Referencias Bibliográficas: [Russell and Norvig, 2020,Alpaydin, 2020]
Temas
- Al menos una aplicación de IA a un problema y campo específico, como medicina, salud, sostenibilidad, redes sociales, economía, educación, robótica, etc. (elegir al menos uno para el Núcleo CS):
- Formular y evaluar una aplicación específica como un problema de IA:
- Cómo lidiar con problemas mal especificados o mal planteados
- Disponibilidad/escasez y limpieza de datos:
- Limpieza y preprocesamiento básico de datos
- Sesgo del conjunto de datos
- Sesgo algorítmico
- Sesgo de evaluación
- Evaluación de las implicaciones sociales de la aplicación
- Modelos generativos profundos desplegados:
- Visión general de alto nivel de modelos generativos de imágenes profundas (por ejemplo, a 2023, DALL-E, Midjourney, Stable Diffusion, etc.), sus usos y sus limitaciones/peligros.
- Visión general de alto nivel de modelos de lenguaje grandes (por ejemplo, a 2023, ChatGPT, Bard, etc.), sus usos y sus limitaciones/peligros.
- Visión general del impacto social de la IA:
- ética
- Equidad
- Confianza/explicabilidad
- Privacidad y uso de datos de entrenamiento
- Autonomía humana y supervisión/regulaciones/requisitos legales
- Sostenibilidad
Aprendizaje esperado (Learning Outcomes)
- Dado un dominio de aplicación y problema del mundo real, formular una solución de IA para ello, identificando datos/entrada apropiados, preprocesamiento, representaciones, técnicas de IA y métricas/metodología de evaluación [Aplicar]
Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM