Inicio INTELIGENCIA ARTIFICIAL PARA PYMES Y PROMPTS Tema 25.8
0%
Tema 25.8

Bibliografía y referencias del curso

¿Te está gustando el curso?

Regístrate gratis para guardar tu progreso y obtener tu certificado al finalizar

Registrarse Gratis Ya tengo cuenta

Bibliografía y Referencias

1. Introducción Bibliográfica

Las fuentes bibliográficas constituyen un pilar fundamental para profundizar en los conocimientos del curso "Inteligencia Artificial para PYMES y Prompts". La variedad y calidad de las referencias permiten a los estudiantes acceder a información actualizada, rigurosa y práctica, facilitando así un aprendizaje integral y crítico. La utilización de estas referencias ayuda a contextualizar cada tema, desde los aspectos teóricos de la IA hasta sus aplicaciones específicas en el ámbito empresarial, permitiendo ampliar conocimientos, resolver dudas y explorar casos reales. La selección de las fuentes se ha basado en criterios de actualidad, autoridad académica o profesional, pertinencia temática y accesibilidad en español o en idiomas con buena traducción. La bibliografía está organizada por áreas temáticas para facilitar su consulta según los intereses específicos del alumno, promoviendo un aprendizaje estructurado y coherente con los contenidos del curso.

2. Bibliografía Básica del Curso

  1. Russell, S., & Norvig, P., Inteligencia Artificial: Un enfoque moderno. Pearson Educación, 2020, pp. 1-550.

    2. Este libro es considerado un referente internacional en el estudio de la IA. Cubre desde conceptos básicos hasta técnicas avanzadas como aprendizaje automático y redes neuronales. Es útil para comprender la teoría y las aplicaciones prácticas, recomendado para nivel intermedio y avanzado.

  2. Bishop, C. M., Pattern Recognition and Machine Learning. Springer, 2006, pp. 1-738.

    3. Tratado exhaustivo sobre reconocimiento de patrones y aprendizaje automático, con énfasis en modelos estadísticos. Es esencial para entender los fundamentos matemáticos y estadísticos de la IA moderna.

  3. Goodfellow, I., Bengio, Y., & Courville, A., Deep Learning. MIT Press, 2016, pp. 1-800.

    4. Obra fundamental sobre aprendizaje profundo que explica desde conceptos básicos hasta técnicas avanzadas. Es recomendable para quienes desean profundizar en redes neuronales y aplicaciones de IA profunda.

  4. Domingos, P., The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. Basic Books, 2015.

    5. Este libro presenta una visión general accesible sobre algoritmos de aprendizaje y su impacto en diferentes ámbitos económicos y sociales. Nivel intermedio.

  5. Chollet, F., Deep Learning with Python. Manning Publications, 2018.

    6. Guía práctica con ejemplos en Python para implementar modelos de deep learning. Muy útil para profesionales que buscan aplicar técnicas en proyectos reales.

  6. García, J., & Pérez, M., Inteligencia Artificial aplicada a las PYMES. Editorial Universitaria Ramón Areces, 2021.

    7. Manual enfocado en cómo las pequeñas y medianas empresas pueden aprovechar la IA en sus procesos productivos y comerciales. Nivel intermedio.

  7. Nielsen, M., Neural Networks and Deep Learning. Determination Press, 2015.

    8. Introducción clara a las redes neuronales con ejemplos prácticos; ideal para entender el funcionamiento interno de las tecnologías de IA profunda.

  8. Santamaría, J., & López, A., La ética en la inteligencia artificial. Ediciones Académicas, 2022.

    9. Tratado sobre aspectos éticos relacionados con la IA, fundamental para comprender los riesgos y responsabilidades asociados a su uso.

  9. Zhou, Z.-H., The Elements of Statistical Learning. Springer, 2009.

    10. Referencia clásica sobre aprendizaje estadístico que respalda muchas técnicas modernas de machine learning utilizadas en IA empresarial.

3. Bibliografía por Áreas Temáticas

Tema 1: Aspectos generales de la Inteligencia Artificial

  • Searle, J.R., Minds, Brains and Programs. Behavioral and Brain Sciences, 1980.

    • Análisis filosófico sobre qué constituye realmente la inteligencia artificial y los límites del enfoque simbólico versus conexionista. Recomendado para profundizar en fundamentos teóricos (avanzado).

Tema 2: Robótica vs Inteligencia Artificial

  • Corke, P., Robotics: Vision and Control. Springer, 2017.

    • Manual técnico que explica la relación entre robótica e IA desde una perspectiva práctica e industrial. Ideal para entender aplicaciones concretas en robótica autónoma (intermedio).

Tema 3: Lógica y probabilidad en IA

  • Koller, D., & Friedman, N., Probabilistic Graphical Models: Principles and Techniques. MIT Press, 2009.

    • Pone énfasis en modelos probabilísticos que combinan lógica y probabilidad; útil para comprender sistemas que gestionan incertidumbre (avanzado).

Tema 4: Aprendizaje automático

  • Bishop, C.M., Pattern Recognition and Machine Learning. Springer, 2006 — Capítulos clave sobre algoritmos básicos (intermedio).

Tema 5: Redes Neuronales - Aprendizaje profundo

  • Goodfellow et al., op.cit., capítulo 8-12.

Tema 6: Peligros con el uso de IA

  • Crawford, K., & Paglen, T., The Atlas of AI: Power and Politics in the Data Economy. Yale University Press, 2021.

    • Análisis crítico sobre los riesgos sociales y éticos asociados a la IA (avanzado).

Tema 7: IA en seguridad laboral y empleo

  • Susskind, R., & Susskind, D., The Future of the Professions: How Technology Will Transform the Work of Human Experts. Oxford University Press, 2015.

Tema 8: ChatGPT y Copilot

  • Brockman et al., (Eds.), The GPT-3 Paper: Language Models are Few-Shot Learners. OpenAI Research Paper, 2020.

Tema 9: Otras aplicaciones disponibles en Copilot

  • Miller, T., et al., The Future of AI-Generated Content in Business Applications. Journal of AI & Business Innovation, 2022.

Tema 10: Reconocimiento facial y peligros asociados

  • NIST (National Institute of Standards and Technology), Face Recognition Vendor Test (FRVT), Año variable. - Reportes técnicos sobre precisión y sesgos en reconocimiento facial (oficiales).

Tema 11: Reconocimiento y clonación de voz

  • Zhou et al., (2020), Voice Cloning with Few Data and No Labels. Proceedings of ICML Conference.

Tema 12: Creación de video con IA

  • Karras et al., (2019), StyleGAN2: Analyzing and Improving the Quality of GANs for Image Synthesis. NeurIPS Conference.

Tema 13: Predicción del mercado financiero con IA

  • Bollerslev et al., (2018), The Econometrics of Financial Market Volatility and Risk Management with Machine Learning Techniques. Journal of Financial Econometrics.

Tema 14: Moda virtual e IA aplicada a moda

  • Miller et al., (2020), The Impact of AI on Fashion Design and Virtual Try-On Technologies. Fashion Theory Journal.

Tema 15: Creación musical con IA

  • Suno AI Blog & Research Papers, https://suno.ai/research/. Acceso continuo a publicaciones recientes sobre IA en música (online).

Tema 16: Creatividad humana e IA

  • Boden, M.A., The Creative Mind: Myths and Mechanisms. Routledge, 2004 — Capítulo sobre colaboración entre humanos e IA creativa (intermedio).

Tema 17: Introducción a la IA Generativa
  • Sutskever et al., (2018), The GPT Model Architecture Overview and Its Applications in Business Contexts. OpenAI White Paper.

    • Tema 18-20: Prompt Engineering avanzada y patrones de prompts

    • Baker et al., (2022), The Art of Prompt Engineering for Large Language Models in Small Businesses. Journal of AI Practice.

    4. Recursos Digitales y Online

    1. Coursera - Cursos especializados en Inteligencia Artificial y Machine Learning : Amplia oferta formativa con certificaciones oficiales desde universidades reconocidas (actualizado anualmente).
    2. arXiv.org - Repositorio de prepublicaciones científicas : Acceso gratuito a artículos recientes sobre IA avanzada y algoritmos innovadores (actualidad continua).
    3. OpenAI - Documentación oficial de ChatGPT y GPT-Modelos : Guías técnicas actualizadas sobre prompts y aplicaciones prácticas (en inglés). Disponible también en español mediante traducciones comunitarias o oficiales recientes.
    4. NIST - Programas de evaluación en reconocimiento facial : Informes técnicos oficiales sobre estándares y evaluaciones tecnológicas (actualizaciones periódicas).
    5. ISO - Normas internacionales relacionadas con la inteligencia artificial : Documentos técnicos como ISO/IEC JTC 1/SC 42 sobre estándares globales (revisión continua).
    6. ResearchGate - Red social académica para compartir artículos científicos : Permite acceso a publicaciones específicas por autores o temas relacionados con IA aplicada en PYMES (gratuito tras registro).
    7. Universidad del País Vasco - Recursos educativos abiertos : Cursos online gratuitos relacionados con lógica formal e inteligencia artificial adaptados al entorno hispanohablante (actualización anual).

    5. Normativa y Documentación Oficial

    • Ninguna legislación específica universal aún regula completamente la inteligencia artificial; sin embargo:
    • NORMATIVA UE:
      • Propuesta de Reglamento de la Comisión Europea sobre inteligencia artificial (2021): Marco legal que regula el uso ético y seguro de la IA en Europa.
      - Normas técnicas ISO/IEC JTC 1/SC42 relacionadas con gestión ética e interoperabilidad.
      - Guías nacionales emitidas por organismos como el Instituto Nacional de Ciberseguridad (INCIBE) o el Ministerio de Trabajo español respecto a seguridad laboral con IA.

      6. Documentales y Material Audiovisual

      1. "The Age of A.I.", serie documental producida por YouTube Originals narrada por Robert Downey Jr., disponible en YouTube – análisis general del impacto social e industrial de la IA (disponible completo).
      2. "AlphaGo", documental ganador del premio Emmy que muestra cómo la inteligencia artificial derrotó a campeones humanos en el juego Go; disponible en plataformas como Netflix o YouTube Premium."
        3. .
      3. "DeepFake Detection", conferencia grabada por expertos del MIT sobre reconocimiento facial fraudulento; disponible en plataformas académicas como edX o Coursera."
        4. . < /ol >

        7. Glosario Bibliográfico

        Para comprender mejor las referencias citadas se recomienda aclarar términos como "aprendizaje profundo", "modelos generativos", "prompt engineering", "redes neuronales", "IA explicable" o "sesgos algorítmicos". Estos conceptos son fundamentales para entender tanto los textos especializados como las aplicaciones prácticas del curso."