🧠 Inteligencia Artificial (CEIA - FIUBA)

¡Bienvenido al repositorio oficial de la materia! Aquí encontrarás todo el material de clases, incluyendo presentaciones, ejercicios prácticos y notebooks interactivos.

📝 Nota: Para revisar los criterios de aprobación de la materia, por favor consulta el documento correspondiente.

---

📂 Organización del Repositorio

El material está estructurado por clases de la siguiente manera:

📁 clase#
 ├── 📄 README.md
 ├── 📁 teoria/
 ├── 📁 ejercicios/
 └── 📁 jupyter_notebooks/

---

🛠️ Requerimientos y Herramientas

Para aprovechar el contenido, asegúrate de contar con el siguiente entorno de trabajo:

🐍 Entorno Python

• Python: >=3.11
• Librerías principales: Numpy, Pandas, SciPy, Matplotlib, Seaborn, Scikit-Learn, Pygame
• Consolas interactivas: IPython, Jupyter Notebook

💻 IDEs Recomendados

• Visual Studio Code
• Cursor / Google Antigravity / Windsurf
• PyCharm Community Edition
• Google Colab

📦 Gestión de Dependencias (Elige una opción)

Este repositorio contiene un archivo pyproject.toml para instalar las dependencias súper rápido usando uv.

uv sync

Si prefieres usar Conda/Anaconda, proveemos el archivo env_anaconda_shareable.yml. Puedes crear el entorno y activarlo con:

conda env create -f env_anaconda_shareable.yml
conda activate ia_env

---

📚 Temario por Clases

Clase	Temas Principales	Link
01	Introducción a la Materia • Inteligencia Artificial • Python	🔗 Ver Clase
02	Agente de resolución de problemas • Agente racional • Resolución mediante búsqueda	🔗 Ver Clase
03	Problemas de optimización • Algoritmos de búsqueda Local • Búsqueda en espacios continuos	🔗 Ver Clase
04	Aprendizaje Automático • Formas de aprendizaje • Aprendizaje supervisado	🔗 Ver Clase
05	Regresión Lineal (simple y múltiple) • Regresión Ridge y Lasso	🔗 Ver Clase
06	Conceptos de Clasificación • Regresión logística • Clasificador bayesiano ingenuo	🔗 Ver Clase
07	Aprendizaje por Refuerzo • Proceso de decisión de Márkov • Ecuación de Bellman	🔗 Ver Clase

---

📖 Bibliografía Recomendada

⭐ Libro Principal:

• Artificial Intelligence: A Modern Approach - Stuart Russell, Peter Norvig (Ed. Pearson)

Otros recursos útiles:

• Artificial Intelligence Basics: A Non-Technical Introduction - Tom Taulli (Ed. Apress)
• Artificial Intelligence For Dummies - John Paul Mueller, Luca Massaron
• An Introduction to Statistical Learning - Gareth James (Ed. Springer)
• Python Data Science Handbook - Jake VanderPlas
• The Elements of Statistical Learning - Trevor Hastie (Ed. Springer)

---

📄 Licencia

Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.