Programación de Inteligencia Artificial

n nPREFACIO nAUTORES nCAPÍTULO 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL n1.1 ¿QUÉ ES INTELIGENCIA ARTIFICIAL? n1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL n1.3 LOS APOGEOS Y LOS DECLIVES DE LA INTELIGENCIA ARTIFICIAl n1.4 LOS TIPOS DE INTELIGENCIA ARTIFICIA n1.5 INTELIGENCIA ARTIFICIAL EDGE/CLOUD n1.6 MOMENTOS CLAVES DE LA INTELIGENCIA ARTIFICIAL n1.7 EL ESTADO DE LA IA n1.8 RECURSOS DE Ia n1.9 LA CONVERGENCIA TECNOLÓGICA EN EL CONTEXTO DE LA nINTELIGENCIA ARTIFICIAL Y SU IMPACTO EN LOS NEGOCIOS n1.9.1 La convergencia tecnológica n1.9.2 Los modelos de automatización industrial y de negocio n1.10 RESUMEN n1.11 PREGUNTAS DE REVISIÓN DEL CAPÍTULO nCAPÍTULO 2. HERRAMIENTAS DE DESARROLLO DE IA n2.1 HERRAMIENTAS DE HARDWARE DE IA n2.2 HERRAMIENTAS DE SOFTWARE DE IA n2.3 INTRODUCCIÓN A PYTHON n2.4 ENTORNOS DE DESARROLLO DE PYTHONA n2.5 COMENZANDO CON PYTHON n2.6 CONJUNTOS DE DATOS DE IA n2.7 FRAMEWORKS DE IA CON PYTHON n2.8 RESUMEN n2.9 PREGUNTAS DE REVISIÓN DEL CAPÍTULO nCAPÍTULO 3. APRENDIZAJE AUTOMÁTICO (MACHINE LEARNING) n3.1 INTRODUCCIÓN n3.2 APRENDIZAJE SUPERVISADO: CLASIFICACIONES n3.3 APRENDIZAJE SUPERVISADO: REGRESIONES n3.4 APRENDIZAJE NO SUPERVISADO n3.5 APRENDIZAJE SEMISUPERVISADO n3.6 APRENDIZAJE POR REFUERZO n3.7 APRENDIZAJE EN CONJUNTO n3.8 AUTOMl n3.9 PYCARET n3.10 LAZYPREDICT n3.11 RESUMEN n3.12 PREGUNTAS DE REVISIÓN DEL CAPÍTULO nCAPÍTULO 4. APRENDIZAJE PROFUNDO n4.1 INTRODUCCIÓN. n4.2 REDES NEURONALES ARTIFICIALES n4.3 REDES NEURONALES CONVOLUCIONALES n4.4 REDES NEURONALES RECURRENTES n4.5 TRANSFORMERS n4.5.1 Bibliotecas para el procesamiento de lenguaje natural BERT y ALBERT n4.6 REDES NEURONALES GRÁFICAS n4.7 REDES NEURONALES BAYESIANAS n4.8 META APRENDIZAJE n4.9 RESUMEN n4.10 PREGUNTAS DE REVISIÓN DEL CAPÍTULO nCAPÍTULO 5. CLASIFICACIÓN DE IMÁGENES n5.1 INTRODUCCIÓN. n5.2 CLASIFICACIÓN DE IMÁGENES CON MODELOS n5.3 CLASIFICACIÓN CON MODELOS ENTRENADOS nPERSONALIZADOS: APRENDIZAJE POR TRANSFERENCIA n5.4 DETECCIÓN DE ENFERMEDADES A TRAVÉS DE IMÁGENES n5.5 CLASIFICACIÓN DE IMÁGENES CON BASE EN WEB n5.6 PROCESAMIENTO DE IMÁGENES n5.7 RESUMEN n5.8 PREGUNTAS DE REVISIÓN DEL CAPÍTULO nCAPÍTULO 6. DETECCIÓN DE ROSTROS Y RECONOCIMIENTO FACIAL n6.1 INTRODUCCIÓN. n6.2 DETECCIÓN DE ROSTROS Y PUNTOS DE REFERENCIA FACIALES n6.3 RECONOCIMIENTO DE ROSTROS n6.4 DETECCIÓN DE EDAD, GENERO Y EMOCIONES n6.7 PREGUNTAS DE REVISIÓN DEL CAPÍTULO nCAPÍTULO 7. PROCESAMIENTO DE LENGUAJE NATURAL n7.1 INTRODUCCIÓN n7.2 RESUMEN DE TEXTO n7.4. resumen de un artículo contenido en una página Web de Wikipedia usando la biblioteca Gensim. n7.3 USO DE LA BIBLIOTECA TEXTBLOB PARA ANÁLISIS DE TEXTOS Y DE SENTIMIENTOS n7.3.1 Explicación del ejemplo 7.5: uso de la biblioteca TextBlob para análisis de textos y de sentimientos n7.4 ANÁLISIS DE SENTIMIENTO DE TEXTO n7.4.1 Explicación del ejemplo 7.6: análisis de sentimiento de texto con la biblioteca NLTK n7.5 CONVERSIÓN DE TEXTO A VOZ n7.6 CONVERSIÓN DE VOZ A TEXTO n7.6.1 Explicación del ejemplo 7.9: conversión de voz a texto usando un archivo de audio wav y con la biblioteca SpeechRecognition n7.7 TRADUCCIÓN AUTOMÁTICA n7.8 CÓDIGO QR n7.8.1 Explicación del ejemplo n7.9 ARCHIVOS PDF Y DOCX nmediante la biblioteca pdf2docx n7.10 CHATBOTS Y RESPUESTA A PREGUNTAS n7.11 RESUMEN DEL CAPÍTULO n7.12 PREGUNTAS DE REVISIÓN DEL CAPÍTULO nCAPÍTULO 8. ANÁLISIS DE DATOS n8.1 INTRODUCCIÓN n8.2 REGRESIÓN n8.3 ANÁLISIS DE SERIES TEMPORALES nde memoria a corto plazo (LSTM) en Python n8.3.3 Análisis de tendencia estacional n8.4 VISUALIZACIÓN Y ANÁLISIS DE DATOS DE COVID n8.5 KERASCLASSIFIER Y KERASREGRESSO n8.5.1 Clasificador de Keras n8.5.2 KerasRegresor n8.6 BASES DE DATOS SQL Y NOSQl n8.7 RESUMEN n8.8 PREGUNTAS DE REVISIÓN DEL CAPÍTULO n n