programa
Vivimos en una época apasionante en la que la inteligencia artificial (IA) y los chatbots como chatGPT dominan las conversaciones. Parece que hoy en día todo el mundo quiere tener su propio asistente de IA. ¿Pero quieres crear tu propio proyecto de IA desde cero?
En esta publicación, veremos proyectos de IA para principiantes, programadores intermedios y expertos. Encontrarás recursos que te guiarán en la creación de tu propia aplicación de IA, tanto si acabas de empezar como si ya tienes cierta experiencia. Si acabas de empezar tu andadura, consulta nuestra guía sobre cómo aprender IA para obtener más detalles.
Desarrollar aplicaciones de IA
Proyectos de IA para principiantes
Estos proyectos de IA para principiantes pueden ayudarte a ganar confianza y desarrollar nuevas habilidades, asegurándote de que dominas los fundamentos de la inteligencia artificial.
1. Dar vida: Predecir las donaciones de sangre
a a dar vida: El proyecto «Predict Blood Donations» (Predicción de donaciones de sangre) tiene como objetivo predecir si un donante donará sangre dentro de un plazo determinado o no. El conjunto de datos utilizado en este proyecto procede de un vehículo móvil de donación de sangre en Taiwán que recoge sangre en diversas universidades como parte de una campaña de donación de sangre.

En este proyecto de IA, procesarás los datos sin procesar y los introducirás en la herramienta TPOT Python AutoML. Esta herramienta buscará entre cientos de pipelines de machine learning para identificar el más adecuado para nuestro conjunto de datos.
Una vez que hayamos identificado el canal ideal, crearemos nuestro modelo utilizando características normalizadas para obtener una mejor puntuación.
Las herramientas AutoML permiten incluso a los principiantes con conocimientos limitados en machine learning crear proyectos de IA. Estas herramientas se encargan de todas las tareas y proporcionan el modelo con mejor rendimiento para las pruebas y la implementación.
2. Predecir la aprobación de tarjetas de crédito
En el proyecto Predicción de aprobaciones de tarjetas de crédito, crearás una aplicación para la aprobación automática de tarjetas de crédito utilizando la optimización de hiperparámetros y la regresión logística.
Para este proyecto de IA, necesitarás utilizar diversas habilidades, como manejar valores perdidos, procesar características categóricas, escalar características, tratar datos desequilibrados y aplicar la optimización automática de hiperparámetros a través de GridCV.
Este proyecto está diseñado para desafiarte más allá del ámbito de los datos simples y limpios.

Si quieres convertirte en un experto en clasificación, ¿por qué no creas otro proyecto utilizando los datos sobre préstamos de LendingClub.com? Puedes utilizar el conjunto de datos para crear un predictor automático de aprobación de préstamos.
Si estás buscando proyectos adecuados para principiantes, DataCamp tiene una biblioteca de proyectos de ciencia de datos que tal vez te interese explorar. Al aplicar tus habilidades de programación a una variedad de conjuntos de datos, podrás abordar retos prácticos en tu navegador y adquirir experiencia en el mundo real.
Proyectos intermedios de IA
Hemos seleccionado estos proyectos de IA para profesionales de nivel intermedio, ya que se basan en las habilidades fundamentales que ya deberías tener. Son lo suficientemente desafiantes como para ser divertidos y, al mismo tiempo, desarrollar tus habilidades.
3. Detección de objetos
En el proyecto de detección de objetos, el primer paso es dividir la imagen en mosaicos. A continuación, utilizarás una CNN VGG-16 preentrenada para predecir la probabilidad de que haya un gato en la imagen. Por último, crearás un mapa de calor de probabilidades para indicar la ubicación del gato dentro de la imagen.

Para proporcionar una ubicación más precisa para un cuadro delimitador, debes utilizar un modelo de regresión para predecir sus coordenadas.
Cuando se trata de objetos con formas más complicadas, resulta beneficioso utilizar CNN para esta tarea. Para lograrlo, utilizarás un optimizador de descenso de gradiente estocástico y el error cuadrático medio (MSE) como métricas, ya que nuestro objetivo es realizar una regresión. Por último, evaluarás los resultados del modelo.
4. BERT para la clasificación de textos
En el proyecto de clasificación de textos, utilizarás BERT (Bidirectional Encoder Representations from Transformers) para predecir si un artículo de NOTICIAS determinado pertenece a la categoría «Mundo», «Deportes», «Negocios» o «Ciencia/Tecnología».
Este proyecto de IA de nivel intermedio te enseñará a manejar el conjunto de datos, crear y entrenar el modelo y, por último, evaluar el rendimiento del modelo. Además, aprenderás sobre los mecanismos de atención, los transformadores y comprenderás la arquitectura BERT.

Incluir este proyecto en tu portafolio de machine learning puede aumentar tus posibilidades de ser contratado. Además de aprender a entrenar grandes modelos de IA, también adquirirás conocimientos técnicos sobre cómo funcionan estos modelos tan grandes y complejos.
Descubre nuestro artículo sobre técnicas eficaces para la gestión de proyectos de IA. Esta entrada del blog reúne las principales estrategias de gestión para manejar proyectos de IA a gran escala.
Proyectos de IA expertos
Estos proyectos de IA para expertos supondrán un verdadero reto para ti. Para completarlos, necesitarás utilizar un arreglo de habilidades y conocimientos, y probar nuevos conceptos que te ayudarán a desarrollarte.
5. Análisis y previsión del mercado bursátil utilizando LSTM
Descubre y explora datos del mercado bursátil, centrándote en acciones tecnológicas como Apple, Amazon, Google y Microsoft en el proyecto Análisis y previsión del mercado bursátil utilizando LSTM.
Aprende a recuperar información bursátil utilizando la biblioteca yfinance y a visualizarla con Seaborn y Matplotlib. Analiza el riesgo de una acción basándote en su historial de rendimiento anterior. Por último, crea un modelo de IA utilizando el método Long Short Term Memory (LSTM) para predecir los precios futuros de las acciones.

Tener conocimientos sobre el manejo de conjuntos de datos de series temporales y la capacidad de pronosticar los precios de las acciones es fundamental para cualquier persona interesada en el sector financiero o en campos orientados a la investigación.
Del mismo modo, ser capaz de comprender las tendencias y ofrecer soluciones es una habilidad muy solicitada en el sector financiero.
6. Super Mario IA
En el proyecto Super Mario AI, entrenarás a un agente de IA para que juegue el primer nivel de Super Mario World utilizando el aprendizaje profundo Q y la entrada de píxeles sin procesar. Combina técnicas como la reproducción de experiencias, una red transformadora espacial y una política ε-greedy.
La arquitectura del modelo tiene ramas separadas para procesar el historial de acciones, el historial de capturas de pantalla y el estado actual, que se fusionan antes de que la capa de salida prediga los valores de acción-recompensa. Mediante la observación de las pantallas del juego, aprende a jugar el nivel sin funciones diseñadas manualmente.

Este proyecto es muy avanzado y requiere amplios conocimientos tanto en aprendizaje por refuerzo como en visión artificial. Aunque puede resultar difícil de replicar, el esfuerzo merece la pena.
Si buscas proyectos más desafiantes, considera explorar «25 proyectos de machine learning para todos los niveles». Estos proyectos pueden ayudarte a abarcar todos los campos principales de machine learning.
Proyectos de IA por diversión
Terminamos nuestra lista de proyectos de IA con uno rápido y divertido. Incluso si eres nuevo en el campo de la inteligencia artificial, este te resultará muy interesante.
7. Crea un chatbot con IA en 5 minutos
En el proyecto «AI for Fun», crearás un chatbot con IA utilizando Hugging Face y Gradio. Es bastante sencillo y requiere conocimientos mínimos de programación en Python.
En este proyecto, aprenderás a crear e implementar la aplicación web utilizando transformers para cargar el modelo conversacional y utilizar gradio Chat inference para crear la inferencia del usuario del chatbot. Se tarda 5 minutos en crear una aplicación y no es necesario salir del navegador.

Imagen de AI ChatBot
Gradio ha presentado recientemente gr.ChatInterface(predict), que permite a los usuarios crear fácilmente chatbots personalizados e integrarlos con agentes en menos de 5 minutos. Para obtener una guía completa sobre cómo crear tu propia interfaz de chat, visita la página Crear un chatbot rápidamente en gradio.app. También puedes echar un vistazo a nuestro curso Creación de chatbots en Python para descubrir otras formas de crear bots conversacionales.
Si te ha gustado crear proyectos de IA por diversión, ¿por qué no pruebas 5 proyectos creados con modelos generativos y herramientas de código abierto? Aprenderás a crear un editor de imágenes, un chatbot similar a chatGPT con pocos recursos, una aplicación para clasificar la aprobación de préstamos, automatizar interacciones con PDF y un asistente de voz con tecnología GPT.
Comienza tus proyectos de IA hoy mismo
Una vez que hayas completado tu educación básica y obtenido tu título, es muy recomendable que trabajes en proyectos de IA para crear tu portafolio. Además de programar, es importante documentar tu proyecto y compartirlo con otros profesionales para recibir comentarios. Un buen portafolio te ayudará a conseguir el trabajo de tus sueños y a destacar en el campo del machine learning y la ciencia de datos.
Este blog ofrece una visión general de proyectos de IA para principiantes, intermedios, expertos y divertidos. Si eres nuevo en el campo de la IA, puedes comenzar tu andadura inscribiéndote en Fundamentos de IA. Este programa te proporcionará conocimientos prácticos sobre temas populares relacionados con la IA, como chatGPT, modelos de lenguaje grandes, IA generativa y mucho más. Empieza a aprender hoy mismo para estar preparado para el mundo de la IA del mañana.
Obtén una certificación superior en IA
Preguntas frecuentes
¿Necesito tener amplios conocimientos de programación para empezar con los proyectos de IA para principiantes?
No, los proyectos para principiantes están diseñados para ayudarte a desarrollar habilidades incluso con conocimientos limitados de programación, especialmente porque se utilizan herramientas como TPOT AutoML para simplificar el proceso.
¿Qué son las herramientas AutoML y cómo ayudan en los proyectos de IA?
Las herramientas AutoML, como TPOT, buscan automáticamente entre los pipelines de machine learning para encontrar el más adecuado para tu conjunto de datos, lo que facilita la creación de modelos de IA sin necesidad de tener un profundo conocimiento especializado.
¿Puedes trabajar en proyectos intermedios sin completar ningún proyecto para principiantes?
Sí, si tienes conocimientos básicos de IA y programación, puedes empezar directamente con proyectos de nivel intermedio para ponerte a prueba y aprender conceptos más avanzados.
¿Cómo puedo aprender IA desde cero?
Si no tienes experiencia previa ni conocimientos sobre IA, es probable que sea demasiado pronto para que te embarques en un proyecto de IA. Afortunadamente, DataCamp es el mejor lugar para comenzar tu viaje por la IA. Nuestro programa «Fundamentos de la IA» te pondrá al día con los conceptos importantes de la IA, y nuestra guía «Cómo aprender IA desde cero» te guiará paso a paso para convertirte en un experto en IA.
¿Cómo puedo convertirme en ingeniero de IA?
Para convertirte en ingeniero de IA, empieza por adquirir una base sólida en áreas como la IA, machine learning (ML), la ciencia de datos y la ingeniería de software, ya que estas disciplinas son fundamentales para diseñar y desarrollar soluciones inteligentes. A continuación, céntrate en la experiencia práctica a través de prácticas, proyectos personales (como los proyectos del artículo) o cursos online y bootcamps para desarrollar y demostrar tus habilidades.

Soy un científico de datos certificado que disfruta creando aplicaciones de aprendizaje automático y escribiendo blogs sobre ciencia de datos. Actualmente me centro en la creación de contenidos, la edición y el trabajo con grandes modelos lingüísticos.



