica básica de modelos de predicción mediante ejemplos prácticos y datasets reales. Reconocer los desafíos éticos y de sesgo algorítmico asociados con la implementación de modelos de IA. Prepararse para cursos intermedios o especializados en machine learning, ciencia de datos o IA aplicada.