PROF.

EMILIA RODRÍGUEZ COSTA

 CHATGPT E INTELIGENCIA ARTIFICIAL

EXAMEN MÓDULO 1

EXAMEN MÓDULO 2

EXAMEN MÓDULO 3

EXAMEN FINAL CURSO

PROF. EMILIA RODRÍGUEZ COSTA

CÓMO ENTREGAR MIS TAREAS
SÓLO USARAS ESTA ENTREGA SI HAY QUE SUBIR UN ENLACE

PROF. EMILIA RODRÍGUEZ COSTA

CÓMO ENTREGAR MIS TAREAS
SUBIRAS SÓLO ARCHIVOS EN PDF

PROF. EMILIA RODRÍGUEZ COSTA

NO SE CORREGIRÁN:

- TAREAS QUE NO SEAN EN PDF

- TAREAS QUE NO TENGAN LA ACTIVIDAD DESCRITA

- LOS ARCHIVOS SE GUARDARÁN COMO: NOMBRE Y APELLIDO DEL ESTUDIANTE

-ACUÉRDESE QUE CHTAGPT Y GOOGLE SON PLATAFORMAS PARA

INVESTIGAR, NO COPIE TODO LO QUE LES MUESTRA LEA PRIMERO Y
RESUMA SI ES NECESARIO.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
MÓDULO 1
FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL Y CHATGPT
P R O F. E M I L I A R O D R Í G U E Z C O S T A
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
Internet de las cosas
El Internet de las Cosas (IoT, por sus siglas
en inglés) es un concepto tecnológico que se
refiere a la interconexión de dispositivos a través
de internet para que puedan comunicarse entre sí,
recopilar, procesar y compartir datos sin
intervención humana.

PROF. EMILIA RODRÍGUEZ COSTA

 ¿Cómo funciona?
1.Sensores y dispositivos inteligentes
•Equipos como electrodomésticos, vehículos, relojes
inteligentes y sensores industriales tienen chips y
conectividad a internet.
2.Conectividad y comunicación
•Estos dispositivos usan redes Wi-Fi, Bluetooth, 5G o
protocolos especializados como Zigbee o LoRaWAN
para comunicarse.
3.Procesamiento de datos y automatización
•Los datos se envían a servidores en la nube, donde se
analizan para tomar decisiones automáticas o brindar
información útil.
4.Interacción con usuarios o sistemas
•Se pueden visualizar o controlar los dispositivos desde
una aplicación en el móvil o una plataforma web.

PROF. EMILIA RODRÍGUEZ COSTA

 Ejemplos de IoT en la vida cotidiana
Hogares inteligentes
•Termostatos que ajustan la temperatura automáticamente.
•Asistentes de voz como Alexa o Google Home.
Ciudades inteligentes
•Semáforos que se ajustan al tráfico en tiempo real.
•Iluminación pública automatizada para ahorrar energía.
Salud y bienestar
•Relojes inteligentes que monitorean el ritmo cardíaco.
•Dispositivos médicos que envían información al doctor.
Industria 4.0
•Sensores en fábricas que detectan fallos antes de que
ocurran.
•Robots autónomos en almacenes.
Vehículos conectados
•Autos que reciben actualizaciones remotas y alertas de
tráfico.
•Estaciones de carga de autos eléctricos conectadas a la
red.

PROF. EMILIA RODRÍGUEZ COSTA

COBOTS?

PROF. EMILIA RODRÍGUEZ COSTA

 Cobots
Los Cobots (robots colaborativos) son un
tipo de robot diseñado para trabajar de
manera segura junto a los humanos en un
entorno compartido. A diferencia de los
robots industriales tradicionales, que suelen
operar en áreas cerradas para evitar
accidentes, los cobots están equipados con
sensores avanzados, inteligencia artificial y
sistemas de seguridad que les permiten
interactuar con las personas sin riesgo.

https://youtu.be/XH6MLNL6z-M

PROF. EMILIA RODRÍGUEZ COSTA

 Características principales de los Cobots

Interacción con humanos

•Están diseñados para colaborar directamente con operadores
humanos en tareas específicas.
Seguridad avanzada
•Incorporan sensores y sistemas de detección que evitan
colisiones o lesiones.
•Pueden detenerse automáticamente si detectan la presencia
de una persona en su área de trabajo.
Fáciles de programar
•Muchos cobots pueden ser programados sin necesidad de
conocimientos avanzados, permitiendo a los operarios
enseñarle movimientos de forma intuitiva.
Versatilidad y adaptabilidad
•Pueden realizar múltiples tareas en diferentes industrias, desde
ensamblaje hasta empaquetado o inspección de calidad.
Tamaño compacto
•A diferencia de los grandes robots industriales, los cobots
suelen ser más pequeños y pueden integrarse en espacios
reducidos.

PROF. EMILIA RODRÍGUEZ COSTA

CHATBOTS?

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PRINCIPALES CARACTERÍSTICAS DE LOS CHATBOTS

•Usan software de inteligencia artificial.

•Interactúan a través de textos, enlaces, imágenes y
botones de llamada a la acción.
•No son necesarios descargarlos o actualizarlos para
utilizarlos.
•Se pueden integrar varios bots en un mismo chat.
•Ofrece una experiencia de usuario más amena con
interacciones rápidas y sencillas.
•Pueden ser personalizados.
•Pueden tramitar pedidos y dar información.
•Pueden enviar newsletters y noticias.
•Puede convertirse en una nueva fuente de ingresos
para las empresas.
•Son implementados principalmente para dar soporte y
atención al cliente.

PROF. EMILIA RODRÍGUEZ COSTA

El BIG DATA es el conjunto de tecnologías
creadas para almacenar, analizar y gestionar estos
datos masivos, una macroherramienta destinada a
identificar patrones en el caos de explosión
informativa para diseñar soluciones inteligentes. Hoy
se utiliza en áreas tan diversas como la medicina, la
agricultura, las apuestas o la protección del medio
ambiente.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
 El BIG DATA es el conjunto de tecnologías
creadas para almacenar, analizar y gestionar estos
datos masivos, una macroherramienta destinada a
identificar patrones en el caos de explosión
informativa para diseñar soluciones inteligentes. Hoy
se utiliza en áreas tan diversas como la medicina, la
agricultura, las apuestas o la protección del medio
ambiente.

https://youtu.be/eXMaoSEYrso
PROF. EMILIA RODRÍGUEZ COSTA
¿LENGUAJE NATURAL?

PROF. EMILIA RODRÍGUEZ COSTA

El lenguaje natural es el lenguaje que
hablamos todos los días, nuestra forma de
comunicarnos por excelencia.

PROF. EMILIA RODRÍGUEZ COSTA

El procesamiento del lenguaje natural (PLN) es
una tecnología que permite a los ordenadores
entender y procesar el lenguaje humano. Se basa
en la combinación de lingüística e inteligencia
artificial.

PROF. EMILIA RODRÍGUEZ COSTA

ALGUNAS FUNCIONES:
Clasificación de información

A través de etiquetas
específicas con PLN es posible
clasificar información y
reunirla según se requiera, de
manera rápida y precisa. Por
ejemplo, para organizar la
bandeja de entrada del correo
electrónico, se pueden asignar
una etiqueta para cada
carpeta, así los e-mails se
alojan directamente donde uno
elige.

PROF. EMILIA RODRÍGUEZ COSTA

Reconocimiento de patrones
Los sistemas de PNL utilizan algoritmos específicos que
pueden ser implementados para analizar y comparar
textos cuando se quiera identificar patrones, buscar
similitudes y coincidencias, reconocer palabras claves o
estructuras gramaticales, etc. Es decir, PNL puede servir
para identificar variables o datos constantes y repetidos
dentro de un texto, según sea el objetivo del usuario.

PROF. EMILIA RODRÍGUEZ COSTA

Identificación de sentimientos y emociones
Gracias a reseñas y opiniones sobre productos y lugares, y
comentarios o recomendaciones en redes sociales, PNL es
capaz de entender y reconocer los sentimientos de los
usuarios respecto a algo o alguien.

PROF. EMILIA RODRÍGUEZ COSTA

Generación de contenido
Existen plataformas a las cuales se le puede solicitar que
generen contenido escrito sobre un tema particular, con
características específicas como extensión, títulos, estilo,
etc. Un ejemplo muy renombrado es ChatGPT.

PROF. EMILIA RODRÍGUEZ COSTA

 Aplicaciones posibles del procesamiento de lenguaje natural
Algunas aplicaciones posibles y concretas que tiene el procesamiento del lenguaje natural, son:

Traspaso de lenguaje hablado a escrito. PLN es capaz de escuchar y comprender cuando una
persona habla, y, automáticamente, convertir eso en un texto escrito. Es decir, el usuario dicta por
voz a la máquina y esta lo escribe automáticamente en el dispositivo utilizado.

PROF. EMILIA RODRÍGUEZ COSTA

Asistentes de voz.
Los más conocidos son Siri y Alexa, a los cuales
se les puede solicitar distintas acciones en
función de las conexiones o funciones que
tengan, pero, por ejemplo, poner música, subir o
bajar el volumen, leer las noticias de un
periódico determinado, buscar direcciones, entre
otras cosas.

PROF. EMILIA RODRÍGUEZ COSTA

Asistencia lingüística.
Corrección automática, sugerencias gramaticales,
autocompletado, texto predictivo, etc., son solo algunos de
los usos más frecuentes con los que vienen los programas
de computadora y los dispositivos digitales.

PROF. EMILIA RODRÍGUEZ COSTA

Traducción automática.
Uno de los usos más populares y conocidos es el de la
traducción de un idioma a otro, de manera instantánea y
muy acertada. Las herramientas de traducción han
mejorado notablemente en los últimos años, y son capaces
de generar traducciones gramaticalmente acertadas,
cuidando la sintaxis, la coherencia y el contexto del
contenido. Además, las apps de traducción también tienen
la habilidad de reconocer el idioma de origen, así como
también leer texto de imágenes y traducirlo.

PROF. EMILIA RODRÍGUEZ COSTA

Motores de búsqueda.
Gracias al PLN los buscadores pueden arrojar datos
relevantes y de interés cuando una persona realiza una
búsqueda en la web, y es capaz de analizar y detectar los
resultados más utilizados para mejorar cada vez más la
experiencia del usuario al realizar una pregunta.

PROF. EMILIA RODRÍGUEZ COSTA

 ¿LENGUAJE
DE
PROGRAMACIÓN?

PROF. EMILIA RODRÍGUEZ COSTA

Un lenguaje de programación es un conjunto de
reglas, símbolos y sintaxis que permite a los
programadores escribir instrucciones que un ordenador
puede entender y ejecutar.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
ALGORITMO?

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
VISIÓN INFORMÁTICA

PROF. EMILIA RODRÍGUEZ COSTA

La visión informática,​ también conocida
como visión artificial o visión por
ordenador (del inglés computer vision)
o visión técnica, es una disciplina científica
que incluye métodos para adquirir, procesar,
analizar y comprender las imágenes del
mundo real con el fin de producir información
numérica o simbólica para que puedan ser
tratados por un ordenador.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
La criptografía es la práctica de desarrollar y utilizar
algoritmos codificados para proteger y ocultar la información
transmitida para que solo puedan ser leídas por aquellos con
permiso y capacidad de descifrarla. Derivada de la palabra
griega "kryptos", que significa "oculto", criptografía se
traduce literalmente como "escritura oculta".

PROF. EMILIA RODRÍGUEZ COSTA

¿Cuál es el papel de la
criptografía en la
inteligencia artificial?

PROF. EMILIA RODRÍGUEZ COSTA

La criptografía juega un papel vital en
la inteligencia artificial (.AI), ya que
permite a los sistemas de IA proteger
sus datos, comunicarse de forma
segura y verificar sus identidades y
acciones.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
El Cifrado de César es una
técnica de encriptación
sencilla que consiste en
desplazar cada letra de un
mensaje un número fijo de
posiciones en el alfabeto. Por
ejemplo, si usamos un
desplazamiento de 3, la letra
A se convierte en D, la B en E,
y así sucesivamente.

PROF. EMILIA RODRÍGUEZ COSTA

 ¿LENGUAJE
AUTOMÁTICO?

PROF. EMILIA RODRÍGUEZ COSTA

 ¿Qué es el lenguaje automático?

El lenguaje automático es el lenguaje que

usan las máquinas para comunicarse,
procesar información o realizar tareas
automáticamente. No es el lenguaje que
hablamos los humanos, sino un conjunto de
instrucciones, códigos o comandos que
entiende una computadora o una inteligencia
artificial.

PROF. EMILIA RODRÍGUEZ COSTA

 ¿Qué es el Machine Learning?

Machine Learning (en español: aprendizaje

automático) es una rama de la inteligencia
artificial que permite que las máquinas
aprendan solas, sin que alguien las
programe en detalle.

PROF. EMILIA RODRÍGUEZ COSTA

 El Machine Learning

¿Cómo funciona?

•La máquina recibe datos (por ejemplo, fotos,

textos, números, etc.).
•Aprende de esos datos, buscando patrones
o repeticiones.
•Luego, usa lo que aprendió para tomar
decisiones o hacer predicciones.

PROF. EMILIA RODRÍGUEZ COSTA

 El Machine Learning

Ejemplos sencillos:

• El correo que detecta spam

automáticamente.
• Spotify que te recomienda música
según lo que escuchás.
• Una app que reconoce caras en
una foto.
• Amazon que predice qué producto
podrías querer comprar.

PROF. EMILIA RODRÍGUEZ COSTA

El aprendizaje automático (también conocido como machine learning) es una rama de la inteligencia
artificial que se centra en el desarrollo de algoritmos y modelos que permiten a las computadoras
aprender a realizar tareas sin ser programadas explícitamente para ello. En lugar de seguir instrucciones
específicas, las máquinas aprenden a partir de datos, identificando patrones y tomando decisiones
basadas en la información proporcionada.

Akinator es un juego en línea basado en inteligencia artificial que simula a El motor detrás de Akinator utiliza un algoritmo de aprendizaje automático,
un "genio" capaz de adivinar en qué personaje estás pensando, ya sea un que mejora conforme más personas juegan. A medida que recopila más
personaje real o ficticio. Para lograrlo, Akinator te hace una serie de datos de las respuestas de los usuarios, se vuelve más preciso en sus
preguntas, y a medida que respondes, su algoritmo analiza las respuestas adivinanzas. Además de personajes, en versiones más recientes del juego,
para acotar las opciones posibles hasta llegar a la respuesta correcta. Akinator también puede intentar adivinar animales, objetos o temas.

PROF. EMILIA RODRÍGUEZ COSTA

https://es.akinator.com/

PROF. EMILIA RODRÍGUEZ COSTA

https://www.autodraw.com/

AutoDraw es una herramienta gratuita en línea desarrollada por

Google que combina el aprendizaje automático con dibujos de
artistas talentosos para ayudarte a crear ilustraciones de forma
rápida y sencilla. Su objetivo es facilitar el dibujo a personas con
diferentes niveles de habilidad, permitiendo transformar bocetos
simples en imágenes más refinadas.

PROF. EMILIA RODRÍGUEZ COSTA

https://www.artbreeder.com/

Artbreeder es una plataforma en línea que permite a los usuarios

crear y modificar imágenes utilizando inteligencia artificial,
específicamente mediante redes generativas antagónicas (GAN).
Fundada en 2018 por Joel Simon, Artbreeder facilita la generación
de retratos, paisajes y otros tipos de imágenes a través de la
combinación y ajuste de imágenes existentes.

PROF. EMILIA RODRÍGUEZ COSTA

https://deepdreamgenerator.com/

Deep Dream Generator es una plataforma en línea que permite a los usuarios transformar
imágenes comunes en composiciones artísticas con un estilo onírico y surrealista,
utilizando algoritmos de inteligencia artificial.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
 ¿Qué son las redes neuronales?

Las redes neuronales son un tipo de modelo de

inteligencia artificial que intenta imitar el funcionamiento
del cerebro humano. Están formadas por unidades llamadas
neuronas artificiales, que están organizadas en capas y se
conectan entre sí.

PROF. EMILIA RODRÍGUEZ COSTA

 Las redes neuronales?

¿Cómo funcionan?

1.Entrada (Input): La red recibe datos. Por

ejemplo, una imagen de un número escrito a
mano.
2.Capa oculta (Hidden layers): Cada
neurona procesa la información y pasa el
resultado a las siguientes capas.
3.Salida (Output): La red da una
respuesta. Por ejemplo, "este número es un
5".

PROF. EMILIA RODRÍGUEZ COSTA

El Aprendizaje profundo (Deep Learning)

El Aprendizaje profundo es una disciplina dentro del

campo del aprendizaje automático que se enfoca en el
entrenamiento de redes neuronales profundas para
realizar tareas específicas. Estas redes neuronales
artificiales están compuestas por múltiples capas de
nodos interconectados que procesan información de
manera jerárquica.

PROF. EMILIA RODRÍGUEZ COSTA

El Aprendizaje profundo
(Deep Learning)

PROF. EMILIA RODRÍGUEZ COSTA

 ¿Qué se necesita para usar aprendizaje profundo?

•Muchos datos: Cuantos más ejemplos, mejor aprende.

•Potencia de cómputo: Se usan GPU (tarjetas gráficas) porque
los cálculos son intensos.
•Algoritmos de entrenamiento: Como el descenso del
gradiente y la retropropagación del error (backpropagation).

PROF. EMILIA RODRÍGUEZ COSTA

 El aprendizaje profundo

Ejemplos reales de uso

•YouTube / Netflix: Recomendaciones personalizadas

•Google Translate: Traducciones automáticas
•ChatGPT: Comprensión y generación de texto
•Tesla: Conducción autónoma

PROF. EMILIA RODRÍGUEZ COSTA

 Diferencia entre machine learning y deep learning

Concepto Aprendizaje automático (ML) Aprendizaje profundo (DL)

Necesita que el humano elija qué datos

Ingeniería de características Aprende directamente de los datos
usar

Tamaño de datos Funciona con pocos datos Necesita muchos datos

Precisión Buena, pero limitada Muy alta, si se entrena bien

Velocidad de entrenamiento Rápido Lento, pero con buenos resultados

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
INTELIGENCIA
ARTIFICIAL
GENERATIVA

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
Inteligencia Artificial Generativa: Una
Revolución Creativa

La Inteligencia Artificial Generativa es un

tipo de IA que tiene la capacidad de crear
contenido nuevo en diferentes formatos, como
texto, imágenes, audio, video y código. A
diferencia de otras IA que solo analizan datos
existentes, la IA generativa aprende patrones a
partir de grandes volúmenes de información y los
usa para generar contenido original y coherente.

PROF. EMILIA RODRÍGUEZ COSTA

¿Cómo funciona la IA Generativa?

La IA generativa se basa en modelos de aprendizaje

profundo, como las Redes Generativas Antagónicas
(GANs) y los Transformers, que han revolucionado la
creación de contenido automatizado.
•Redes Generativas Antagónicas (GANs): Se
componen de dos redes neuronales (un generador y un
discriminador) que compiten entre sí para mejorar la
calidad del contenido generado. Ejemplo: DeepFake, que
permite generar videos realistas con rostros
intercambiados.
•Modelos Basados en Transformers: Como GPT
(Generative Pre-trained Transformer) y DALL·E,
que utilizan redes neuronales profundas para generar texto
e imágenes altamente detalladas.

PROF. EMILIA RODRÍGUEZ COSTA

 Ventajas y desafíos

Ventajas
•Ahorra tiempo y esfuerzo.
•Fomenta la creatividad (artistas, escritores, diseñadores).
•Personaliza contenido (publicidad, educación, salud).

Desafíos
•Puede generar desinformación (fake news, imágenes falsas).
•Derechos de autor (¿quién es el dueño de lo creado?).
•Ética en el uso (uso indebido de voces, rostros, datos).

PROF. EMILIA RODRÍGUEZ COSTA

DeepFake

PROF. EMILIA RODRÍGUEZ COSTA

DeepFake
Los deepfakes son videos, imágenes o audios
manipulados mediante inteligencia artificial para
hacer que una persona parezca decir o hacer algo
que nunca hizo. Se generan utilizando técnicas
avanzadas de aprendizaje profundo (deep
learning), especialmente redes neuronales
artificiales como los autoencoders y las
redes generativas antagónicas (GANs).

PROF. EMILIA RODRÍGUEZ COSTA

¿Cómo funcionan los deepfakes?

1.Entrenamiento del modelo: Se recopilan

muchas imágenes o videos de la persona que se
quiere falsificar.

2.Aprendizaje profundo: Un modelo de

inteligencia artificial analiza los rasgos faciales y los
movimientos característicos.

3.Generación del deepfake: Se reemplaza el

rostro o la voz en un video real con la versión
generada por la IA.

PROF. EMILIA RODRÍGUEZ COSTA

Usos de los deepfakes:

Entretenimiento: En el cine y la televisión

para rejuvenecer actores o traer personajes
fallecidos.

Publicidad y marketing: Creación de

anuncios personalizados.

Educación y formación: Simulación de

personajes históricos en documentales.

PROF. EMILIA RODRÍGUEZ COSTA

Peligros de los deepfakes:

Desinformación: Pueden ser usados para

manipular la opinión pública con videos falsos de
políticos o figuras públicas.

Fraudes y estafas: Suplantación de

identidad en llamadas o videos para engañar a
personas.

Difamación y ciberacoso: Creación de

contenido falso para dañar la reputación de
alguien.

PROF. EMILIA RODRÍGUEZ COSTA

¿Cómo detectar un deepfake?

Inconsistencias en el parpadeo o
movimiento de la boca.
Distorsiones en la iluminación o
sombras.
Sonidos poco naturales en la voz.
Uso de herramientas de detección de
IA, como Deepware o Microsoft
Video Authenticator.

PROF. EMILIA RODRÍGUEZ COSTA

Prueba DALL-E 3 Gratis Online - Generador de Imágenes de IA DALL-E 3

SUSCRIPBETE GRATIS CON TU CUENTA GMAIL

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
-Monitorear y analizar la degradación del medio ambiente
- Ayudar a maximizar la eficiencia energética
-Mejorar la eficiencia de los cultivos

-Planificación urbana

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
REDUCIR LA DESIGUALDAD

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
HispanIA 2040 | Oficina Nacional de Prospectiva y Estrategia
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
¿En qué consiste el test de Turing?
El test de Turing es un experimento que mide el parecido de una
máquina al del ser humano, a partir de su comportamiento inteligente.
Es decir, este examen nos permite distinguir si el interlocutor es un
humano o un robot.
El test de Turing no es infalible. Su principal crítica tiene que ver con la forma en cómo ha
sido aplicado tradicionalmente, usualmente en forma de interrogatorio muy limitado para
que el ordenador, con la tecnología que se disponía en su momento, pudiera exhibir una
inteligencia similar a la humana.

PROF. EMILIA RODRÍGUEZ COSTA

EJEMPLO:

Test de turing inverso (Reverse Turing test)

En este caso, es el ser humano que trata de convencer

al ordenador que no es otro ordenador. Un ejemplo
de ello lo tenemos en los populares CAPTCHA, muy
recurrentes en páginas web donde se tiene que
introducir una contraseña.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
 Logotipo, Icono

Descripción generada automáticamente

En 1997 marcó un hito en la historia del ajedrez –y de la inteligencia artificial–. Fue el día en
que Garry Kasparov, uno de los mejores jugadores de ajedrez de todos los tiempos, perdió
contra Deep Blue, una supercomputadora desarrollada por IBM.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PRINCIPIOS DE LOS 70

PROF. EMILIA RODRÍGUEZ COSTA

Es el algoritmo de Google.
Representaciones de Codificador Bidireccional de Transformadores.

PROF. EMILIA RODRÍGUEZ COSTA

LA IA AUTONÓMA ES tecnología que puede funcionar sin una atención humana
constante para acelerar la detección, el reconocimiento y la respuesta en escenarios
críticos

PROF. EMILIA RODRÍGUEZ COSTA

LA IA AUTONÓMA
Robots de fabricación inteligentes, automóviles autónomos o
EJEMPLOS: robots para el cuidado de personas mayores .

PROF. EMILIA RODRÍGUEZ COSTA

 Logotipo, Icono

Descripción generada automáticamente

SOPHIA: El robot mas avanzado del mundo en 2025 https://youtu.be/fL1Cn05HxD8

PROF. EMILIA RODRÍGUEZ COSTA

(GEMINI)

PROF. EMILIA RODRÍGUEZ COSTA

 Imagen que contiene Logotipo

Descripción generada automáticamente

PROF. EMILIA RODRÍGUEZ COSTA

Una escena surrealista de un bosque encantado iluminado por
una luna gigante en tonos azulados y morados, árboles con
hojas de cristal y raíces flotando en el aire, criaturas místicas
brillando suavemente entre la niebla, reflejos mágicos en un
lago tranquilo, estilo arte digital fantástico, con iluminación
cinematográfica, detalles hiperrealistas y un toque etéreo.
Fondo difuminado, composición centrada, colores vibrantes
pero armoniosos.
Imagen que contiene Logotipo

Descripción generada automáticamente

PROF. EMILIA RODRÍGUEZ COSTA

CREAR UNA IMAGEN QUE DEBE SUBIR A LA TAREA

Imagen que contiene Logotipo

Descripción generada automáticamente

PROF. EMILIA RODRÍGUEZ COSTA

CREAR UN VIDEO QUE DEBE SUBIR A LA TAREA

Imagen que contiene Logotipo

Descripción generada automáticamente

PROF. EMILIA RODRÍGUEZ COSTA

DE LA IA

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
Logotipo, Icono

Descripción generada automáticamente

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
 Logotipo, Icono

Descripción generada automáticamente

PROF. EMILIA RODRÍGUEZ COSTA

La realidad virtual (VR) es una tecnología que
permite crear entornos digitales inmersivos y
simulados, en los que los usuarios pueden interactuar
como si estuvieran realmente presentes en ellos. Esto
se logra a través de dispositivos como cascos de
realidad virtual, auriculares y, en algunos casos, guantes
o trajes especiales que registran los movimientos del
cuerpo. La VR se utiliza en diversas áreas, como
entretenimiento, educación, medicina y entrenamiento
militar, ofreciendo experiencias que van desde
videojuegos hasta simulaciones de situaciones
complejas en entornos seguros.

PROF. EMILIA RODRÍGUEZ COSTA

EJEMPLO
REALIDAD
VIRTUAL
Osso VR es una plataforma de
capacitación en realidad virtual que
permite a los profesionales de la
salud, especialmente cirujanos,
practicar procedimientos médicos
en un entorno virtual. Este tipo de
simulación permite a los médicos
mejorar sus habilidades sin riesgos
para los pacientes, proporcionando
una práctica segura y efectiva.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
La realidad aumentada (AR) es una tecnología
que superpone elementos digitales, como imágenes,
sonidos o datos, en el mundo real a través de
dispositivos como smartphones, tablets o gafas
especiales. A diferencia de la realidad virtual, que crea
un entorno completamente digital, la realidad
aumentada combina el entorno físico con contenido
digital, mejorando la experiencia y proporcionando
información adicional en tiempo real. AR se usa en
aplicaciones como juegos, guías de turismo, medicina, y
en industrias para realizar tareas asistidas.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
El metaverso es un concepto que describe un universo digital inmersivo y persistente donde las personas pueden interactuar entre sí y con entornos virtuales mediante
tecnologías como la realidad virtual (VR), la realidad aumentada (AR), la inteligencia artificial (IA) y la computación en la nube.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
ALGUNAS WEB INTERESANTES
USANDO
DE INTELIGENCIA ARTIFICIAL

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
Un repositorio de inteligencia
artificial es un almacenamiento
organizado donde se guardan,
comparten y administran recursos
relacionados con la inteligencia
artificial (IA).

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
TIPOS DE INTELIGENCIA ARTIFICIAL
P R O F. E M I L I A R O D R Í G U E Z C O S T A

PROF. EMILIA RODRÍGUEZ COSTA

TIPOS DE INTELIGENCIA
ARTIFICIAL

-IA débil vs. IA fuerte

-Aprendizaje supervisado, no supervisado

y por refuerzo

PROF. EMILIA RODRÍGUEZ COSTA

Tipos de Inteligencia Artificial y sus
características principales.

PROF. EMILIA RODRÍGUEZ COSTA

Inteligencia Artificial Débil:

Sistemas diseñados para realizar

tareas específicas sin conciencia ni
comprensión.

PROF. EMILIA RODRÍGUEZ COSTA

Características de la Inteligencia Artificial Débil

1 Enfoque en tareas específicas

La inteligencia artificial débil se centra en ejecutar tareas concretas, como reconocimiento de voz o
análisis de datos, sin entender el contexto general.

2 Falta de autoconsciencia
A diferencia de la inteligencia humana, estos sistemas carecen de consciencia de sí mismos y no
pueden reflexionar sobre sus acciones o decisiones.

3 Limitaciones en el aprendizaje
Aunque pueden aprender de datos, su capacidad de aprendizaje es limitada y no pueden aplicar
ese conocimiento fuera de las tareas específicas para las que fueron diseñados.

PROF. EMILIA RODRÍGUEZ COSTA

Aplicaciones comunes de la Inteligencia
Artificial Débil
Asistentes virtuales

Sistemas como Siri o Alexa son ejemplos de IA débil que realizan tareas
específicas como responder preguntas o controlar dispositivos inteligentes.

Sistemas de recomendación
Plataformas como Netflix y Amazon utilizan IA débil para analizar preferencias de
usuarios y sugerir contenidos o productos relevantes.

Análisis de datos
Herramientas de IA débil se emplean para procesar grandes volúmenes de datos y
extraer patrones, mejorando la toma de decisiones empresariales.

PROF. EMILIA RODRÍGUEZ COSTA

Inteligencia Artificial Débil

Limitaciones notables

La IA débil tiene limitaciones importantes,

ya que no puede aprender de experiencias
fuera de su programación específica o
adaptarse a nuevos contextos.

Uso en la vida cotidiana

La inteligencia artificial débil se utiliza en
aplicaciones cotidianas como la
recomendación de productos, optimización
de búsquedas y atención al cliente
automatizada.

PROF. EMILIA RODRÍGUEZ COSTA

Características de la Inteligencia Artificial Fuerte

1 Capacidad de razonamiento avanzado

La Inteligencia Artificial Fuerte puede razonar y tomar decisiones complejas, similar a un ser
humano, lo que la hace excepcional.

2 Aprendizaje autónomo y adaptativo

Estos sistemas tienen la habilidad de aprender de su entorno y adaptarse a nuevas situaciones sin
intervención humana constante.

3 Interacción natural con humanos

La IA Fuerte facilita una comunicación fluida con humanos, utilizando lenguaje natural y
comprendiendo contextos complejos.

PROF. EMILIA RODRÍGUEZ COSTA

Diferencias entre IA Fuerte y IA Débil

IA Débil se centra en tareas específicas

A diferencia de la IA Fuerte, la IA Débil está diseñada para realizar tareas
concretas y no tiene habilidades de razonamiento general.

Limitaciones en comprensión
La IA Débil no entiende el contexto de la misma manera que un ser humano, lo
que limita su capacidad de respuesta en situaciones complejas.

Menor autonomía
Los sistemas de IA Débil requieren intervención humana para mejorar su
rendimiento y no pueden aprender de manera independiente como la IA Fuerte.

PROF. EMILIA RODRÍGUEZ COSTA

R
E
S
U
M
E
N

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
El aprendizaje automático (o machine learning en inglés) es una rama de la
inteligencia artificial que permite a las máquinas aprender de los datos y mejorar su
rendimiento en una tarea sin necesidad de ser programadas explícitamente
para cada situación.

¿Cómo funciona?
En lugar de seguir instrucciones rígidas, un sistema de aprendizaje automático:
1.Recibe datos (por ejemplo, imágenes, textos o números).
2.Busca patrones o regularidades en esos datos.
3.Crea un modelo (una representación matemática del conocimiento aprendido).
4.Predice o toma decisiones basadas en lo que ha aprendido.
PROF. EMILIA RODRÍGUEZ COSTA
El aprendizaje automático (o machine learning en inglés) es una rama de la inteligencia artificial (IA) que permite a los sistemas y programas
aprender y mejorar automáticamente a partir de datos, sin ser explícitamente programados para realizar cada tarea.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
Concepto fundamental del aprendizaje supervisado en
inteligencia artificial

Aprendizaje Proceso de Aplicaciones en la vida

supervisado como entrenamiento y real
técnica de IA validación
El aprendizaje supervisado es En el aprendizaje supervisado, se Este tipo de aprendizaje se aplica
una técnica de inteligencia entrena un modelo utilizando un en diversas áreas como la
artificial que utiliza datos conjunto de datos de clasificación de emails, el
etiquetados para entrenar entrenamiento y se valida su reconocimiento de voz y la
modelos predictivos. rendimiento con un conjunto de detección de fraudes.
prueba.

PROF. EMILIA RODRÍGUEZ COSTA

 Características del aprendizaje
supervisado
Definición clara y etiquetada
El aprendizaje supervisado se basa en datos que
están claramente etiquetados, lo que permite a Requiere grandes volúmenes de
los modelos aprender de ejemplos específicos.
datos
Este tipo de aprendizaje necesita una gran
cantidad de datos etiquetados para entrenar
modelos precisos y eficaces, lo que puede ser un
desafío.

Aplicaciones prácticas
Se utiliza en diversas aplicaciones como la
clasificación de imágenes, el reconocimiento de Limitaciones
voz y muchos sistemas de recomendación.
Una de las limitaciones es que no puede
generalizar bien a situaciones no vistas si los
datos de entrenamiento son insuficientes.

PROF. EMILIA RODRÍGUEZ COSTA

Características del aprendizaje supervisado

Dependencia de datos etiquetados

El aprendizaje supervisado requiere un conjunto de datos donde cada
entrada está asociada a una etiqueta o resultado conocido.

Mejora continua a través del feedback

Los modelos de aprendizaje supervisado mejoran continuamente a
medida que se les proporciona más datos etiquetados y
retroalimentación.

Eficiencia y precisión en la predicción

Este enfoque permite realizar predicciones precisas y eficientes sobre
datos no vistos, gracias a su entrenamiento basado en ejemplos
previos.

PROF. EMILIA RODRÍGUEZ COSTA

Retos y limitaciones del aprendizaje supervisado

Necesidad de grandes volúmenes de datos

Uno de los principales retos es la necesidad de grandes
volúmenes de datos etiquetados, lo que puede ser costoso y difícil
de obtener.

Problemas de sobreajuste
El sobreajuste es un problema común en el aprendizaje supervisado,
donde el modelo se ajusta demasiado a los datos de entrenamiento y
pierde generalización.

Limitaciones en la generalización
Los modelos entrenados pueden tener dificultades para generalizar si
se encuentran con datos muy diferentes a los de entrenamiento.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
 Características del aprendizaje no supervisado

Detección de patrones
Sin etiquetas en los datos Menor requerimiento de datos
Es útil para la segmentación de mercado,
análisis de agrupamiento y para encontrar
El aprendizaje no supervisado trabaja con relaciones en datos complejos sin A diferencia del aprendizaje supervisado,
datos no etiquetados, lo que le permite intervención humana. este tipo de aprendizaje puede trabajar
descubrir patrones y estructuras ocultas con menos datos, lo que lo hace más
en los datos. accesible.

Menor requerimiento de datos

A diferencia del aprendizaje supervisado, este tipo de aprendizaje puede trabajar con menos datos, lo que lo hace más accesible.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
Clustering y segmentación de datos

Agrupación de clientes Segmentación de Análisis de redes

en marketing mercado en ventas sociales
El aprendizaje no supervisado Utilizando algoritmos de Se puede agrupar a los usuarios
permite identificar grupos de clustering, las empresas pueden en redes sociales según sus
clientes con comportamientos segmentar su mercado y enfocar interacciones, lo que ayuda a
similares, mejorando las sus recursos en las áreas más entender las dinámicas de la
estrategias de marketing rentables. comunidad.
personalizadas.

PROF. EMILIA RODRÍGUEZ COSTA

Reducción de dimensionalidad

Visualización de datos complejos

El aprendizaje no supervisado ayuda a reducir la dimensionalidad de
grandes conjuntos de datos, facilitando su visualización y análisis.

Compresión de imágenes
A través de técnicas como PCA, se pueden comprimir imágenes
manteniendo la mayor parte de la información relevante.

Mejora de algoritmos de aprendizaje

La reducción de dimensionalidad permite que otros algoritmos de
aprendizaje automático funcionen de manera más eficiente al disminuir
la complejidad de los datos.

PROF. EMILIA RODRÍGUEZ COSTA

Detección de anomalías

Identificación de fraudes financieros

El aprendizaje no supervisado puede detectar patrones inusuales
en transacciones que indican posibles fraudes, mejorando la
seguridad financiera.

Monitoreo de sistemas de salud

Detectar anomalías en los datos de pacientes puede ayudar a identificar
enfermedades o condiciones críticas antes de que se agraven.

Seguridad en redes informáticas

La detección de patrones anómalos en el tráfico de red permite
identificar amenazas y ataques cibernéticos de manera proactiva.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
Características del aprendizaje por refuerzo

Aprendizaje basado en la experiencia

El aprendizaje por refuerzo se basa en un sistema de recompensas y
castigos, permitiendo al modelo aprender de la experiencia
1 4
acumulada.

Interacción con el entorno

Este enfoque permite que el modelo interactúe con un entorno,
mejorando su rendimiento a través de la prueba y error en la toma de
2 Desafíos de convergencia
decisiones.
Uno de los principales retos es
asegurar la convergencia del modelo,
ya que el proceso de aprendizaje
puede ser ineficiente sin un diseño
Aplicaciones en robótica adecuado.

Es especialmente efectivo en aplicaciones como la robótica, donde

los agentes deben aprender a navegar y realizar tareas complejas.
3

PROF. EMILIA RODRÍGUEZ COSTA

Principios básicos del aprendizaje por refuerzo

Definición de Elementos clave del Exploración vs.

aprendizaje por refuerzo aprendizaje por refuerzo explotación
El aprendizaje por refuerzo Los elementos esenciales El balance entre exploración de
implica un agente que toma incluyen el agente, el entorno, las nuevas estrategias y explotación
decisiones en un entorno para acciones, las recompensas y la de las conocidas es crucial para
maximizar recompensas a través política, que guían el el éxito en el aprendizaje por
de ensayo y error. comportamiento del agente. refuerzo.

PROF. EMILIA RODRÍGUEZ COSTA

Estrategias de implementación eficientes

Métodos de aprendizaje
Los métodos como Q-learning y SARSA son populares en el aprendizaje
por refuerzo, cada uno con sus propias ventajas y desventajas.

Uso de redes neuronales

Integrar redes neuronales permite manejar espacios de estado
complejos y mejora la capacidad del agente para aprender de
experiencias pasadas.

Ajuste de hiperparámetros
La selección y ajuste cuidadoso de hiperparámetros como tasa de
aprendizaje y descuento son fundamentales para optimizar el
rendimiento del modelo.

PROF. EMILIA RODRÍGUEZ COSTA

Aplicaciones del aprendizaje por refuerzo

Robótica y automatización
El aprendizaje por refuerzo se aplica en robótica para enseñar a
los robots a realizar tareas complejas mediante la interacción con
su entorno.

Juegos y simulaciones
En el ámbito de los videojuegos, se utiliza para desarrollar agentes que
pueden competir a nivel humano en juegos complejos y estratégicos.

Optimización de procesos
Se implementa en la optimización de procesos industriales, mejorando
la eficiencia y reduciendo costos mediante decisiones basadas en
datos.

PROF. EMILIA RODRÍGUEZ COSTA

CONCLUSIÓN:
1️⃣ Aprendizaje Supervisado
•Se entrena un modelo con datos etiquetados (es decir, con
respuestas correctas conocidas).
•Ejemplo: Un modelo que aprende a reconocer imágenes de gatos
porque se le han dado miles de imágenes etiquetadas como "gato"
o "no gato".
2️⃣ Aprendizaje No Supervisado
•Se usa cuando no hay etiquetas en los datos. El modelo encuentra
patrones ocultos por sí solo.
•Ejemplo: Agrupar clientes con hábitos de compra similares sin
saber de antemano sus categorías.
3️⃣ Aprendizaje por Refuerzo
•Un agente aprende mediante prueba y error, recibiendo
recompensas o penalizaciones según sus acciones.
•Ejemplo: Un robot que aprende a caminar optimizando su
equilibrio con cada intento.
https://youtu.be/0liIA-Rid6s

PROF. EMILIA RODRÍGUEZ COSTA

TAREA:

Lista de Ejemplos de
IA FUERTE Y IA DÉBIL

PROF. EMILIA RODRÍGUEZ COSTA

TAREA:

Lista de Ejemplos de
APRENDIZAJE SUPERVISADO, NO
SUPERVISADO Y POR REFUERZO

PROF. EMILIA RODRÍGUEZ COSTA

 Ejemplo Tipo de Aprendizaje
Clasificación de correos electrónicos (Spam o No Spam) SUPERVISADO
Robots aprendiendo a caminar POR REFUERZO
Predicción del precio de una casa SUPERVISADO
Segmentación de clientes en marketing NO SUPERVISADO
Optimización de rutas de entrega (Amazon, FedEx) SUPERVISADO + POR REFUERZO
Recomendaciones de música (Spotify, YouTube Music) SUPERVISADO+NO SUPERVISADO
Análisis de fraudes bancarios SUPERVISADO
Reconocimiento facial en fotos (Facebook, iPhone Face
SUPERVISADO
ID)
Conducción autónoma (Tesla, Waymo) POR REFUERZO
Agrupación de noticias similares en Google News NO SUPERVISADO
IA jugando ajedrez o videojuegos (AlphaGo, DeepBlue) POR REFUERZO
Diagnóstico de enfermedades con imágenes médicas SUPERVISADO
Clasificación de películas por género (Acción, Comedia,
SUPERVISADO
Drama)
Predicción de la bolsa de valores SUPERVISADO
Chatbots de atención al cliente (IA que responde
SUPERVISADO
preguntas en tiendas online)
Reducción de dimensionalidad para compresión de
NO SUPERVISADO
imágenes

PROF. EMILIA RODRÍGUEZ COSTA

TALLER:
Aprendizaje Supervisado

Es un tipo de aprendizaje automático en el que el modelo aprende a partir de datos etiquetados. Se le proporcionan
ejemplos con respuestas correctas para que pueda predecir o clasificar datos nuevos en el futuro.

Aprendizaje No Supervisado

Es un tipo de aprendizaje automático en el que el modelo descubre patrones en datos sin etiquetas. En lugar de
decirle qué debe aprender, la IA analiza la estructura de los datos y los agrupa en categorías según similitudes.

Teachable Machine (Google)

https://teachablemachine.withgoogle.com/
Ideal para: Clasificación de imágenes, sonidos y poses.
Cómo funciona:
•Permite a los alumnos subir imágenes o sonidos y entrenar un modelo de IA sin
programar.
•Se entrena un modelo con ejemplos etiquetados y luego se prueba con nuevas
imágenes o sonidos.
Ejemplo en clase: Entrenar un modelo para reconocer gestos faciales o sonidos
de voz.

PROF. EMILIA RODRÍGUEZ COSTA

PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
PROF. EMILIA RODRÍGUEZ COSTA
 1. Época (Epoch)

Definición: Una época es cuando el modelo ha visto todos

los datos de entrenamiento una vez.
Ejemplo:
•Si tienes un dataset con 1,000 imágenes y entrenas por 10
épocas, significa que el modelo ha visto esas 1,000 imágenes 10
veces en total.
•A veces, una sola pasada no es suficiente para aprender bien, por
lo que se hacen varias épocas.
Dato importante:
Más épocas pueden mejorar el aprendizaje, pero demasiadas
pueden llevar a sobreajuste (overfitting), es decir, que el modelo
memoriza los datos en lugar de generalizar.

PROF. EMILIA RODRÍGUEZ COSTA

 2. Tamaño del Lote (Batch Size)

Definición: El tamaño del lote es la cantidad de datos que el

modelo procesa antes de actualizar sus parámetros.
Ejemplo:
•Si tienes un dataset de 1,000 imágenes y un tamaño de lote de
100, el modelo procesará 100 imágenes antes de actualizarse.
•Como resultado, para una época completa, el modelo hará 10
actualizaciones (porque 1,000 ÷ 100 = 10 lotes).
Opciones comunes de tamaño de lote:
Mini-batch (pequeños lotes, ej. 32, 64, 128): Más eficiente y
ayuda a encontrar mejores soluciones.
Batch grande (ej. 512, 1024): Puede ser más rápido, pero
consume más memoria y puede ser menos estable.

PROF. EMILIA RODRÍGUEZ COSTA

 3. Tasa de Aprendizaje (Learning Rate)

Definición: La tasa de aprendizaje es un número que

controla cuánto cambia el modelo en cada actualización.
Ejemplo:
•Si la tasa de aprendizaje es muy alta (ej. 0.1 o más), el
modelo aprende rápido, pero podría saltar la mejor solución.
•Si la tasa de aprendizaje es muy baja (ej. 0.0001), el modelo
aprende lentamente y podría quedarse atascado en un mal
resultado.
Cómo elegir una buena tasa de aprendizaje:
Alta (ej. 0.1 o 0.01): Aprende rápido, pero puede ser
inestable.
Media (ej. 0.001): Buen equilibrio entre rapidez y precisión.
Baja (ej. 0.0001 o menos): Puede dar mejores resultados,
pero tarda más tiempo.

PROF. EMILIA RODRÍGUEZ COSTA

 Entrenamiento y Fine-Tuning de Modelos de Lenguaje
Pregunta:
"¿Qué crees que hace falta para que una IA entienda tu idioma
y además aprenda a hablar como tú?"

¿Qué es un modelo de lenguaje?

Un modelo de lenguaje es un sistema de inteligencia artificial diseñado para entender, generar y
predecir texto en lenguaje natural, es decir, el lenguaje que usamos los humanos para
comunicarnos (como el español, inglés, etc.).

En otras palabras:
Es como una máquina entrenada con enormes cantidades de texto (libros, artículos, sios web)
que aprende cómo se usan las palabras, qué significan según el contexto, cómo se estructuran
las frases y qué viene después de cada palabra.

PROF. EMILIA RODRÍGUEZ COSTA

 ¿Qué puede hacer un modelo de lenguaje?

•Responder preguntas
•Redactar textos (poesías, emails, artículos…)
•Traducir idiomas
•Corregir ortografía y gramática
•Resumir información
•Conversar con humanos (como lo estamos haciendo
ahora )

PROF. EMILIA RODRÍGUEZ COSTA

 ¿Cómo funciona?

Imagina que leyó millones de libros. A partir de eso, aprende patrones:

Si alguien escribe “Había una vez…”, lo más probable es que venga algo como “un
cuento”, no “una calculadora azul”.

Los modelos modernos (como GPT, BERT, LLaMA) utilizan redes neuronales muy
avanzadas llamadas transformers, que permiten comprender el contexto completo
de una oración, no solo palabra por palabra.

PROF. EMILIA RODRÍGUEZ COSTA

ACTIVIDAD

Pídele e ChatGPT que cree

una tabla con la Comparativa
entre GPT, BERT y LLaMA y
dame el archivo en Word para
descargarla.

PROF. EMILIA RODRÍGUEZ COSTA

 En resumen:

•GPT: Ideal para crear texto, como si escribiera artículos, poemas o

conversaciones.
•BERT: Experto en entender el texto, perfecto para responder
preguntas o clasificar.
•LLaMA: Un modelo más eficiente y abierto, pensado para la
comunidad investigadora, con capacidad generativa similar a GPT.

PROF. EMILIA RODRÍGUEZ COSTA

Diferencia entre pre-entrenamiento y fine-tuning

Etapa Pre-entrenamiento Fine-tuning (ajuste fino)

Entrenamiento inicial, general y Ajuste posterior, específico y
¿Qué es?
masivo enfocado
Todo el lenguaje: gramática, Una tarea o dominio concreto
Aprende sobre...
vocabulario, estructura, contexto(medicina, derecho, turismo, etc.)
Gigantescos y diversos (libros, Datos pequeños, etiquetados y
Datos usados
Wikipedia, internet) especializados
Comportamiento o conocimiento
Capacidad que adquiere Comprensión general del lenguaje
específico
El modelo aprende cómo se forma Se entrena para responder solo
Ejemplo
una oración correctamente preguntas legales, por ejemplo

PROF. EMILIA RODRÍGUEZ COSTA

 Actividad: “Entiendo lo que leo”

Ejercicio de asociación conceptual:

Presenta las siguientes columnas y que los alumnos relacionen:

Término Definición
Preentrenamiento a) Ajustar un modelo para una tarea concreta
Dataset b) Conjunto de datos de entrenamiento
Token c) Unidad de entrada textual
d) Etapa inicial de entrenamiento sobre lenguaje
Fine-tuning
general

Respuesta correcta:
Preentrenamiento → d
Dataset → b
Token → c
Fine-tuning → a
PROF. EMILIA RODRÍGUEZ COSTA