La materia de Inteligencia Artificial tiene como objetivo que el alumnado comprenda qué es la IA, cómo funciona y cómo puede utilizarse de forma crítica, segura y responsable para resolver problemas reales.

A lo largo del curso se combinarán los fundamentos teóricos con la programación y el desarrollo de aplicaciones. El alumnado conocerá conceptos como aprendizaje automático, datos, modelos, IA generativa y algoritmos, y aprenderá a utilizar herramientas como Scratch, App Inventor y Python para desarrollar soluciones tecnológicas.

La materia no se centra únicamente en aprender a utilizar herramientas de IA. Se pretende que el alumnado comprenda sus posibilidades y limitaciones, sea capaz de analizar los resultados que produce, detectar errores y sesgos, proteger la privacidad y utilizar correctamente contenidos y recursos digitales.

El curso culminará con un proyecto final, en el que el alumnado deberá identificar un problema real y diseñar una solución tecnológica que incorpore inteligencia artificial, justificando las decisiones tomadas, evaluando sus resultados y considerando sus implicaciones éticas, legales y de seguridad.

Índice de contenidos

1. Fundamentos de la Inteligencia Artificial

• ¿Qué es la Inteligencia Artificial?

• Evolución histórica de la IA.

• IA específica y sistemas de propósito general.

• Inteligencia Artificial Generativa.

• Machine Learning y Deep Learning.

• Automatización frente a Inteligencia Artificial.

• Sistemas inteligentes.

• Sensores, datos, procesamiento y actuadores.

2. Seguridad, privacidad, ética y licencias

• Conceptos básicos de ciberseguridad.

• Contraseñas y autenticación.

• Phishing e ingeniería social.

• Malware y seguridad de dispositivos.

• Seguridad aplicada a la Inteligencia Artificial.

• Datos personales y privacidad.

• Huella digital.

• Sesgos y discriminación algorítmica.

• Desinformación y manipulación.

• Deepfakes.

• Impacto de la IA en la sociedad, educación y trabajo.

• Responsabilidad en el uso de la IA.

• Propiedad intelectual y derechos de autor.

• Dominio público y licencias Creative Commons.

• Software libre y licencias de software.

• Uso responsable de contenidos generados mediante IA.

3. Programación visual con Scratch

• Algoritmos y pensamiento computacional.

• Entorno de programación Scratch.

• Eventos e instrucciones.

• Variables y tipos de datos.

• Condicionales.

• Bucles y estructuras repetitivas.

• Funciones y procedimientos.

• Listas.

• Operadores.

• Depuración y detección de errores.

• Diseño de programas mediante bloques.

4. Desarrollo de aplicaciones con App Inventor

• Introducción al desarrollo de aplicaciones móviles.

• Entorno de App Inventor.

• Diseñador y editor de bloques.

• Componentes y propiedades.

• Eventos.

• Variables y estructuras de control.

• Procedimientos.

• Listas y manejo de datos.

• Interfaz de usuario y experiencia de usuario.

• Sensores y componentes del dispositivo.

• Cámara, micrófono, GPS y Bluetooth.

• Bases de datos locales.

• APIs y servicios externos.

• Accesibilidad en aplicaciones.

5. Datos e Inteligencia Artificial

• Datos e información.

• Tipos de datos.

• Datos estructurados, semiestructurados y no estructurados.

• Texto, imágenes, audio, vídeo y datos numéricos.

• Recogida y almacenamiento de datos.

• Limpieza y preparación de datos.

• Representación de los datos.

• Variables y características.

• Etiquetado de datos.

• Datos de entrenamiento, validación y prueba.

• Calidad de los datos.

• Clasificación y regresión.

• Sobreajuste y generalización.

• Proceso general de trabajo con datos.

6. Machine Learning

• ¿Qué es el aprendizaje automático?

• Aprendizaje supervisado.

• Aprendizaje no supervisado.

• Aprendizaje por refuerzo.

• Entrenamiento de modelos.

• Parámetros e hiperparámetros.

• Clasificación.

• Regresión.

• Árboles de decisión.

• Patrones y predicciones.

• Matriz de confusión.

• Verdaderos y falsos positivos y negativos.

• Precisión y exhaustividad.

• Umbrales de decisión.

• Curvas ROC y AUC.

• Sobreajuste y subajuste.

• Sesgo y varianza.

• Evaluación de modelos.

7. Python aplicado a la Inteligencia Artificial

• Introducción a Python.

• Variables y tipos de datos.

• Operadores.

• Cadenas de texto.

• Listas y estructuras de datos.

• Condicionales.

• Bucles.

• Funciones.

• Entrada y salida de datos.

• Librerías.

• Errores y depuración.

• Python para trabajar con datos.

• Análisis y representación de datos.

• Introducción al uso de modelos de Machine Learning.

• Librerías habituales: NumPy, Pandas, Matplotlib y Scikit-learn.

• Introducción a TensorFlow y PyTorch.

8. Inteligencia Artificial Generativa

• Concepto de IA generativa.

• Modelos de lenguaje.

• Generación de texto.

• Prompts.

• Contexto e instrucciones.

• Diseño y mejora de prompts.

• Alucinaciones de los modelos.

• Verificación de información.

• Generación y edición de imágenes.

• Inpainting y outpainting.

• Generación de audio.

• Síntesis y clonación de voz.

• Generación de vídeo.

• Animación mediante IA.

• Deepfakes.

• IA multimodal.

• Derechos de autor y contenidos generados por IA.

• Riesgos de la IA generativa.

• Uso crítico y responsable de la IA.

9. Desarrollo de aplicaciones con Inteligencia Artificial

• Integración de IA en aplicaciones.

• Modelos locales y servicios externos.

• APIs.

• Peticiones y respuestas.

• Introducción al formato JSON.

• Chatbots.

• Reconocimiento y clasificación de imágenes.

• Traducción automática.

• Reconocimiento de voz.

• Sistemas de recomendación.

• Aplicaciones educativas de la IA.

• Arquitectura de una aplicación con IA.

• Integración de IA con App Inventor.

• Gestión de errores.

• Privacidad y seguridad de los datos.

• API keys y credenciales.

• Límites y costes de los servicios de IA.

10. Proyecto final: IA para resolver un problema real

• Identificación de problemas y necesidades reales.

• Investigación y análisis del problema.

• Identificación de usuarios.

• Definición de objetivos.

• Diseño de soluciones.

• Prototipado.

• Selección y preparación de datos.

• Selección de técnicas de IA.

• Diseño de la arquitectura del sistema.

• Desarrollo y programación.

• Integración de modelos y servicios de IA.

• Pruebas y detección de errores.

• Evaluación de resultados.

• Limitaciones del sistema.

• Consideraciones éticas y sociales.

• Seguridad y privacidad.

• Propiedad intelectual y licencias.

• Documentación técnica.

• Presentación y defensa del proyecto.