• IA (Inteligencia Artificial):

Capacidad de una máquina para imitar funciones humanas como el aprendizaje, razonamiento y toma de decisiones.

• Aprendizaje automático (Machine Learning):

Rama de la IA que permite que los sistemas aprendan de los datos.

• Aprendizaje supervisado:

Se entrena con datos etiquetados para predecir resultados.

• Aprendizaje no supervisado:

Encuentra patrones en datos no etiquetados.

• Aprendizaje por refuerzo:

El sistema aprende mediante recompensas o penalizaciones.

• NLP (Procesamiento de Lenguaje Natural):

Interpreta y genera lenguaje humano. Ejemplo: análisis de sentimientos.

• Visión por computadora:

Reconoce objetos, texto o rostros en imágenes y videos.

• Azure Machine Learning:

Plataforma para crear y desplegar modelos ML personalizados.

• Azure Cognitive Services:

APIs listas para usar en visión, lenguaje, voz y decisiones.

• Azure Bot Service + LUIS:

Crear chatbots con comprensión de lenguaje natural.

• Sobreajuste (Overfitting):

El modelo memoriza datos de entrenamiento y no generaliza.

• Subajuste (Underfitting):

El modelo no aprende lo suficiente y tiene bajo rendimiento.

• Conjunto de entrenamiento:

Datos para entrenar el modelo.

• Conjunto de validación:

Datos para ajustar parámetros durante el entrenamiento.

• Conjunto de prueba:

Datos para evaluar el rendimiento final.

• Equidad:

Evitar sesgos o discriminación en las decisiones automatizadas.

• Transparencia:

Poder explicar cómo y por qué el modelo toma decisiones.

• Privacidad:

Cumplir con normas como GDPR y proteger datos personales.

• Azure Text Analytics:

Detecta sentimientos, temas clave, idioma, entidades.

• Azure Speech to Text:

Convierte voz hablada en texto.

• Azure Translator:

Traduce texto entre idiomas.

• Azure Custom Vision:

Entrena modelos de visión personalizados.

• Azure Face API:

Detecta rostros y emociones en imágenes.