Acerca de los autores, dedicatoria, agradecimientos, mensaje del editor.

"Con" Plataforma de contenidos interactivos, página Web del libro, organización del libro.

Incluye referencias bibliográficas [343]- 346 e índice.

Capitulo 1. Introducción a la Inteligencia Artificial -- Capítulo 2. Aprendizaje de máquinas: Regresión lineal -- Capítulo 3. Discriminación lineal y regresión logística -- Capítulo 4. Tratamiento de imágenes -- Capítulo 5. Reconocimiento de objetos -- Capítulo 6. El perceptrón y su entrenamiento -- Capítulo 7. El perceptrón multicapa y su entrenamiento -- Referencias a sitios web

La inteligencia artificial (IA) es la ciencia y la ingeniería de las máquinas que actúan de manera inteligente, cuando son las máquinas capaces de tomar decisiones apropiadas en circunstancias inciertas y mejorar su comportamiento a partir de sus experiencias. La IA es una disciplina con un nivel de madurez muy alto. No se puede poner en tela de juicio su potencial, aplicabilidad e impacto en nuestra sociedad. Prácticamente todos en nuestras casas, lugares de trabajo o públicos, sin darnos cuenta, utilizamos dispositivos inteligentes que nos hacen la vida más fácil, amplían nuestras capacidades, y nos liberan de tareas peligrosas, engorrosas y cansadas. En muchos países, la IA es un campo de investigación y aplicación con avances notorios. Esta tecnología horizontal contribuye al desarrollo sostenible de tales países. Constituye un espacio de grandes oportunidades para el desarrollo científico, pero, sobre todo, tecnológico e innovador para la apertura de nuevos mercados y negocios. Hoy en día, la IA tiene un enorme impacto en diversas carreras profesionales como ingeniería en sistemas computacionales, licenciatura en informática y ciencias de la computación, electrónica, robótica, mecatrónica, control y automatización, entre otras. Con este libro aprenderá diferentes aspectos de la IA: Aprendizaje de máquinas utilizando regresión lineal. Tipos de aprendizaje: supervisado, semi-supervisado, no supervisado y por reforzamiento. Discriminación lineal y regresión logística. Tratamiento y acondicionamiento de imágenes, procesamiento de ruido y mejorado de contrastes. Así como tipos de filtros: promedio aritmético, promedio gaussiano y mediano. Reconocimiento de objetos, segmentación de imágenes, umbralado manual y automático, método Otsu y del mínimo error. Posfiltrado de imágenes y descripción de objetos, detección y reconocimiento. Perceptrón y su entrenamiento, arquitectura básica de RNA, modelos de neuronas artificiales, la ADELINE y la regla Delta, perceptrón sigmoidal. Perceptrón multicapa y redes neuronales convolucionales.