Recursos Gratis

Vídeos de "Descubriendo la Inteligencia Artificial"

Mi canal de YouTube , con cientos de videos explicando algoritmos de inteligencia artificial, machine learning y deep learning.

Aquí te dejo una lista completa con todas las lista de reproducción que agrupan los vídeos por temáticas, para que te sea más fácil localizar los vídeos que te interesan:

Vídeos Básicos

Introducción a la Inteligencia Artificial
Vídeos introductorios con los conceptos básicos que se necesitan conocer para comenzar a desarrollar y programar aplicaciones de inteligencia artificial.
  • Mapa de la inteligencia artificial.
  • Los diferentes enfoques.
  • Lenguajes de programación.
  • Razonamiento y aprendizaje.
  • Agentes inteligentes.
  • Complejidad y tratabilidad.

Búsqueda en Grafos

Todos los de Búsqueda en Grafos
Lista completa con todos los vídeos sobre el enfoque de búsqueda en grafos para el desarrollo y programación de aplicaciones en inteligencia artificial.
Búsqueda No Informada en Grafos
Lista de vídeos con los algoritmos más simples de búsqueda en grafos, es decir, aquellos en los que no tenemos más información que la propia definición del problema y tan sólo podremos realizar una búsqueda exhaustiva en el espacio de estados.
  • Teoría de grafos.
  • Agentes resolventes de problemas.
  • Búsqueda de soluciones en grafos.
  • Búsqueda primero en anchura.
  • Búsqueda de coste uniforme.
  • Búsqueda primero en profundidad.
  • Búsqueda en profundidad limitada.
  • Búsqueda en profundidad iterativa.
  • Búsqueda bidireccional.
Búsqueda Informada en Grafos (Heurísticas)
Lista de vídeos con los algoritmos de búsqueda en grafos con heurísticas, es decir, aquellos en los que tenemos más información aparte de la propia definición del problema y que permite dirigir mejor la búsqueda hacia los estados más prometedores.
  • Funciones heurísticas.
  • Búsqueda voraz.
  • Búsqueda A☆.
  • Búsqueda AO☆.
  • Búsqueda IDA☆.
  • Búsqueda recursiva primero el mejor.
  • Búsqueda SMA☆ y A☆-MS.
Búsqueda Local
Lista de vídeos con los algoritmos de búsqueda local en grafos, es decir, la búsqueda en la que no importa el camino sino sólo el estado. De esta forma se puede tener un único estado que se va modificando hacia estados más prometedores.
  • Ascenso de colinas.
  • Temple simulado.
  • Búsqueda por haz local.
  • Algoritmos genéticos.
  • Búsqueda en espacios continuos.
Incertidumbre
Lista de vídeos con los algoritmos de búsqueda en grafos que tratan con el no determinismo, los entornos parcialmente observables o las búsquedas en línea.
  • Ambientes complejos y no determinismo.
  • Entornos parcialmente observables.
  • Búsqueda en línea.
Problemas de Satisfacción de Restricciones
Lista de vídeos con los algoritmos encargados de realizar búsquedas a la vez que tratan con restricciones que deben cumplirse entre valores de las variables para las que se está buscando unos valores compatibles.
Juegos
Lista de vídeos con los algoritmos de juegos, es decir, algoritmos de búsqueda en grafos cuando tenemos dos o más adversarios.
  • Teoría de juegos.
  • Minimax.
  • Poda alfa-beta.
  • Heurísticas en juegos.
  • Entornos complejos en juegos.
Procesos de Decisión de Markov (MDP)
Vídeos sobre el uso de los grafos para realizar toma de decisiones en el desarrollo y programación de aplicaciones en inteligencia artificial. Son también la base para el aprendizaje por refuerzo.
  • Teoría de la utilidad.
  • Teoría de la información.
  • Procesos de desición de Markov (MDP).
  • POMDP.
Aprendizaje Por Refuerzo
Ampliación de los Procesos de Decisión de Markov (MDP) para poder realizar aprendizaje con grafos, en este caso aprendizaje por refuerzo, aplicando las ecuaciones de Bellman.
  • Ecuaciones de Bellman.
  • Aprendizaje pasivo.
  • Aprendizaje activo (Q-Learning).
  • Aprendizaje activo aproximado.

Lógica y Sistemas Expertos

Todos los de Lógica y Sistemas Expertos
Lista completa de todos los vídeos sobre el enfoque de lógica, métodos simbólicos y sistemas expertos para el desarrollo y programación de aplicaciones en inteligencia artificial.
Lógica de Proposiciones
Vídeos sobre la lógica más sencilla que existe y cómo se puede usar en el desarrollo y programación de aplicaciones en inteligencia artificial.
  • Introducción
  • Léxico, sintasis y semántica.
  • Inferencia con tablas de verdad.
  • Inferencia con deducción.
  • Inferencia con resolución.
  • Inferencia con encadenamientos (hacia delante y hacia atrás).
  • Inferencia con DPLL y WalkSAT.
  • Agentes lógicos básicos.
Lógica de Primer Orden
Vídeos sobre la lógica de predicados (primer orden) y cómo se puede usar en el desarrollo y programación de aplicaciones en inteligencia artificial.
  • Introducción
  • Léxico, sintasis y semántica.
  • Inferencia con deducción.
  • Inferencia con resolución.
  • Inferencia con encadenamientos (hacia delante y hacia atrás).
  • Agentes lógicos.
  • Otras lógicas.
Lógica Borrosa/Difusa
Vídeos sobre la lógica borrosa/difusa y cómo se puede usar en el desarrollo y programación de aplicaciones en inteligencia artificial cuando hay que tratar con incertidumbre.
Planificación
Vídeos sobre cómo se puede usar la lógica para llevar a cabo planes en el desarrollo y programación de aplicaciones en inteligencia artificial.
  • PDDL.
  • Planificación clásica.
  • GraphPlan.
  • Tiempos, horarios y recursos.
  • Planificación jerárquica.
  • Entornos complejos.
  • Representación del conocimiento.
Sistemas Expertos
Vídeos sobre los sistemas expertos basados en lógica y cómo se han usado en el desarrollo y programación de aplicaciones en inteligencia artificial a lo largo de la historia.
Aprendizaje Simbólico
Vídeos sobre aprendizaje usando técnicas simbólicas y de lógica, tanto de proposiciones como de primer orden.
  • Espacio de versiones.
  • Metodología Estrella Aq.
  • FOIL.

Probabilidad y Redes Bayesianas

Todos los de Probabilidad y Redes Bayesianas
Lista completa de todos los vídeos sobre el enfoque tratamiento de la incertidumbre mediante la probabilidad y las redes bayesianas para el desarrollo y programación de aplicaciones en inteligencia artificial.
Bases Matemáticas: Probabilidad y Estadística
Lista de vídeos con los conocimientos matemáticos sobre probabilidad y estadística que van a ser necesarios para entender las redes bayesianas, los modelos ocultos de Markov (HMM) y el machine learning.
  • Incertidumbre.
  • Probabilidad condicional.
  • Teorema de Bayes.
  • Independencia condicional.
  • Estadística.
Redes Bayesianas
Vídeos sobre redes bayesianas, que usan la probabilidad para tratar la incertidumbre dentro de la inteligencia artificial. También serán la base para los Modelos Ocultos de Markov (HMM) y el machine learning.
  • Razonamiento probabilístico.
  • Inferencia probabilística.
  • Representación y semántica.
  • D-Separación.
  • Manto de Markov.
  • Representación y valores continuos.
  • Inferencia por enumeración.
  • Inferencia por eliminación de variables.
  • Inferencia por muestreo directo.
  • Inferencia por ponderación de verosimilitud.
  • Inferencia por muestreo de Gibbs.
Modelos Ocultos de Markov (HMM)
Vídeos sobre el uso de las redes bayesianas, en concreto un tipo muy útil de red bayesiana llamada Modelo Oculto de Markov, para el desarrollo y programación de aplicaciones en inteligencia artificial.
Aprendizaje Probabilístico
Vídeos sobre aprendizaje automático (machine learning) a partir de las redes bayesianas, la probabilidad y la estadística.
  • Naïve Bayes.
  • Árboles de decisión ID3.
  • Expectación-Maximización.

Machine Learning

Todos los de Machine Learning
Lista con todos los vídeos sobre inteligencia artificial que tienen que ver con el aprendizaje automático (machine learning), en cualquiera de sus enfoques (lógico-simbólico, probabilidad-estadística, búsqueda en grafos, etc.).
Regresión
Vídeos sobre regresión lineal (rectas), regresión polínómicas (curvas) y regresión logística (clasificación), que son las bases de las redes neuronales. Se verán, paso a paso, las bases matemáticas en las que se basan, cómo tratar los datos de entrada y salida mediante matrices, explicaciones detalladas con ejemplos sobre la función coste/pérdida y el descenso de gradiente, y la vectorización de los datos en matrices para simplificar su implementación.
  • Bases matemáticas.
  • Regresión lineal.
  • Regresión polinómica.
  • Regresión logística.
  • Regularización.
  • Métricas.
  • Máquinas vectores soporte (SVM).
  • Detección de anomalías.
  • Recomendaciones.
  • Procesado por lotes (batch).
Redes Neuronales
Todos los vídeos necesarios para entender al completo las redes neuronales. Desde los algoritmos de regresión en los que se basan hasta las complejas redes de deep learning.
  • Perceptrón.
  • Perceptrón multicapa.
  • Retropropagación del error.
  • Optimización.