Skip to content

README.md

Latest commit

 

History

History
62 lines (52 loc) · 3.47 KB

README.md

File metadata and controls

62 lines (52 loc) · 3.47 KB
Raw

📜 Parte 00 — Fundamentos, historia y método científico

Nivel: fundamentos · Duración sugerida: 3–4 semanas · Clases: 12

Construye el mapa del campo, su historia, el vocabulario técnico y el método experimental que se utilizará en todo el programa.

🧭 Secuencia de la parte

flowchart LR
    L001["001<br/>Qué es inteligencia<br/>artificial y qué<br/>no es"]
    L002["002<br/>De Turing a<br/>Dartmouth: nacimiento formal<br/>del campo"]
    L003["003<br/>Inviernos, resurgimientos y<br/>ciclos de expectativas"]
    L004["004<br/>Agentes racionales, entornos<br/>y medidas de<br/>desempeño"]
    L005["005<br/>Vectores, matrices y<br/>geometría para IA"]
    L006["006<br/>Probabilidad, incertidumbre y<br/>estadística básica"]
    L007["007<br/>Lógica, algoritmos y<br/>complejidad computacional"]
    L008["008<br/>Datos, evidencia, hipótesis<br/>y falsabilidad"]
    L009["009<br/>Entornos Python, Git<br/>y experimentos reproducibles"]
    L010["010<br/>Cómo leer papers,<br/>benchmarks y claims<br/>de IA"]
    L011["011<br/>Ética desde el<br/>diseño y límites<br/>de automatización"]
    L012["012<br/>Proyecto: mapa evolutivo<br/>verificable de la<br/>IA"]
    L001 --> L002
    L002 --> L003
    L003 --> L004
    L004 --> L005
    L005 --> L006
    L006 --> L007
    L007 --> L008
    L008 --> L009
    L009 --> L010
    L010 --> L011
    L011 --> L012
Loading

📚 Clases

ID Tema Laboratorio Horas
001 Qué es inteligencia artificial y qué no es frontier 4
002 De Turing a Dartmouth: nacimiento formal del campo frontier 4
003 Inviernos, resurgimientos y ciclos de expectativas evaluation 4
004 Agentes racionales, entornos y medidas de desempeño agent 4
005 Vectores, matrices y geometría para IA optimization 4
006 Probabilidad, incertidumbre y estadística básica probability 4
007 Lógica, algoritmos y complejidad computacional logic 4
008 Datos, evidencia, hipótesis y falsabilidad evaluation 4
009 Entornos Python, Git y experimentos reproducibles observability 4
010 Cómo leer papers, benchmarks y claims de IA evaluation 4
011 Ética desde el diseño y límites de automatización safety 4
012 Proyecto: mapa evolutivo verificable de la IA capstone 10

📝 Evaluación de la parte

  • 40 % laboratorios y notebooks.
  • 25 % explicaciones y comparación de enfoques.
  • 20 % evaluación de riesgos y limitaciones.
  • 15 % mini-proyecto o integración.

🏠 Volver al programa · ➡️ Parte 01 — IA simbólica, búsqueda, lógica y planificación