Biblioguies
Temàtica: Informàtica, Multimèdia i TelecomunicacióMarc teòric de la intel·ligència artificial
Les intel·ligències artificials (IA) fa anys que existeixen, però els últims mesos han experimentat una evolució molt ràpida. A què es deu? Quines innovacions han aportat? En aquesta biblioguia trobareu continguts teòrics, bàsics i específics, sobre la intel·ligència artificial, sobre els tipus d'IA que hi ha i sobre els usos que tenen.
Conceptes bàsics
Què és una intel·ligència artificial?
Recurs que explica què és la IA, quins tipus d'intel·ligències artificials hi ha i com s'utilitzen en diferents camps.
Conjunt de recursos i termes que poden servir per entendre més en profunditat les intel·ligències artificials.
Episodi del programa Quèquicom que explica què són les intel·ligències artificials. Conjunt de recursos i termes que poden servir per entendre més en profunditat les intel·ligències artificials i com es programen.
Episodi del programa Quan arribin els marcians sobre les utilitats de les intel·ligències artificials i com les incorporarem en el nostre dia a dia.
Tipus de dades (estructurades i no estructurades)
Article que exposa quins tipus de dades hi ha en relació amb la intel·ligència artificial i analitza en què es diferencien.
Recurs que explora en què es diferencien les dades estructurades i no estructurades, i estudia quines utilitats tenen.
Llibre de referència amb exemples per comprendre els conceptes bàsics de l'aprenentatge estructurat automàtic.
Harrison, M. (2019) Machine learning pocket reference: working with structured data in python. Beijing: O'Reilly. Disponible a: https://learning.oreilly.com/library/view/machine-learning-pocket/9781492047537/?sso_link=yes&sso_link_from=Catalunya (Consultat: 27 de juny de 2024).
Article que explora les diferents funcionalitats de les dades estructurades.
Ontañón, S. (2020) 'An overview od distance and similarity functions for structured data', The Artificial Intelligence Review, 53(7), p. 5309-5351. Disponible a: https://www.proquest.com/scholarly-journals/overview-distance-similarity-functions-structured/docview/2441910394/se-2?accountid=15299 (Consultat: 27 de juny de 2024).
Article sobre els usos de les dades estructurades en l'àmbit clínic i la representació de la informació.
Zhang, D., Yin, C., Zeng, J., Yuan, X. i Zhang, P. (2020) 'Combining structured and unstructured data for predictive models: a deep learning approach', BMC Medical Informatics and Decision Making, 20, p. 1-11. Disponible a: https://doi.org/10.1186/s12911-020-01297-6 (Consultat: 27 de juny de 2024).
Models d'IA
Xarxes neuronals
Recurs que explica què són les xarxes neuronals en l'àmbit de la intel·ligència artificial, quins tipus de xarxes hi ha i com s'entrenen.
Recurs que explica què són les xarxes neuronals, quina història tenen i com es relacionen amb el deep learning.
Llibre que ofereix diverses perspectives sobre l'ús de xarxes neuronals artificials com a models de processament de la informació neuronal.
Van Gerven, M. i Bohte, S. (2018) Artificial neural networks as models of neural information processing. Lausana: Frontiers Media SA. Disponible a: https://directory.doabooks.org/handle/20.500.12854/41357 (Consultat: 27 de juny de 2024).
Arbres de decisió
Pàgina que exposa els avantatges i els inconvenients de fer servir arbres de decisió per fer tasques de mineria de dades.
Article que presenta un nou procés automatitzat per construir i inicialitzar xarxes neuronals profundes basades en arbres de decisió.
Humbird, K., Peterson, J. i Macclarren, R. (2019) 'Deep neural network initialization with decision trees', IEEE Transactions on Neural Networks and Learning Systems, 30(5), p. 1286-1295. Disponible a: https://doi.org/10.1109/TNNLS.2018.2869694 (Consultat: 27 de juny de 2024).
Ús de les IA: prompting
Article que explica què són els prompts i com es relacionen amb l'ús de les intel·ligències artificials més recents.
Article que estudia i organitza els treballs de recerca en un nou paradigma en el processament del llenguatge natural, que anomenem aprenentatge basat en prompts.
Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H. i Neubig, G. (2023) 'Pre-train, prompt, and predict: a systematic survey of prompting methods in natural language processing', ACM Computing Surveys, 55(9), p. 1-35. Disponible a: https://doi.org/10.1145/3560815 (Consultat: 27 de juny de 2024).
Referents d'aquesta biblioguia
Lis Balcells
Subgrup operatiu: Referent d'Informàtica, Multimèdia i Telecomunicació, formació professional (FP) Grup operatiu: Biblioteca per a l'AprenentatgeAdrián de Mon
Subgrup operatiu: Gestió de recursos d'Informàtica, Multimèdia i Telecomunicació, formació professional (FP) Grup operatiu: Biblioteca per a l'Aprenentatge