Este libro sobre la popularización de la inteligencia artificial tiene como objetivo hacer que este complejo campo sea accesible a una amplia audiencia, desde los principiantes hasta los informáticos más experimentados. Ofrece un recorrido pedagógico completo que desglosa la IA utilizando términos sencillos, al tiempo que ofrece una exploración completa, desde sus aspectos más básicos hasta sus aplicaciones avanzadas. Sin que sea necesario disponer de conocimientos previos de informática, prepara al lector para aprovechar las oportunidades de aprendizaje y poder afrontar los desafíos de este campo en constante evolución.  

El libro comienza presentando los fundamentos de la IA, explicando conceptos clave y mostrando por qué es tan importante hoy en día. Explora las numerosas aplicaciones de la IA en campos como la medicina, las finanzas y el transporte.  

También se acompaña al lector a través de las etapas de la creación de una IA, estudiando el proceso de recopilación de datos, formación de modelos e despliegue. Se presentan de manera accesible las herramientas y técnicas esenciales para desarrollar una IA eficiente.  

Se aborda la programación en Python, un lenguaje esencial en IA, orientada para principiantes. Se propone un caso práctico de machine learning para ilustrar de manera concreta cómo funciona la IA. Explorará casos de uso en torno a la inteligencia artificial generativa como DALL·E, capaz de generar imágenes a partir de descripciones textuales y ChatGPT, una potente IA generativa que ahora es bien conocida por todos.  

También se cubre el aspecto profesional de la IA, destacando las interesantes oportunidades profesionales relacionadas con este campo. También se dedica una sección a desmitificar las matemáticas relacionadas con la IA, para hacer estos conceptos más accesibles a través de un enfoque no científico.  

Se exploran la IA y su papel en la Web 3.0, así como su impacto en la Industria 4.0, al igual que las cuestiones éticas relacionadas con la IA para una reflexión en profundidad sobre este aspecto crucial.

Prólogo

1. El deseo de popularizar la inteligencia artificial
2. Unas palabras sobre el autor
3. ¿A quién va dirigido este libro?
4. La estructura del libro
5. Agradecimientos

Fundamentos de la inteligencia artificial

1. Lo que vamos a descubrir
2. Historia de la inteligencia artificial
3. La inteligencia artificial generativa
4. Clasificación de la inteligencia artificial
   1. 1. La inteligencia artificial débil
   2. 2. La inteligencia artificial fuerte
   3. 3. La inteligencia artificial simbólica
   4. 4. La inteligencia artificial conexionista
5. Modelos de inteligencia artificial: machine learning
   1. 1. Aprendizaje automático aprendizaje automático
   2. 2. Aprendizaje supervisado (Supervised Learning)
   3. 3. Aprendizaje no supervisado (Unsupervised Learning)
   4. 4. Aprendizaje por refuerzo (Reinforcement Learning)
   5. 5. Detección de anomalías
   6. 6. Representación de los datos
   7. 7. Algoritmos de clustering
      1. a. Definición de un clúster
      2. b. Clustering: algoritmos K-Means
      3. c. Clustering: Means Shift
      4. d. Clustering: K-Medoides
   8. 8. Técnicas de clustering
      1. a. Técnicas: clustering jerárquico
      2. b. Técnicas: clustering por "autoorganización
      3. c. Casos prácticos de clustering
   9. 9. Reducir la dimensionalidad
6. Los principales algoritmos supervisados (para la predicción de valores)
   1. 1. Algoritmo de regresión: Árbol dedecisión (Decision Tree)
   2. 2. Algoritmo de regresión: Regresiónlogística (Logistic Regression)
   3. 3. Algoritmo de regresión: regresiónlineal univariante
   4. 4. Algoritmo de clasificación: máquinade vectores de soporte (SVM)
   5. 5. Algoritmo de clasificación: Naive Bayes
   6. 6. Algoritmo de clasificación: k-NN
7. Redes neuronales (Neural NetWorks)
8. Procesamiento del lenguaje natural NLP
   1. 1. Comprensión del lenguaje natural (NLU)
   2. 2. Generación de lenguaje natural (NLG)
   3. 3. Procesamiento del lenguaje natural
9. El deep learning: aprendizaje profundo
   1. 1. Historia del deep learning
   2. 2. Deep learning
   3. 3. Aplicaciones del deep learning
   4. 4. La batalla: machine learning frente a deep learning
10. Conclusión

Las aplicaciones de la IA

1. Lo que vamos a descubrir
2. Reconocimiento de voz y traducción automática
   1. 1. Reconocimiento de voz
      1. a. VALL-E: inteligencia artificial que imita su voz
      2. b. Hokkien: AI según Meta
   2. 2. Traducción automática
3. Coches autónomos
4. Chatbots
5. Sistemas de recomendación
   1. 1. Popularidad del contenido
   2. 2. Filtrado por contenidos
   3. 3. Filtrado colaborativo
   4. 4. Los múltiples desafíos de los sistemasde recomendación
6. El ejemplo del "RPA" y la evolución hacia sistemas cognitivos
7. AI para la sanidad
8. Visión por ordenador
9. Conclusión

Las etapas de la creación de una IA

1. Lo que vamos a descubrir
2. Entender el objetivo
3. Recogida y preparación de datos
4. Selección del algoritmo
5. División de datos
6. Entrenamiento del modelo
7. Puesta en marcha y mejora continua
8. Conclusión

Técnicas y herramientas para crear una IA

1. Introducción
2. Lenguajes de programación para la inteligencia artificial
   1. 1. Python
   2. 2. R
   3. 3. Java
   4. 4. C++
   5. 5. Lisp
3. Frameworks para la inteligencia artificial
   1. 1. TensorFlow
   2. 2. PyTorch
   3. 3. Keras
   4. 4. Caffe
   5. 5. Scikit-learn
   6. 6. Theano
   7. 7. Apache MXNet
   8. 8. Microsoft Cognitive Services
4. Herramientas de gestión y visualización de datos
   1. 1. Jupyter Notebook
   2. 2. Pandas
   3. 3. NumPy
   4. 4. Matplotlib
5. Plataformas Cloud para la IA
   1. 1. Google Cloud
   2. 2. Microsoft Azure AI
6. Conclusión

Su primer programa en Python

1. Lo que vamos a descubrir
2. ¿Por qué Python?
3. Instalación de Python
4. Instalación de PyCharm
5. Python como elemento de lenguaje
6. Conceptos básicos de Python
   1. 1. Sintaxis y estructura de Python
   2. 2. Tipos de datos y variables
   3. 3. Operadores y expresiones
   4. 4. Estructuras y flujos de control
   5. 5. Funciones útiles de Python
   6. 6. Uso de listas en Python
   7. 7. Funciones en Python
   8. 8. Entrada y salida de datos
   9. 9. Gestión de errores y excepciones
7. PIP: el administrador de paquetes
8. Su primer programa con Python
9. Creación de un programa sencillo con Python
10. Conclusión

Machine Learning: caso práctico

1. Introducción
2. Diabetes
3. Diabetes: ejercicio aplicado
4. Conclusión

DALL-E: aprovechar la creatividad de la IA

1. Introducción
2. Introducción a DALL-E
3. Costes de DALL-E 3
4. Descubra DALL-E
5. Aprender a hablar con DALL-E
   1. 1. Eliminar y sustituir un elemento con DALL-E
   2. 2. Crea el logotipo de su start-up con DALL-E
6. Cómo funciona DALL-E
   1. 1. ¿Qué es un GAN?
   2. 2. ¿Qué es GPT-3?
7. Acceso a DALL-E desde su programa Python
   1. 1. Etapa 1: Obtener acceso al API
   2. 2. Etapa 2: cree un nuevo proyecto Python en su nuevoIDE favorito, PyTorch
   3. 3. Etapa 3: Instalar virtualenv
8. Uso de DALL-E
9. ¿Cuáles son las prohibiciones de DALL-E 3?
10. Competidores de DALL-E
11. Conclusión

IA Generativa de OpenAI: ChatGPT

1. Introducción
2. Antes de ChatGPT, la historia de GPT
   1. 1. Arquitectura Transformer
   2. 2. El final de la historia de GPT, bueno casi
   3. 3. Relación entre GPT y ChatGPT
   4. 4. Y ahora, la historia de ChatGPT
   5. 5. Cifras clave
   6. 6. ¿Qué es un LLM?
3. Acceso ChatGPT
4. ¿Cómo se utiliza ChatGPT?
5. Crear un prompt "avanzado
6. ChatGPT para traducción
7. ChatGPT para encontrar trabajo
   1. 1. Análisis del puesto
   2. 2. Crear su carta de presentación
   3. 3. Crear un CV
   4. 4. Para ir más lejos en su búsquedade empleo
8. Extensiones ChatGPT
9. Impacto de ChatGPT en el mercado laboral
10. Qué ofrece ChatGPT a los desarrolladores
11. Conclusión

Profesiones relacionadas con la IA

1. Profesiones emergentes en el desarrollo de la inteligencia artificial
2. Profesiones relacionadas con la gestión de datos
   1. 1. Arquitecto de datos de IA
   2. 2. Ingenieros de datos de IA
   3. 3. Analista de datos de IA
3. Profesiones en machine learning y en deep learning
   1. 1. Data Scientist
   2. 2. Ingeniero machine learning
   3. 3. Ingeniero de deep learning
4. Carreras de investigación en inteligencia artificial
   1. 1. Investigador de IA
   2. 2. Especialista en ética de IA
5. Profesiones emergentes
   1. 1. Prompt Engineer
   2. 2. El terapeuta en el Metaverso
   3. 3. El Chatbot Master
   4. 4. PsyDesigner
   5. 5. Ingeniero cobótico: o cómo asistira las personas en su vida cotidiana
6. Conclusión

Demitificación de las matemáticas en la IA

1. Introducción
2. Álgebra lineal y matrices
   1. 1. Vectores: flechas de datos
   2. 2. Matrices: herramientas de transformación
3. Cálculo diferencial y optimización
   1. 1. Cálculo diferencial
   2. 2. Optimización
4. Probabilidad y estadística para comprender los datos
   1. 1. Probabilidades
   2. 2. Estadísticas
5. Conclusión

Inteligencia artificial y Web 3.0

1. Introducción
   1. 1. La IA en la era de la Web 1.0
   2. 2. La transición a la Web 2.0
2. ¿Web 3.0? ¿Ha dicho Web3?
3. IA en blockchain
   1. 1. Uso de IA en NFT
      1. a. IA en las NFT
      2. b. El ejemplo de Bixel
   2. 2. Utilizar la IA para validar transacciones
   3. 3. IA para mejorar la seguridad de Blockchain
   4. 4. Los retos del uso de la IA en blockchain
4. Web 3.0 e IA
   1. 1. El impacto de la IA en la creación de contenidosweb
   2. 2. Las ventajas de la IA para las búsquedasen línea
      1. a. El ejemplo de Bing o cómo combinar un motorde búsqueda y la IA
      2. b. Respuesta de Brave
   3. 3. Aplicaciones de la IA en interfaces de usuario web3
5. IA y Metaverso
   1. 1. Definición de metaverso
   2. 2. Cómo Metaverso puede ayudar a desarrollarla IA: recopilación de datos, pruebas
   3. 3. Tendencias actuales en IA y Metaverso
6. Conclusión

Inteligencia artificial e Industria 4.0

1. ¿Qué es una revolución industrial?
   1. 1. Industria 1.0
   2. 2. Industria 2.0
   3. 3. Industria 3.0
   4. 4. Industria 4.0: la revolución de los datos
2. Tecnologías "básicas
3. Tecnologías llamadas "complementarias”
4. Inteligencia artificial en la Industria 4.0
   1. 1. Reto nº 1: datos
   2. 2. Reto 2: seguridad
   3. 3. Reto nº 3: conocimientos técnicos
   4. 4. Reto nº 4: gestión del cambio
   5. 5. Reto nº 5: costes
5. Los sesgos y prejuicios de la IA en la industria
6. La IA aplicada al calentamiento climático
   1. 1. El fenómeno de las "ciudades inteligentes”
   2. 2. Cambio climático
7. Conclusión

IA, sí, pero una IA ética

1. Introducción a la ética de la IA
2. Sesgos y ética
3. Transparencia de la IA
4. Privacidad y seguridad de los datos
5. Responsabilidad y toma de decisiones
6. Las partes interesadas en la ética de la IA
7. Consecuencias sociales y económicas
8. La IA en la educación
9. Recomendaciones operativas: CLI
10. Formación y sensibilización
11. Conclusión

Conclusión

1. Conclusión