1. Nociones y antecedentes

Se exploran los orígenes de la inteligencia artificial, desde la lógica matemática hasta los primeros sistemas expertos. Se contextualiza la IA como disciplina dentro de la informática y se analizan sus hitos históricos y evolución.

2. Características de la IA

Se identifican los rasgos que definen a los sistemas inteligentes: autonomía, capacidad de aprendizaje, adaptación al entorno, procesamiento de datos y toma de decisiones. Se diferencian los tipos de IA (débil, fuerte, simbólica, conexionista).

3. Símbolos y métodos numéricos

Se introducen los lenguajes simbólicos utilizados en IA (como lógica proposicional) y los métodos numéricos básicos para representar información, calcular probabilidades o realizar inferencias.

4. Fórmulas y funciones

Se estudian las funciones matemáticas que permiten modelar el comportamiento de sistemas inteligentes, como funciones de coste, activación, evaluación o predicción. Se aplican en contextos de clasificación, regresión y optimización.

5. Algoritmos

Se analizan los algoritmos como secuencias lógicas de instrucciones que permiten resolver problemas. Se abordan algoritmos clásicos (búsqueda, ordenación, recursión) y su papel en la IA, incluyendo pseudocódigo y estructuras de control.

6. Algoritmos y aplicaciones de negocio (caso geolocalización)

Se estudia cómo los algoritmos se aplican en entornos reales, como el marketing, la logística o la atención al cliente. El caso de geolocalización muestra cómo se usan datos de ubicación para optimizar rutas, segmentar usuarios o personalizar servicios.

7. Sistemas basados en conocimiento

Se presentan los sistemas que utilizan bases de conocimiento estructuradas para razonar y resolver problemas. Incluyen reglas, hechos y relaciones que permiten simular el pensamiento humano en tareas específicas.

8. Motores de inferencia

Se explica el funcionamiento de los motores que procesan reglas y hechos para generar conclusiones. Se estudian los tipos de inferencia (hacia adelante, hacia atrás) y su aplicación en sistemas expertos y diagnósticos automatizados.

9. Patrones

Se analiza el concepto de patrón como estructura repetitiva en datos. Se estudia cómo la IA detecta patrones para clasificar, predecir o tomar decisiones, con ejemplos en visión artificial, reconocimiento de voz y análisis de comportamiento.

10. Reglas y restricciones

Se abordan las reglas como elementos que guían el comportamiento de los sistemas inteligentes, y las restricciones como límites que deben respetarse en la toma de decisiones. Se aplican en planificación, resolución de problemas y ética de la IA.