Este año se ha desarrollado la primera edición del curso de especialización en inteligencia artificial y big data, en el que he tenido la suerte de estar implicado en el IES Punta del Verde de Sevilla. El perfil de los egresados es realmente interesante y tiene una demanda enorme en la industria, así que en este artículo se comparten materiales para poder formarse en este campo -desde casa y de forma gratuita- pensando en quienes se hayan quedado sin plaza en el curso. En concreto, los recursos compartidos están mayormente relacionados con los módulos profesionales «Programación de inteligencia artificial» y «Sistemas de aprendizaje automático», que son los que yo he impartido.

Recursos para Programación de inteligencia artificial

  • Cocinando IA con Python. Nanocurso de 20h de la Universidad Miguel Hernández de Elche que hace una introducción a Python, Pandas, Numpy, Matplotlib e incorpora ejemplos de uso de modelos de IA ya creados.
  • Machine learning from Scratch with Python. Es un curso que muestra la implementación de los algoritmos de aprendizaje automático más comunes usando exclusivamente código Python puro y Numpy, sin hacer uso de otras bibliotecas. Aquí el repo con el código.
  • Building AI. Es la segunda parte del archifamoso curso «Elementos de la IA», del que hablamos en el siguiente apartado. Son unas 50 horas, dependiendo de si haces las tareas programando o si te limitas a contestar las preguntas de opción múltiple.
  • Practical Deep Learning for Coders. El fantástico curso de Jeremy Howard para introducirse de forma sencilla en el mundo de las redes neuronales. Usa pytorch con fastai, y contiene gran cantidad de ejemplos muy interesantes.
  • Cursos de Kaggle. La plataforma cuenta con una sección de formación muy completa, con cursos de unas 5 horas que son muy prácticos y están muy cuidados. «Intro to Deep Learning» y «Computer Vision» son muy chulos para aprender a dar los primeros pasos con TensorFlow con Keras y conocer las redes neuronales convolucionales.
  • Un recorrido por el Hub de Hugging Face y Creación y hosting de demos de machine learning con Gradio y Hugging Face, para conocer todo lo que ofrece esta plataforma y aprender a crear espacios en los que desplegar aplicaciones web para demostrar cómo funcionan tus modelos de IA.

Recursos para Sistemas de aprendizaje automático

  • Introducción al aprendizaje automático con ML4K y Scratch. Un recurso muy sencillo que hicimos en CodeINTEF hace unos años que sirve para conocer la diferencia entre el aprendizaje automático y otros campos de la IA. En esta misma línea, los videotutoriales y guías de LearningML también pueden resultar de interés.
  • Elementos de la IA. Es un curso muy introductorio a la IA, a muy alto nivel. Los capítulos sobre aprendizaje automático y sobre redes neuronales están especialmente relacionados con esta asignatura.
  • Machine learning in Python with scikit-learn MOOC. Desde mi punto de vista, el mejor curso que he conocido hasta la fecha sobre aprendizaje automático. Lo han desarrollado parte del propio equipo de Inria que mantiene scikit-learn, así que quién mejor para enseñarte cómo funciona el aprendizaje supervisado en unas 36 horas. Además, todo el material se comparte con una licencia CC-BY.
  • Para la parte de aprendizaje no supervisado son muy recomendables las prácticas propuestas en los libros «Hands-on Machine Learning with Scikit-Learn, Keras and TensorFlow» y «Machine Learning with PyTorch and Scikit-Learn» que son una maravilla, la verdad. El código Python de los ejercicios está disponible en los repos de los propios libros: ageron y rasbt, respectivamente.
  • AWS DeepRacer. Una introducción muy amigable al aprendizaje por refuerzo y a los coches de conducción autónoma. Si compras la réplica en miniatura del coche, te llevas también la parte física de la experiencia, que es muy interesante. De hecho, si eres profe y quieres usar el coche en tu clase con tu alumnado, puedes enviarnos un mensaje al correo de Programamos para ver si podemos prestarte el nuestro 🙂
  • The Hugging Face Deep Reinforcement Learning Class. En el momento de escribir estas líneas el curso está todavía desarrollándose, pero todo el contenido ya estudiado está disponible en el repo del curso. Trata con bastante profundidad el campo del aprendizaje por refuerzo profundo, jugando con entornos clásicos para desarrollar agentes (como Space Invader o PyBullet) y también con entornos nuevos que han creado especialmente para el curso.

Por último, justamente la semana pasada se publicó una nueva versión de la especialización en aprendizaje automático, creada por DeepLearning.AI y Stanford Online bajo la dirección de Andrew Ng. No he tenido tiempo más que de echar un vistazo rápido, pero tiene una pinta espectacular.

Y, ¿tú? ¿Tienes en mente recursos que sobre este tema que te hayan gustado mucho? ¿Te animas a compartirlos en los comentarios?

¡Saludos!