Introducción a la Inteligencia Artificial: Qué es la IA, su historia, sus aplicaciones y sus tipos (IA débil, IA fuerte).
Conceptos matemáticos y estadísticos esenciales: Álgebra lineal, cálculo y probabilidad.
Aprendizaje supervisado: Modelos de regresión y clasificación (árboles de decisión, máquinas de soporte vectorial o SVM).
Aprendizaje no supervisado: Algoritmos de clustering (K-Means).
Evaluación de modelos: Métricas de rendimiento como exactitud (accuracy), precisión y recuperación (recall).
Fundamentos de las Redes Neuronales: Neuronas artificiales, capas y funciones de activación.
Redes Neuronales Convolucionales (CNN): Aplicaciones en visión por computadora.
Redes Neuronales Recurrentes (RNN): Aplicaciones en procesamiento de lenguaje natural.
Procesamiento de Lenguaje Natural (PLN): Modelos de lenguaje y chatbots.
Visión por Computadora: Detección de objetos y reconocimiento facial.
Ética y sesgo en la IA: Impacto social y consideraciones éticas.
Este pensum cubre los conceptos clave de la IA de manera progresiva, desde sus fundamentos teóricos hasta sus aplicaciones prácticas más relevantes.