AI-For-Beginners/translations/es
Pikachú 5d34bc4eb8 Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
..
etc Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
lessons Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
README.md Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
SECURITY.md Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00

README.md

Licencia de GitHub Contribuyentes de GitHub Problemas de GitHub Solicitudes de extracción de GitHub PRs Bienvenidos

Observadores de GitHub Forks de GitHub Estrellas de GitHub Binder Gitter

Inteligencia Artificial para Principiantes - Un Currículo

 Sketchnote por (@girlie_mac)
AI Para Principiantes - Sketchnote por @girlie_mac

¡Explora el mundo de la Inteligencia Artificial (IA) con nuestro currículo de 12 semanas y 24 lecciones! Incluye lecciones prácticas, cuestionarios y laboratorios. El currículo es amigable para principiantes y abarca herramientas como TensorFlow y PyTorch, así como la ética en la IA.

Lo que aprenderás

Mapa mental del curso

En este currículo, aprenderás:

  • Diferentes enfoques de la Inteligencia Artificial, incluido el "buen viejo" enfoque simbólico con Representación del Conocimiento y razonamiento (GOFAI).
  • Redes Neuronales y Aprendizaje Profundo, que son el núcleo de la IA moderna. Ilustraremos los conceptos detrás de estos temas importantes utilizando código en dos de los marcos más populares: TensorFlow y PyTorch.
  • Arquitecturas Neuronales para trabajar con imágenes y texto. Cubriremos modelos recientes, aunque puede que no estemos completamente al día con el estado del arte.
  • Enfoques de IA menos populares, como Algoritmos Genéticos y Sistemas Multi-Agente.

Lo que no cubriremos en este currículo:

Encuentra todos los recursos adicionales para este curso en nuestra colección de Microsoft Learn

Para una introducción suave a los temas de IA en la Nube, puedes considerar tomar la ruta de aprendizaje Introducción a la inteligencia artificial en Azure.

Contenido

Enlace de la Lección PyTorch/Keras/TensorFlow Lab
0 Configuración del Curso Configura tu Entorno de Desarrollo
I Introducción a la IA
01 Introducción e Historia de la IA - -
II IA Simbólica
02 Representación del Conocimiento y Sistemas Expertos Sistemas Expertos / Ontología /Gráfico de Conceptos
III Introducción a las Redes Neuronales
03 Perceptrón Notebook Lab
04 Perceptrón Multicapa y Creando nuestro propio Framework Notebook Lab
05 Introducción a Frameworks (PyTorch/TensorFlow) y Sobreajuste PyTorch / Keras / TensorFlow Lab
IV Visión por Computadora PyTorch / TensorFlow Explorar Visión por Computadora en Microsoft Azure
06 Introducción a la Visión por Computadora. OpenCV Notebook Laboratorio
07 Redes Neuronales Convolucionales & Arquitecturas de CNN PyTorch /TensorFlow Laboratorio
08 Redes Pre-entrenadas y Aprendizaje por Transferencia y Trucos de Entrenamiento PyTorch / TensorFlow Laboratorio
09 Autoencoders y VAEs PyTorch / TensorFlow
10 Redes Generativas Antagónicas y Transferencia de Estilo Artístico PyTorch / TensorFlow
11 Detección de Objetos TensorFlow Laboratorio
12 Segmentación Semántica. U-Net PyTorch / TensorFlow
V Procesamiento de Lenguaje Natural PyTorch /TensorFlow Explora el Procesamiento de Lenguaje Natural en Microsoft Azure
13 Representación de Texto. Bow/TF-IDF PyTorch / TensorFlow
14 Embeddings semánticos de palabras. Word2Vec y GloVe PyTorch / TensorFlow
15 Modelado del Lenguaje. Entrenando tus propios embeddings PyTorch / TensorFlow Laboratorio
16 Redes Neuronales Recurrentes PyTorch / TensorFlow
17 Redes Generativas Recurrentes PyTorch / TensorFlow Laboratorio
18 Transformadores. BERT. PyTorch /TensorFlow
19 Reconocimiento de Entidades Nombradas TensorFlow Laboratorio
20 Modelos de Lenguaje Grandes, Programación de Prompts y Tareas de Pocos Ejemplos PyTorch
VI Otras Técnicas de IA
21 Algoritmos Genéticos Cuaderno
22 Aprendizaje por Refuerzo Profundo PyTorch /TensorFlow Laboratorio
23 Sistemas Multiagente
VII Ética en IA
24 Ética en IA y IA Responsable Microsoft Learn: Principios de IA Responsable
IX Extras
25 Redes Multi-Modal, CLIP y VQGAN Cuaderno

Cada lección contiene

  • Material de lectura previa
  • Cuadernos Jupyter ejecutables, que a menudo son específicos del marco (PyTorch o TensorFlow). El cuaderno ejecutable también contiene mucho material teórico, por lo que para entender el tema necesitas revisar al menos una versión del cuaderno (ya sea de PyTorch o TensorFlow).
  • Laboratorios disponibles para algunos temas, que te brindan la oportunidad de intentar aplicar el material que has aprendido a un problema específico.
  • Algunas secciones contienen enlaces a módulos de MS Learn que cubren temas relacionados.

Comenzando

Sigue estos pasos:

Haz un fork del repositorio: Haz clic en el botón "Fork" en la esquina superior derecha de esta página.

Clona el repositorio: git clone https://github.com/microsoft/AI-For-Beginners.git

No olvides marcar (🌟) este repositorio para encontrarlo más fácilmente después.

Conoce a otros Aprendices

Únete a nuestro servidor oficial de Discord de IA para conocer y hacer networking con otros aprendices que están tomando este curso y obtener apoyo.

Cuestionarios

Una nota sobre los cuestionarios: Todos los cuestionarios se encuentran en la carpeta Quiz-app en etc\quiz-app. Están vinculados desde dentro de las lecciones, la aplicación de cuestionarios se puede ejecutar localmente o desplegarse en Azure; sigue las instrucciones en la carpeta quiz-app. Están siendo localizados gradualmente.

Se Busca Ayuda

¿Tienes sugerencias o encontraste errores de ortografía o de código? Abre un problema o crea una solicitud de extracción.

Agradecimientos Especiales

Otros Currículos

¡Nuestro equipo produce otros currículos! Echa un vistazo a:

Descargo de responsabilidad:
Este documento ha sido traducido utilizando servicios de traducción automática basados en IA. Aunque nos esforzamos por la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda la traducción profesional por parte de un humano. No somos responsables de malentendidos o malas interpretaciones que surjan del uso de esta traducción.