Programa del Curso

• Comprender qué es la IA y qué no es
• Identificar cómo aparece en apps y plataformas que usas todos los días
• Distinguir entre IA, aprendizaje automático y aprendizaje profundo
• Reconocer tres formas básicas en que puede aprender una máquina

Contenido clave

• IA, aprendizaje automático y aprendizaje profundo — tres conceptos relacionados, pero no idénticos. Ejemplos: TikTok, Spotify, Google Maps, Gmail.
• Primer vistazo al aprendizaje supervisado: cómo una máquina puede aprender una relación sencilla a partir de datos y retroalimentación.
• Más formas de aprender: aprendizaje no supervisado y aprendizaje por refuerzo, explicados de manera intuitiva.

• Entender la arquitectura básica de una red neuronal: neuronas, pesos y capas
• Distinguir entre entrenamiento e inferencia
• Ver cómo una computadora convierte imágenes en números para poder aprender de ellas

Conceptos clave

• Neurona artificial: recibe números, les asigna peso y produce una salida.
• De píxeles a números: una imagen se vuelve una tabla de valores que el modelo puede procesar.
• De una neurona a una red: muchas neuronas conectadas permiten reconocer patrones más complejos.
• Entrenamiento e inferencia: primero el modelo aprende con ejemplos; después usa lo aprendido para responder casos nuevos.

• Conocer distintos métodos de IA de forma intuitiva
• Entender por qué cada problema pide un tipo distinto de modelo

Mapa de métodos

• Entender qué es un modelo de lenguaje grande (LLM)
• Comprender cómo los tokens y la probabilidad explican muchas respuestas de la IA generativa
• Comparar cuándo conviene usar ChatGPT, Gemini o Perplexity
• Identificar limitaciones: alucinaciones, sesgos y respuestas que suenan seguras pero pueden estar mal

• Reflexionar sobre las implicaciones éticas y los riesgos de la IA
• Analizar sesgo algorítmico con casos locales e internacionales
• Discutir privacidad, vigilancia y deepfakes

• Usar IA para mejorar comprensión de textos en español e inglés
• Usar IA como apoyo de edición sin delegar la autoría
• Practicar idiomas con herramientas conversacionales de IA

Tres usos concretos

• Explorar herramientas de IA generativa para expresión creativa
• Usar la IA como parte de un proceso de objetivos, iteración y revisión
• Reflexionar sobre creatividad, autoría y derechos en la era de la IA

Creatividad con IA

Herramientas y experiencias

• Usar IA para mejorar organización personal y académica
• Transformar materiales escolares en acciones de estudio concretas
• Usar herramientas de IA sin perder responsabilidad sobre el aprendizaje

Flujo de trabajo de la sesión

• Usar IA para entender matemáticas sin saltarse el razonamiento
• Aprender a verificar respuestas, pasos y explicaciones
• Distinguir entre un asistente de estudio y sistemas especializados de competencia matemática

El ciclo EVP

• Construir una intuición de cómo se entrena y evalúa un modelo de aprendizaje automático
• Ejecutar un experimento en Python con Google Colab
• Usar un árbol de decisión para reconocer dígitos escritos a mano
• Usar IA como copiloto para entender y modificar código

Experimento central

• Datos: imágenes pequeñas de dígitos escritos a mano, con su etiqueta correcta.
• Separación entrenamiento/prueba: una parte sirve para aprender y otra para revisar si el modelo generaliza.
• Modelo: un árbol de decisión que hace preguntas sobre píxeles.
• Evaluación: predicciones, errores, matriz de confusión y pequeños experimentos para observar qué cambia.

Para continuar

• Entender cómo un robot conecta sensores, controladores y actuadores
• Ver cómo pasa de observar el mundo a tomar una acción física
• Distinguir entre controladores, reglas fijas y autonomía con IA
• Aprender sobre robots que resuelven problemas en almacenes, salud, logística y exploración

Partes de un robot

• Ubicar dónde aparece la IA en el sector salud y qué problemas busca resolver
• Analizar beneficios, riesgos y condiciones mínimas antes de usar IA con pacientes
• Conectar el tema con México, consentimiento informado, agencia y perspectiva del paciente

Ruta de la sesión

• Mapa de usos: diagnóstico, seguimiento, investigación, administración y apoyo a decisiones clínicas.
• AlphaFold: cómo predecir estructuras de proteínas puede acelerar investigación biomédica y desarrollo de tratamientos.
• Beneficios y riesgos: ejemplos de mejora en atención, pero también sesgos, errores y desigualdad de acceso.
• Antes de usar IA con pacientes: informar, evaluar comodidad y pedir consentimiento de manera clara.
• México: infraestructura, desigualdades y proyectos locales que muestran oportunidades y límites.

Conexión local