Este repositorio contiene todos los ejercicios y proyectos realizados durante el primer cuatrimestre del Máster en Inteligencia Artificial de la Universidad Internacional de La Rioja (UNIR).
Todos los ejercicios y actividades incluidos en este repositorio han obtenido una calificación superior al 8 y han contribuido a una media global de 8.8 durante el primer cuatrimestre.
El propósito de hacer público este repositorio es proporcionar referencias útiles para estudiantes actuales o futuros del máster, mostrando ejemplos prácticos de resolución de los distintos ejercicios propuestos. No obstante, es importante destacar que no se permite la copia directa de estos trabajos, ya que el propósito es únicamente servir como guía y demostración.
Esta asignatura se centra en la comprensión y desarrollo de sistemas que pueden entender, interpretar y manipular el lenguaje humano. El código incluye:
- Actividad 1: Trabajo con Named-Entity Recognition (NER) usando spaCy, análisis de características básicas en textos, identificación y etiquetado de conceptos como localización, moneda, empresas, etc.
- Actividad 2: Clasificación de textos usando redes neuronales clásicas y transformers, trabajando con el dataset "Newsgroup20".
- Actividad 3: Sistema de selección pseudoaleatoria para la asignación de temas de trabajo.
Asignatura enfocada en algoritmos de planificación y búsqueda para la resolución de problemas en robótica y sistemas inteligentes:
- Actividad 1: Implementación de algoritmos de búsqueda heurística para resolución de problemas.
- Actividad 2: Trabajo con archivos PDDL (Planning Domain Definition Language) para planificación automática en dominios de transporte y rovers.
- Actividad 3: Análisis y comparación de diferentes planificadores (BFWS, DELFI, LAMA) en problemas de rovers.
Esta asignatura cubre los fundamentos y aplicaciones del aprendizaje automático:
- Actividad 1: Regresión lineal y árboles de decisión para predicción en un dataset de calidad del aire, incluyendo análisis exploratorio de datos.
- Actividad 2: Clasificación utilizando Random Forest y SVM (Support Vector Machines) con el dataset CoverType para predecir tipos de cobertura forestal.
Enfocada en técnicas de procesamiento y análisis visual de datos e imágenes:
- Actividad 1: Procesamiento básico de imágenes, aplicando transformaciones como corrección gamma y ajustes de brillo.
- Actividad 2: Análisis de imágenes médicas (radiografías de tuberculosis) aplicando diferentes filtros espaciales como Gaussian Blur y detección de bordes Canny.
- Actividad 3: Procesamiento de secuencias de imágenes, incluyendo conversiones de color, ecualización de histograma y segmentación.
MASTER-CUATRI1/
├── PLN/ # Procesamiento del Lenguaje Natural
│ ├── actividad1/ # Análisis con spaCy y NER
│ ├── actividad2/ # Clasificación de textos
│ └── actividad3/ # Selección de temas
├── RPA/ # Razonamiento y planificación automática
│ ├── actividad1/ # Algoritmos de búsqueda
│ ├── actividad2/ # Planificación PDDL
│ └── actividad3/ # Análisis de planificadores
├── TAA/ # Técnicas de Aprendizaje Automático
│ ├── actividad1/ # Regresión lineal y árboles
│ └── actividad2/ # Random Forest y SVM
└── VA/ # Visión artificial
├── actividad1/ # Procesamiento básico de imágenes
├── actividad2/ # Análisis de imágenes médicas
└── actividad3/ # Procesamiento secuencial
Miguel Ángel Navarro Arenas
Este repositorio está destinado únicamente a fines educativos y de referencia. No se permite la copia, distribución o uso directo del código para presentación como trabajo propio. Los ejercicios aquí presentados son el resultado del esfuerzo personal y están protegidos por derechos de autor.
Este código se comparte como demostración de mis habilidades y conocimientos en diversas áreas de la Inteligencia Artificial, sirviendo como escaparate de mi trabajo y capacidades técnicas.