Cada bloque de este índice se corresponde con un criterio de RA1: bloques 1 y 2 con RA1-a, bloque 3 con RA1-c, bloque 4 con RA1-b y bloques 5-6 con RA1-d.

Estos cuatro criterios de evaluación proceden del anexo I del RD 279/2021, el real decreto que fija el currículo del ciclo; la letra de cada CE es la numeración oficial de la norma, no un orden nuestro. (§1 de los apuntes)

(§2 de los apuntes)

(§3.2 de los apuntes)

Cuando la tarea se complica y definir todas las reglas se vuelve inviable, entra el aprendizaje automático (machine learning): en vez de que alguien programe las reglas a mano, el propio algoritmo deduce los patrones a partir de los datos. (§3.3 de los apuntes)

AGI son las siglas de artificial general intelligence, inteligencia artificial general; en la bibliografía aparece también como strong AI. Ejemplos de IA fuerte solo existen en la ficción: el T-800 de Terminator, Wall-E, J.A.R.V.I.S. Ningún sistema real se aproxima a esa flexibilidad. (§3.4 de los apuntes)

Con el auge del machine learning, buena parte de lo que hacía la escuela convencional se ha ido llevando al campo computacional: no son compartimentos estancos, sino una evolución histórica del campo. Las dos técnicas que aquí solo se nombran se estudian más adelante: los sistemas expertos de la columna convencional, en la UD05, y la lógica difusa de la computacional, en la UD02. (§3.5 de los apuntes)

Los autores son Stuart Russell y Peter Norvig (1995). El test de Turing lo propuso Alan Turing en 1950 en «Computing Machinery and Intelligence»: una máquina lo supera si un interrogador humano no distingue sus respuestas de las de una persona; aquí da nombre a la categoría de los sistemas que actúan como humanos sin replicar su razonamiento. Las dos últimas categorías, leyes del pensamiento y agentes racionales, exigen una capacidad de cómputo que, para el caso general, todavía es inalcanzable. (§3.5 de los apuntes)

La clasificación es de Arend Hintze, investigador de la Universidad de Michigan (2016). Deep Blue, el ejemplo de sistema reactivo, era la máquina de ajedrez de IBM que venció a Kasparov en 1997. La teoría de la mente consistiría en representarse lo que piensan y sienten otros agentes, la base de la interacción social; la autoconciencia sería que el sistema se representara a sí mismo, conociendo sus propios estados internos. (§3.5 de los apuntes)

LLM son las siglas de large language model, modelo grande de lenguaje, entrenado con enormes volúmenes de texto; ChatGPT es el ejemplo más conocido. Dartmouth (1956) es la conferencia en la que John McCarthy acuñó el término «inteligencia artificial». El perceptrón de Frank Rosenblatt (1958) fue la primera red neuronal capaz de aprender. TensorFlow es la librería de aprendizaje automático de Google. Falta en esta línea del tiempo un hito de 2011: Watson, de IBM, gana en el concurso de televisión Jeopardy!, un hito que suele señalarse como el momento en que emerge la ciencia de datos como disciplina.

(§4 de los apuntes)

Las features son las características con las que se representa cada ejemplo: una casa, por ejemplo, se convierte en [superficie, habitaciones, edad]. El objetivo de fondo de todo el proceso se llama generalización: que el modelo acierte con datos nuevos, no solo con los de entrenamiento. Lo contrario es el sobreajuste, cuando el modelo memoriza los datos que ha visto en vez de aprender el patrón; por eso el paso de evaluación usa datos que nunca ha visto.

Algoritmos supervisados típicos: árboles de decisión, k-vecinos (KNN), naive Bayes, SVM —máquinas de vectores soporte—, regresión logística, random forest. No supervisados: k-means y DBSCAN para clustering, y PCA, análisis de componentes principales, para reducir dimensiones. Todos disponibles en la librería scikit-learn de Python, con la misma interfaz fit/predict. (§4.2 de los apuntes)

IMAGEN: ejemplo generado con MidJourney (ya en el repo)

CNN es convolutional neural network, red convolucional; RNN es recurrent neural network y LSTM, long short-term memory, las dos pensadas para secuencias. Backpropagation es la retropropagación del error, que junto con el gradiente descendente ajusta los pesos de la red. El modelo de base es el foundation model. RLHF significa aprendizaje por refuerzo con feedback humano (reinforcement learning from human feedback) y RAG, retrieval-augmented generation: conecta el modelo a fuentes de datos externas para ganar precisión. Más allá del Transformer existe Mamba (2023), una arquitectura alternativa basada en modelos de espacio de estados, con menor coste computacional para secuencias largas. (§4.3 y §4.4 de los apuntes)

El scoring de la fila de finanzas es la puntuación de riesgo crediticio: estimar la probabilidad de impago antes de conceder un préstamo. La IA también está en usos cotidianos que no parecen IA: buscadores que aprenden de los datos, termostatos que se adaptan al comportamiento, ciberseguridad que detecta patrones de ataque, y sistemas que identifican noticias falsas analizando fuentes y lenguaje. (§5.1 de los apuntes)

PLN es el procesamiento del lenguaje natural, la rama que trabaja texto y voz; se estudia entera en la UD03. Un cuarto caso, no en esta diapositiva: en salud, sistemas de IA analizan llamadas de emergencia para reconocer un paro cardíaco más rápido que un operador humano, y usan visión artificial para detectar infecciones en TAC pulmonar. (§5.2 de los apuntes)

PLN significa procesamiento del lenguaje natural. Las tareas concretas detrás de estas interacciones son análisis de sentimiento, reconocimiento de entidades o NER (nombres, lugares, fechas), clasificación de texto, traducción automática y resumen automático. (§6.1 de los apuntes)

KPI son las siglas de key performance indicator, indicador clave de rendimiento: la métrica que se elige para saber si un objetivo se está cumpliendo. FCR es first contact resolution, el porcentaje de consultas resueltas en el primer contacto; AHT es average handling time, el tiempo medio de gestión de una consulta. OEE es overall equipment effectiveness (disponibilidad por rendimiento por calidad de una máquina); MTBF es mean time between failures, el tiempo medio entre dos averías.

(§6.2 de los apuntes)

El RGPD es el Reglamento (UE) 2016/679, de protección de las personas físicas en el tratamiento de datos personales; se estudia en la UD06. El model drift es el desgaste del modelo: la realidad se va separando de los datos con los que se entrenó y sus predicciones empeoran sin que nada se haya roto. El AI Act (Reglamento UE 2024/1689) entra en vigor por fases: prácticas prohibidas desde el 2 de febrero de 2025, sanciones desde el 2 de agosto de 2025 y aplicación general desde el 2 de agosto de 2026. Su artículo 51 presume riesgo sistémico cuando el cómputo acumulado del entrenamiento de un modelo supera los 10 elevado a 25 FLOPS, operaciones de coma flotante por segundo.

La rúbrica de evaluación de los cuatro talleres está publicada en la página del taller 4 (línea del tiempo). (§11 de los apuntes)

Esta exigencia de 5 o más por RA viene de la normativa: el artículo 5.1 de la Orden 8/2025 liga la calificación del módulo a la consecución de los RA, y las Instrucciones 26-27 impiden calificar positivamente un módulo con algún RA no superado. (§14 de los apuntes)