Impacto da IA na Sociedade. Curso 2024-2025.

Para rematar este curso, imos a analizar as consecuencias, positivas e negativas, que a IA ten e terá na sociedade, especificamente aquelas vinculadas a oportunidades e sostibilidade, aspectos legais, e preocupacións éticas.

Antes de nada podemos realizarnos as seguintes preguntas, como unha axuda para iniciar as nosas reflexións e debates na aula:

A intelixencia artificial podería...

•     ... ter nesgos de sexo, raza ou relixión?
•     ... destruír postos de traballo?
•     ... favorecer aos países enriquecidos?
•     ... influír nas nosas preferencias o gustos?
•     ... aumentar a pegada de carbono?
•     ... decidir quen debe ser salvado ou salvada?
•     ... desafiar a nosa privacidade?

Comezaremos coa visualización deste breve vídeo que forma parte do curso "Inteligencia Artificial y Educación" de Programamos.

Podes premer na seguinte ligazón para acceder ao documento en formato pdf que contén esta unidade: Impacto da IA na Sociedade.pdf.

Recursos:

Vídeo sobre os nesgos.

Páxina sobre Privacidade. "OpenAI, Google y Meta están violando la privacidad de los usuarios y los derechos de autor para entrenar a sus IA".

Vídeo sobre Privacidade.

Video sobre IA e desemprego.

Vídeo sobre IA e sostibilidade.

Vídeo sobre IA e dilemas éticos.

Caso práctico: Redes neuronais convolucionais. Curso 2024-2025.

Nesta entrada veremos como se poden usar redes neuronais convolucionais para a clasificación de imaxes.

Continuaremos a seguir os videotitoriais da estupenda canle de Ringa Tech, en concreto da lista de reprodución: Inteligencia Artificial desde cero con Python y Tensorflow.

De seguido tes unha ligazón ao 4º vídeo da lista de reprodución: Redes Neuronales Convolucionales - Clasificación avanzada de imágenes con IA / ML (CNN).

Como continuación desta introdución ás redes convolucionais, podes acceder ao 5º vídeo da lista de reprodución: Crea un clasificador de perros y gatos con IA, Python y Tensorflow - Proyecto completo.

Práctica 2: O noso primeiro clasificador de imaxes. Curso 2024-2025.

Estrutura da rede neuronal que utilizaremos nesta práctica.

Nesta 2ª práctica de programación con Python, realizaremos o noso primeiro clasificador de imaxes cunha rede neuronal "normal" (máis adiante utilizaremos unha rede neuronal convolucional, máis axeitada a este tipo de problemas).

Para a realización desta práctica volveremos a acceder a Google Colab cunha conta de Google.

Podes seguir esta práctica paso a paso se descargas o seguinte pdf: Clasificador de imaxes.

Nesta práctica volveremos a seguir os videotitoriais da canle de Ringa Tech, en concreto da lista de reprodución: Inteligencia Artificial desde cero con Python y Tensorflow.

De seguido tes unha ligazón ao 2º vídeo da lista de reprodución: Tu primer clasificador de imágenes con Python y Tensorflow.

Neste vídeo se indican os pasos para crear unha rede neuronal que nos permitirá clasificar imaxes, aínda que finalmente veremos que esta opción da resultados limitados e en futuras prácticas utilizaremos redes neuronais convolucionais, máis adaptadas a este tipo de problemas.

Como datos para adestramento e test do noso modelo, utilizaremos un conxunto de imaxes (70.000 de 28x28 píxeles en escala de grises) creado pola tenda de roupa Zalando.

Práctica 1: A nosa primeira rede neuronal. Curso 2024-2025.

Nesta 1ª práctica de programación con Python, realizaremos unha sinxela primeira rede neuronal.

Para a realización desta práctica e das seguintes, necesitaredes acceder a Google Colab cunha conta de Google.

Unha vez creado o caderno en Colab, poderedes volver a acceder a el desde o voso Drive.

Podes seguir esta práctica paso a paso se descargas o seguinte pdf: Práctica rede neuronal.

Nesta práctica e seguintes seguiremos os videotitoriais da estupenda canle de Ringa Tech, en concreto da lista de reprodución: Inteligencia Artificial desde cero con Python y Tensorflow.

De seguido tes unha ligazón ao 1º vídeo da lista: Tu primera red neuronal en Python y Tensorflow.

Neste vídeo se indican os pasos para crear unha primeira rede neuronal sinxela (perceptrón) que resolva o problema de coñecer os graos Fahrenheit correspondentes a uns graos celsius dados, para posteriormente indicar como podríamos solucionalo cunha rede neuronal cun maior número de capas e neuronas (aínda que non obteriamos resultados mellores).

Finalmente veremos como este problema se pode solucionar dun xeito máis sinxelo e directo utilizando a ferramenta de regresión lineal da bliblioteca sklearn.

Profundización na IA. Curso 2024-2025.

Imos a profundizar no coñecemento e uso da IA, para o cal necesitaremos comezar a programar en Python.

En futuras entradas utilizaremos os cadernos de Google Colab para solucionar diversos problemas de adestramento automático (Machine Learning) programando en linguaxe Python.

Pero antes, imos repasar brevemente cales son os paradigmas de aprendizaxe en adestramento automático, que é Google Colab e cales son as bibliotecas de funcións matemáticas máis utilizadas (Tensor Flow, Keras, etc).

Preme na seguinte ligazón Profundización na IA.pdf, para ver ou descargar este contido.

Ademais podedes acceder a un par de páxinas que vos permitirán aprender como os diversos parámetros da rede neuronal (número de capas, número de neuronas por capa, funcións de activación, etc) afectan ao aprendizaxe supervisado.

• Machine Learning Playground.
• Playground de Tensorflow.

imos a repasar conceptos que xa vimos anteriormente, para o que podes acceder aos seguintes vídeos da canle de Dot.csv:

¿Qué es una Red Neuronal? Parte 1 : La Neurona | DotCSV

¿Qué es una Red Neuronal? Parte 2 : La Red | DotCSV

¿Qué es una Red Neuronal? Parte 3 : Backpropagation | DotCSV

¿Qué es una Red Neuronal? Parte 3.5 : Las Matemáticas de Backpropagation | DotCSV