Curso Introductorio: Alfabetizacion en Inteligencia Artificial

¡Bienvenido al Curso Introductorio: Alfabetización en Inteligencia Artificial!

¿Quieres sumergirte en el fascinante mundo de la Inteligencia Artificial, obtener valiosos conocimientos y comprobar cómo está cambiando el mundo? Este curso presencial te sorprenderá. Vení a aprender de forma sencilla y amena los conceptos básicos que te harán sentir más seguro en este mundo tecnológico.

No importa si no tienes experiencia previa, aquí empezamos desde cero y con buena onda

Reserva tu lugar y se parte de este viaje hacia el futuro

¡Te esperamos para descubrir el poder de la IA!

🎓 Curso Introductorio: Fundamentos de Inteligencia Artificial

Estructura General del Curso

• Duración total: 8 horas (3 días × 2,50 horas)
• 12 sesiones de 40 minutos cada una
• Nivel: Básico/Introductorio
• Metodología: 60% teoría + 40% práctica

📅 DÍA 1: Fundamentos y Conceptos Básicos de IA

Objetivo del día: Comprender qué es la IA, su historia y aplicaciones actuales

MÓDULO 1: Introducción a la Inteligencia Artificial

Sesión 1 (30 min) - ¿Qué es la Inteligencia Artificial?

Teoría (18 min):

• Definición de Inteligencia Artificial
• Diferencia entre IA, Machine Learning y Deep Learning
• Breve historia: desde Turing hasta la actualidad
• Mitos vs. Realidad sobre la IA
• Test de Turing y el concepto de “inteligencia”

Práctica (12 min):

• Ejercicio interactivo: Identificar qué sistemas son IA real vs. automatización simple
• Ejemplos: Termostato inteligente, Netflix, asistente de voz, calculadora
• Actividad grupal: Debate sobre “¿Puede una máquina pensar?”
• Exploración de ChatGPT o asistente IA (demostración guiada)

Sesión 2 (30 min) - Tipos y Categorías de IA

Teoría (18 min):

• IA Débil (Narrow AI) vs. IA Fuerte (General AI)
• Clasificación por capacidades:
• • IA Reactiva (Deep Blue)
  • Memoria limitada (coches autónomos)
  • Teoría de la mente (investigación)
  • Autoconciencia (ciencia ficción)
• Subcampos principales: Visión por computadora, NLP, Robótica, etc.

Práctica (12 min):

• Caso práctico 1: Análisis de sistemas reales
• • Google Translate → ¿Qué tipo de IA es?
  • Siri/Alexa → Clasificación y limitaciones
  • AlphaGo → ¿Por qué es notable?
• Ejercicio: Crear un mapa mental colaborativo de tipos de IA

MÓDULO 2: Aplicaciones Prácticas de la IA

Sesión 3 (30 min) - IA en la Vida Cotidiana

Teoría (15 min):

• Reconocimiento facial (desbloqueo de teléfonos)
• Sistemas de recomendación (Netflix, Spotify, Amazon)
• Asistentes virtuales y chatbots
• Detección de spam y seguridad
• Traducción automática
• Predicción de texto y autocompletado

Práctica (15 min):

• Taller práctico:
• Probar Google Lens para reconocimiento de imágenes
• Analizar las recomendaciones personales de YouTube
• Usar un chatbot empresarial y evaluar su efectividad
• Ejercicio reflexivo: ¿Cuántas IAs has usado hoy sin darte cuenta?

Sesión 4 (30 min) - IA en Industrias y Sectores

Teoría (15 min):

• Salud: Diagnóstico médico, análisis de radiografías
• Finanzas: Detección de fraude, trading algorítmico
• Educación: Sistemas adaptativos, tutores virtuales
• Transporte: Vehículos autónomos, optimización de rutas
• Retail: Gestión de inventario, personalización
• Agricultura: Agricultura de precisión, drones

Práctica (15 min):

• Caso práctico 2: Análisis de implementación real
• Ver demo de IBM Watson diagnosticando cáncer
• Analizar caso de Tesla Autopilot
• Actividad grupal: Brainstorming sobre aplicaciones de IA en la industria de los participantes
• Mini proyecto: Proponer una solución IA para un problema local

📅 DÍA 2: Machine Learning y Modelos de IA

Objetivo del día: Entender cómo aprenden las máquinas y experimentar con herramientas básicas

MÓDULO 3: Fundamentos de Machine Learning

Sesión 5 (30 min) - ¿Cómo Aprenden las Máquinas?

Teoría (18 min):

• Concepto de Machine Learning (ML)
• Diferencia entre programación tradicional y ML
• Los tres tipos de aprendizaje:
• • Supervisado: Con etiquetas (clasificación, regresión)
  • No supervisado: Sin etiquetas (clustering, reducción dimensional)
  • Por refuerzo: Recompensas y castigos
• Conceptos clave: Datos de entrenamiento, características, etiquetas

Práctica (12 min):

• Ejercicio visual: Juego “Teachable Machine” de Google
• • Entrenar un modelo simple de reconocimiento de imágenes
  • Experimentar con diferentes tipos de datos
• Demostración: Cómo un modelo mejora con más datos

Sesión 6 (30 min) - Datos: El Combustible de la IA

Teoría (15 min):

• Importancia de los datos en IA
• Calidad vs. Cantidad de datos
• Tipos de datos: estructurados, no estructurados
• Preprocesamiento y limpieza de datos
• Sesgo en los datos y sus consecuencias
• Privacidad y ética de datos

Práctica (15 min):

• Caso práctico 3: Análisis de datasets
• • Explorar dataset simple (Iris, Titanic) en formato CSV
  • Identificar patrones visuales en gráficos
• Ejercicio: Detectar sesgos en conjuntos de datos de ejemplo
• Actividad: Crear un mini dataset para un problema simple (clasificar frutas, emociones, etc.)

MÓDULO 4: Redes Neuronales y Deep Learning

Sesión 7 (30 min) - Introducción a Redes Neuronales

Teoría (18 min):

• Inspiración biológica: Neuronas naturales vs. artificiales
• Arquitectura básica de una red neuronal
• Capas: entrada, ocultas, salida
• Conceptos: pesos, funciones de activación
• ¿Qué es Deep Learning?
• Aplicaciones: reconocimiento de imágenes, voz, texto

Práctica (12 min):

• Visualización interactiva:
• Usar TensorFlow Playground (playground.tensorflow.org)
• • Experimentar con neuronas y capas
  • Observar cómo aprende una red en tiempo real
• Ejercicio: Dibujar una red neuronal simple y explicar su funcionamiento

Sesión 8 (30 min) - Herramientas Accesibles de IA

Teoría (12 min):

• Panorama de herramientas sin código:
• • Google Teachable Machine
  • RunwayML
  • Lobe.ai de Microsoft
• Plataformas de IA generativa:
• • ChatGPT, Claude, Gemini
  • DALL-E, Midjourney, Stable Diffusion
• APIs y servicios cloud (introducción)

Práctica (18 min):

• Taller hands-on:
• • Crear un modelo de clasificación de imágenes con Teachable Machine
  • Exportar y probar el modelo
  • Generar contenido con herramientas de IA generativa
• Caso práctico 4: Usar prompts efectivos en ChatGPT para diferentes tareas

📅 DÍA 3: Proyectos Prácticos y Futuro de la IA

Objetivo del día: Aplicar conocimientos en proyectos y comprender implicaciones éticas

MÓDULO 5: Construyendo con IA

Sesión 9 (30 min) - Diseño de Soluciones con IA

Teoría (12 min):

• Metodología para proyectos de IA:
• 1. Definir el problema
  2. Recolectar datos
  3. Elegir el modelo
  4. Entrenar y evaluar
  5. Implementar
• Métricas de evaluación básicas (precisión, recall)
• Iteración y mejora continua

Práctica (18 min):

• Proyecto grupal: Diseñar una solución IA
• • Dividir en grupos pequeños
  • Cada grupo elige un problema real (ej: clasificar correos, detectar plantas enfermas)
  • Crear un plan de implementación paso a paso
  • Presentar propuesta en 3 minutos

Sesión 10 (30 min) - Laboratorio Práctico Integrador

Proyecto completo (30 min):

• Construcción de un sistema IA simple de principio a fin:

Opción A - Clasificador de Sentimientos:

• • Usar herramienta no-code o Google Colab simplificado
  • Dataset: Reseñas de productos (positivo/negativo)
  • Entrenar modelo básico
  • Probar con ejemplos nuevos

Opción B - Reconocedor de Objetos:

• • Teachable Machine con 3-4 categorías
  • Capturar imágenes con webcam
  • Entrenar y exportar
  • Integrar en página web simple
• Documentación: Registrar proceso y resultados
• Testing: Evaluar precisión con datos no vistos

MÓDULO 6: Ética, Retos y Futuro

Sesión 11 (30 min) - Desafíos Éticos y Sociales de la IA

Teoría (18 min):

• Sesgos algorítmicos y discriminación
• Privacidad y vigilancia masiva
• Desplazamiento laboral y automatización
• Armas autónomas y uso militar
• Deepfakes y desinformación
• Transparencia e interpretabilidad (caja negra)
• Responsabilidad: ¿Quién responde por errores de IA?

Práctica (12 min):

• Caso práctico 5: Análisis de dilemas éticos
• • Sistema de contratación con sesgo de género (Amazon)
  • Reconocimiento facial y falsos positivos
  • Coches autónomos: dilema del tranvía
• Debate estructurado: Dividir la clase en posiciones
• Ejercicio: Crear principios éticos para un proyecto IA

Sesión 12 (30 min) - El Futuro de la IA y Siguientes Pasos

Teoría (15 min):

• Tendencias emergentes:
• • IA Generativa (GPT-4, Gemini)
  • IA multimodal
  • Edge AI (IA en dispositivos)
  • Computación cuántica + IA
• Predicciones para los próximos 5-10 años
• AGI (Inteligencia Artificial General): ¿cuándo?
• Oportunidades profesionales en IA

Práctica (15 min):

• Creación de plan de aprendizaje personalizado:
• • Recursos recomendados (cursos online, libros, comunidades)
  • Proyectos personales sugeridos
  • Certificaciones y especializaciones
• Sesión de Q&A: Preguntas abiertas
• Actividad de cierre: Cada participante comparte:
• • Una cosa que aprendió
  • Una aplicación que implementará
  • Un compromiso de aprendizaje continuo

📚 Materiales y Recursos del Curso

Herramientas Utilizadas:

• Google Teachable Machine (no requiere instalación)
• TensorFlow Playground (navegador web)
• ChatGPT o similar (demo)
• Google Colab (opcional, para participantes avanzados)
• Dataset públicos: Kaggle, UCI ML Repository

Recursos Complementarios:

• Documentación práctica de cada ejercicio
• Glosario de términos de IA
• Casos de estudio documentados
• Plantillas para proyectos propios

Evaluación:

• Participación en ejercicios prácticos
• Proyecto grupal (Sesión 9-10)
• Auto-evaluación de comprensión

🎯 Resultados de Aprendizaje Esperados

Al finalizar este curso, los participantes serán capaces de:

✅ Comprender qué es la IA y diferenciar sus tipos

✅ Identificar aplicaciones de IA en diversos sectores

✅ Explicar cómo aprenden las máquinas (ML básico)

✅ Utilizar herramientas no-code para crear modelos simples

✅ Reconocer implicaciones éticas de la IA

✅ Diseñar un proyecto básico de IA

✅ Continuar su aprendizaje de forma autónoma