Curso de Inteligencia Artificial para Ingeniería

En este primer módulo introductorio se dedicará a presentar al alumno el alcance del curso, sus contenidos detallados, los proyectos a realizar y la metodología de trabajo. 

Este segundo módulo contextualiza presenta qué se entiende por inteligencia artificial, por aprendizaje automático y por aprendizaje profundo, y señala qué modos de aprendizaje existen, lista de ejemplos concretos de tipos de problemas que enfrentan y que tipos de algoritmos son los más óptimos para articular su solución.

En la parte práctica, el alumno aprenderá trabajar con la librería PyTorch para la construcción de modelos de aprendizaje y su entrenamiento, y enseñará al alumno a trabajar en Google Colab como vía de acceso a entrenamientos con GPU.

Al finalizar este módulo, el alumno tendrá capacidad para construir, entrenar y utilizar su propia red neuronal con la que resolver problemas de predicción y de clasificación. En concreto, el alumno aprenderá a diseñar en PyTorch redes neuronales totalmente conectadas, a definir la función de pérdida y el algoritmo de optimización utilizado durante el entrenamiento, a ejecutar el entrenamiento, a mejorar los tiempos en los que se realiza este o evitar problemas asociados como es el llamado “overfitting”. El módulo terminará con la realización por parte del alumno de un primer proyecto práctico de predicción en un ámbito industrial.

En este módulo, el alumno aprenderá a utilizar imágenes como datos de entrada de una red neuronal, lo cual supone un salto cuantitativo en la capacidad de este para aplicar el aprendizaje profundo a un mayor conjunto de problemas reales de la industria. Tras presentar al alumno el cómo trabajar con capas convolucionales que manejan y procesan imágenes,  conocerá como sacar provecho de redes avanzadas ya entrenadas previamente para la adaptarlas y aplicarlas a la resolución de problemas concretos de ingeniería haciendo uso de la técnica llamada “transfer learning.

Todo ello se pondrá en práctica a través de un segundo proyecto en el que se resolverá un problema de clasificación de imágenes de interés para la industria.

Finalmente, el módulo realizará una introducción a los algoritmos de detección y segmentación de contenidos en imágenes que se pondrán en práctica en el tercer y último proyecto práctico del curso.