Transparencias para el encuadre de la asignatura de Inteligencia Artificial.

1. 1

2. Inteligencia Artificial:
Encuadre
Luis Chamba-Eras
Carrera de Ingeniería en Sistemas/Computación
Grupo de Investigación en Tecnologías de la Información y Comunicación
11 de mayo del 2020
Loja, Ecuador
Facultad
de la Energía, las Industrias
y los Recursos Naturales
No Renovables

3. 3
1. Motivación
2. Requerimientos
3. Estructura de la asignatura
4. Metodología de aprendizaje
5. Evaluación
6. Varios
Agenda

4. 4
1. Motivación

5. 5
1. Motivación

6. 6
1. Motivación
Teachable Machine: https://teachablemachine.withgoogle.com/
• Es la inteligencia artificial de Google
• El objetivo es motivar a cientos de personas en el mundo a conocer
más sobre la inteligencia artificial y entender cómo funciona
• Aprendizaje automático (machine learning)
• Red neuronal artificial
• Lectura: Crea tu modelo Machine Learning con Teachable Machine,
https://empresas.blogthinkbig.com/creando-y-desplegando-modelos-
de-machine-learning-con-teachable-machine/

7. 7
2. Requerimientos
Conocimientos básicos en:
• Programación
• Matemáticas: álgebra, cálculo, estadística, probabilidades.
• Proyectos
• Base de datos
• Matemáticas discretas
• Estructura de datos
• Investigación de operaciones

8. 8
2. Requerimientos
Reforzar conocimientos básicos:
• Khan Academy, https://es.khanacademy.org/
• YouTube
• MOOC: Miriadax, Edx, Coursera
• Libros

9. 9
2. Requerimientos

10. 10
3. Estructura de la asignatura

11. 11
4. Metodología de aprendizaje
Aprendizaje activo:
• Aprendizaje basado en problemas.
• Aula invertida.
Entorno Virtual de Aprendizaje (EVA-UNL):
• https://eva.unl.edu.ec/course/view.php?id=17780
Herramientas:
• Cmap Cloud, https://cmapcloud.ihmc.us/
• Python, R, Java, Weka, RapidMiner, TensorFlow, Keras, Wolfram
Mathematica, entre otras

12. 12
4. Metodología de aprendizaje
Lectura:
• Springer.
• Español.
Trabajo colaborativo:
• Equipos aleatorios.
Comunicación:
• Canal en Telegram:
https://t.me/joinchat/AAAAAFSYRSwv_L9uKQbxDg

13. 13
5. Evaluación

14. 14
5. Evaluación
Evaluación continua:
• Review del estado actual de la IA en un área de conocimiento
• Propuesta entre pares de un proyecto de aprendizaje automático
• Proyecto de aprendizaje automático implementado, prototipo,
documentación y defensa
• Control de lectura de cada uno de los temas
• Trabajo colaborativo
• Trabajo autónomo por cada uno de los temas

15. 15
5. Evaluación
Cuantificar:
PARÁMETROS DE
EVALUACIÓN
EVALUACIÓN
PRUEBAS PRÁCTICAS
(REVIEW, PROPUESTA) Y
PROYECTO.
70 %
CONTROL DE LECTURA 10 %
TRABAJO COLABORATIVO
10 %
TRABAJO AUTÓNOMO
10 %
TOTAL 100 %

16. 16
6. Varios
• ¿?

17. Networking académico:
Correo electrónico: lachamba@unl.edu.ec
Twitter: @lachamba
SlideShare: https://es.slideshare.net/lachamba
17
Gracias