módulo #1 Introducción a la inteligencia artificial Explorando la definición, historia y aplicaciones de la IA
módulo #2 Fundamentos del aprendizaje automático Comprender el aprendizaje supervisado, no supervisado y de refuerzo
módulo #3 Matemáticas para la IA Álgebra lineal, cálculo y probabilidad para aplicaciones de IA
módulo #4 Python para IA Introducción a la programación en Python para IA y ciencia de datos
módulo #5 Preprocesamiento y visualización de datos Limpieza, transformación y visualización de datos para aplicaciones de IA
módulo #6 Aprendizaje supervisado Creación de modelos de regresión y clasificación con scikit-learn
módulo #7 Aprendizaje no supervisado Agrupamiento, reducción de dimensionalidad y estimación de densidad
módulo #8 Aprendizaje por refuerzo Introducción a los procesos de decisión de Markov y al aprendizaje Q
módulo #9 Fundamentos del aprendizaje profundo Introducción a las redes neuronales, perceptrones y retropropagación
módulo #10 Redes neuronales convolucionales (CNN) Procesamiento de imágenes y detección de objetos con CNN
módulo #11 Redes neuronales recurrentes (RNN) Datos de secuencias y modelos de lenguaje con RNN y LSTM
módulo #12 Procesamiento del lenguaje natural (PLN) Preprocesamiento de texto, tokenización y modelado del lenguaje
módulo #13 Visión por computadora Clasificación de imágenes, detección de objetos y segmentación
módulo #14 Robótica y sistemas de control Introducción a la robótica, sistemas de control y procesamiento de sensores.
módulo #15 Ética y sesgo en la IA Comprender y abordar los sesgos en los sistemas de IA
módulo #16 Aplicaciones de la IA en la industria Explorando aplicaciones de IA en atención médica, finanzas y marketing
módulo #17 Inteligencia artificial para el bien social Uso de la IA para generar impacto social y sostenibilidad ambiental
módulo #18 Arquitecturas de redes neuronales Explorando arquitecturas de redes neuronales avanzadas
módulo #19 Modelos generativos Introducción a las GAN, VAE y modelos generativos
módulo #20 Transferencia de aprendizaje y puesta a punto Uso de modelos preentrenados para un desarrollo eficiente de la IA
módulo #21 Inteligencia artificial para la previsión de series temporales Uso de IA para la predicción de series temporales y la detección de anomalías
módulo #22 Inteligencia artificial para sistemas de recomendación Creación de sistemas de recomendación personalizados con IA
módulo #23 Desarrollo de proyectos de IA Desarrollar un proyecto de IA del mundo real desde cero
módulo #24 Resumen y conclusión del curso Planificación de los próximos pasos en la carrera de Inteligencia Artificial
