modalidad: Online
Experto en Java: especialidad Inteligencia Artificial
precio: 0 € *
* hasta 100 % bonificable para trabajadores.
200 horas
horas teleformación:
100 horas
duración total:
descripción
La inteligencia artificial consiste en un programa de computación diseñado para realizar determinadas operaciones que se consideran propias de la inteligencia humana, como el autoaprendizaje. Con el curso de Java: especialidad Inteligencia Artificial aprenderás las principales técnicas de Inteligencia Artificial y, para cada una de ellas, su inspiración, biológica, física o incluso matemática, así como los distintos conceptos y principios adaptables a numerosas aplicaciones Java.
a quién va dirigido
Todos aquellos trabajadores y profesionales en activo que deseen adquirir o perfeccionar sus conocimientos técnicos en este área.
objetivos
- Conocer los conceptos de Inteligencia, Inteligencia Artificial y sus dominios de aplicación. - Aprender los sistemas expertos, la lógica difusa y los Sistemas multiagentes
- Llevar a cabo la Búsqueda de rutas.
- Aprender Algoritmos genéticos y Metaheurísticos de optimización. - Identificar las Redes neuronales.
para qué te prepara
El curso de Java: especialidad Inteligencia Artificial te prepara para poder ser un experto desarrollador en la Inteligencia Artificial.
salidas laborales
titulación
forma de bonificación
- Mediante descuento directo en el TC1, a cargo de los seguros sociales que la empresa paga cada mes a la Seguridad Social.
Una vez finalizado el curso, el alumno recibirá por parte de INESEM vía correo postal, la Titulación Oficial que acredita el haber superado con éxito todas las pruebas de conocimientos propuestas en el mismo.
Esta titulación incluirá el nombre del curso/máster, la duración del mismo, el nombre y DNI del alumno, el nivel de aprovechamiento que acredita que el alumno superó las pruebas propuestas, las firmas del profesor y Director del centro, y los sellos de la instituciones que avalan la formación recibida (Instituto Europeo de Estudios Empresariales).
metodología
El alumno comienza su andadura en INESEM a través del Campus Virtual. Con nuestra metodología de aprendizaje online, el alumno debe avanzar a lo largo de las unidades didácticas del itinerario
formativo, así como realizar las actividades y autoevaluaciones correspondientes. Al final del itinerario, el alumno se encontrará con el examen final, debiendo contestar correctamente un mínimo del 75% de las cuestiones planteadas para poder obtener el título.
Nuestro equipo docente y un tutor especializado harán un seguimiento exhaustivo, evaluando todos los progresos del alumno así como estableciendo una línea abierta para la resolución de consultas.
El alumno dispone de un espacio donde gestionar todos sus trámites administrativos, la Secretaría Virtual, y de un lugar de encuentro, Comunidad INESEM, donde fomentar su proceso de aprendizaje que enriquecerá su desarrollo profesional.
materiales didácticos
profesorado y servicio de tutorías
Nuestro equipo docente estará a su disposición para resolver cualquier consulta o ampliación de contenido que pueda necesitar relacionado con el curso. Podrá ponerse en contacto con nosotros a través de la propia plataforma o Chat, Email o Teléfono, en el horario que aparece en un documento denominado “Guía del Alumno” entregado junto al resto de materiales de estudio.
Contamos con una extensa plantilla de profesores especializados en las distintas áreas formativas, con una amplia experiencia en el ámbito docente.
El alumno podrá contactar con los profesores y formular todo tipo de dudas y consultas, así como solicitar información complementaria, fuentes bibliográficas y asesoramiento profesional.
Podrá hacerlo de las siguientes formas:
- Por e-mail: El alumno podrá enviar sus dudas y consultas a cualquier hora y obtendrá respuesta en un plazo máximo de 48 horas.
- Por teléfono: Existe un horario para las tutorías telefónicas, dentro del cual el alumno podrá hablar directamente con su tutor.
- A través del Campus Virtual: El alumno/a puede contactar y enviar sus consultas a través del mismo, pudiendo tener acceso a Secretaría, agilizando cualquier proceso administrativo así como
plazo de finalización
El alumno cuenta con un período máximo de tiempo para la finalización del curso, que dependerá de la misma duración del curso. Existe por tanto un calendario formativo con una fecha de inicio y una fecha de fin.
especialmente dirigido a los alumnos matriculados en cursos de modalidad online, el campus virtual de inesem ofrece contenidos multimedia de alta calidad y ejercicios interactivos.
campus virtual online
servicio gratuito que permitirá al alumno formar parte de una extensa comunidad virtual que ya disfruta de múltiples ventajas: becas, descuentos y promociones en formación, viajes al extranjero para
aprender idiomas...
comunidad
el alumno podrá descargar artículos sobre e-learning, publicaciones sobre formación a distancia, artículos de opinión, noticias sobre convocatorias de oposiciones, concursos públicos de la administración, ferias sobre formación, etc.
revista digital
Este sistema comunica al alumno directamente con nuestros asistentes, agilizando todo el proceso de matriculación, envío de documentación y solución de cualquier incidencia.
Además, a través de nuestro gestor documental, el alumno puede disponer de todos
sus documentos, controlar las fechas de envío, finalización de sus acciones formativas y todo lo relacionado con la parte administrativa de sus cursos, teniendo la posibilidad de realizar un seguimiento personal de todos sus trámites con INESEM
programa formativo
UNIDAD DIDÁCTICA 1. INTRODUCCIÓN
1.Presentación del capítulo 2.Definir la inteligencia
3.La inteligencia de los seres vivos 4.La inteligencia artificial
5.Dominios de aplicación 6.Resumen
UNIDAD DIDÁCTICA 2. SISTEMAS EXPERTOS
1.Presentación del capítulo
2.Ejemplo: un sistema experto en polígonos 1.- Triángulos
2.- Cuadriláteros 3.- Otros polígonos
3.Contenido de un sistema experto 1.- Base de reglas 2.- Base de hechos 3.- Motor de inferencia 4.- Interfaz de usuario 4.Tipos de inferencia 1.- Razonamiento deductivo 2.- Razonamiento inductivo 3.- Razonamiento mixto
5.Etapas de construcción de un sistema 1.- Extracción del conocimiento 2.- Creación del motor de inferencia 3.- Escritura de las reglas
4.- Creación de la interfaz de usuario 6.Rendimiento y mejoras
1.- Criterios de rendimiento
2.- Mejorar el rendimiento mediante la escritura de reglas 3.- Importancia de la representación del problema
7.Agregar incertidumbre y probabilidades 1.- Incorporar incertidumbre 2.- Hechos inciertos 3.- Reglas inciertas 8.Dominios de aplicación 1.- Ayuda al diagnóstico 2.- Evaluación de riesgos
7.- Escritura de reglas y uso 10.Uso de Prolog
1.- Presentación del lenguaje 2.- Sintaxis del lenguaje
3.- Codificación del problema de las formas geométricas 4.- Codificación del problema de las ocho reinas
11.Resumen
UNIDAD DIDÁCTICA 3. LÓGICA DIFUSA
1.Presentación del capítulo 2.Incertidumbre e imprecisión 1.- Incertidumbre y probabilidad 2.- Imprecisión y subjetividad
3.- Necesidad de tratar la imprecisión 3.Conjuntos difusos y grados de pertenencia 1.- Lógica booleana y lógica difusa 2.- Funciones de pertenencia
3.- Características de una función de pertenencia 4.- Valores y variables lingüísticas
4.Operadores sobre los conjuntos difusos 1.- Operadores booleanos
2.- Operadores difusos 5.Creación de reglas
1.- Reglas en lógica booleana 2.- Reglas difusas
6.Fuzzificación y defuzzificación 1.- Valor de verdad
2.- Fuzzificación y aplicación de las reglas 3.- Defuzzificación
7.Dominios de aplicación 1.- Primer uso
2.- En los productos electrónicos 3.- En el mundo del automóvil 4.- Otros dominios
8.Implementación de un motor de lógica difusa 1.- El núcleo del código: los conjuntos difusos 2.- Conjuntos difusos particulares
3.- Variables y valores lingüísticos 4.- Reglas difusas
5.- Sistema de control difuso 6.- Resumen del código creado 9.Implementación de un caso práctico 10.Resumen
UNIDAD DIDÁCTICA 4. BÚSQUEDA DE RUTAS
1.Presentación del capítulo 2.Rutas y grafos
4.Algoritmos exhaustivos de búsqueda de rutas 1.- Búsqueda en profundidad 2.- Búsqueda en anchura 3.- Aplicación al mapa 5.Algoritmos "inteligentes" 1.- Algoritmo de Bellman-Ford 2.- Algoritmo de Dijkstra 3.- Algoritmo A* 6.Dominios de aplicación 7.Implementación
1.- Nodos, arcos y grafos 2.- Fin del programa genérico
3.- Implementación de los diferentes algoritmos 4.- Aplicación al mapa
5.- Comparación del rendimiento 8.Resumen
UNIDAD DIDÁCTICA 5. ALGORITMOS GENÉTICOS
1.Presentación del capítulo 2.Evolución biológica
1.- El concepto de evolución 2.- Las causas de las mutaciones
3.- El soporte de esta información: los factores 4.- De los factores al código genético
5.- El "ciclo de la vida" 3.Evolución artificial 1.- Principios
2.- Visión general del ciclo 3.- Convergencia
4.Ejemplo del grifo
1.- Presentación del problema 2.- Inicialización del algoritmo 3.- Evaluación de los individuos 4.- Reproducción con mutaciones 5.- Supervivencia
6.- Resto del proceso 5.Elección de la representación 1.- Población e individuos 2.- Genes
3.- Caso de un algoritmo de resolución de laberinto 6.Evaluación, selección y supervivencia
3.- Uso para la resolución de un laberinto 11.Resumen
UNIDAD DIDÁCTICA 6. METAHEURÍSTICOS DE OPTIMIZACIÓN
1.Presentación del capítulo 2.Optimización y mínimos 1.- Ejemplos
2.- El problema de la mochila 3.- Formulación de los problemas 4.- Resolución matemática 5.- Búsqueda exhaustiva 6.- Metaheurísticos 3.Algoritmos voraces 4.Descenso por gradiente 5.Búsqueda tabú
6.Recocido simulado
7.Optimización por enjambre de partículas 8.Metaoptimización
9.Dominios de aplicación 10.Implementación 1.- Clases genéricas
2.- Implementación de los distintos algoritmos 3.- Resolución del problema de la mochila 4.- Resultados obtenidos
11.Resumen
UNIDAD DIDÁCTICA 7. SISTEMAS MULTIAGENTES
1.Presentación del capítulo 2.Origen biológico
1.- Las abejas y la danza
2.- Las termitas y la ingeniería civil
3.- Las hormigas y la optimización de caminos 4.- Inteligencia social
3.Sistemas multiagentes 1.- El entorno
2.- Los objetos 3.- Los agentes
4.Clasificación de los agentes 1.- Percepción del mundo 2.- Toma de decisiones
3.- Cooperación y comunicación 4.- Capacidad del agente 5.Principales algoritmos 1.- Algoritmos de manadas
2.- Optimización por colonia de hormigas 3.- Sistemas inmunitarios artificiales 4.- Autómatas celulares
7.Implementación
1.- Banco de peces 2D 2.- Recogida selectiva 3.- El juego de la vida 8.Resumen
UNIDAD DIDÁCTICA 8. REDES NEURONALES
1.Presentación del capítulo 2.Origen biológico
3.La neurona formal
1.- Funcionamiento general 2.- Funciones de agregación 3.- Funciones de activación 4.- Pesos y aprendizaje 4.Perceptrón 1.- Estructura 2.- Condición de linealidad 5.Redes feed-forward 6.Aprendizaje 1.- Aprendizaje no supervisado 2.- Aprendizaje por refuerzo 3.- Aprendizaje supervisado
4.- Sobreaprendizaje y generalización 7.Otras redes
1.- Redes neuronales recurrentes 2.- Mapas de Kohonen 3.- Redes de Hopfield 8.Dominios de aplicación 1.- Reconocimiento de patrones 2.- Estimación de funciones 3.- Creación de componentes 9.Implementación de un MLP 1.- Puntos y conjuntos de puntos 2.- Neurona 3.- Red neuronal 4.- IHM 5.- Sistema completo 6.- Programa principal 7.- Aplicaciones 8.- Resumen
