0% completado
Domina las bases de la IA moderna siguiendo la estructura teórica clásica de AIMA (Caps. 1-2). Aprende a modelar entornos PEAS, implementar agentes racionales y diseñar funciones de agente mediante programación en R, culminando en la arquitectura completa de un agente de aprendizaje robusto frente a múltiples entornos.
Da vida a tu primer agente inteligente. Comprende la diferencia entre la función del agente y el programa del agente, e introduce el concepto de Medida de Rendimiento Esperada frente a Objetivos Internos.
Define deductivamente problemas de IA real. Diseña un entorno PEAS (Rendimiento, Entorno, Actuadores, Sensores) detallado para un vehículo autónomo, identificando todas sus métricas y percepciones críticas.
Clasifica formalmente el entorno de tu agente (Determinista vs Estocástico, Episódico vs Secuencial). Profundiza en sistemas Single vs Multiagente y las dinámicas de suma-cero (Cooperativo vs Competitivo).
Construye inteligencia paso a paso. Escala desde un Reactivo Simple, añade Estado Interno, hasta llegar a Agentes Basados en Objetivos y Basados en Utilidad utilizando funciones de recompensa y transición.
Descubre qué hay realmente dentro de una IA capaz de aprender. Implementa los 4 componentes estructurales de AIMA: Elemento de Rendimiento, Crítica, Elemento de Aprendizaje y Generador de Problemas.
Integración total del conocimiento. Modela un entorno estocástico y desarrolla el programa de un agente dron que evalúa, aprende de su crítica interna y maximiza su utilidad esperada de salvamento.