Metro de la Inteligencia Artificial
Cada línea es una rama de la IA y cada estación un concepto, framework o técnica. Las intersecciones muestran cómo ML, deep learning, NLP, visión, GenAI y robótica se conectan en proyectos reales del ecosistema OCA-I.NET y OCAI-SERVICES.
Líneas — qué hace cada estación
Despliega una línea para ver cada estación con explicación y ejemplo OCA-I.
🟠 Machine Learning 7 estaciones
Aprende patrones a partir de datos históricos sin programar reglas a mano.
Supervised Learning
Qué hace: Entrena con ejemplos etiquetados (entrada → salida conocida).
Ejemplo OCA-I: Predecir si un alumno completará el curso usando logs de Moodle etiquetados.
Unsupervised Learning
Qué hace: Descubre grupos o estructuras sin etiquetas.
Ejemplo OCA-I: Agrupar perfiles de estudiantes por patrones de navegación en adaptivelearn.es.
Reinforcement Learning
Qué hace: Un agente aprende probando acciones y recibiendo recompensas.
Ejemplo OCA-I: Optimizar la secuencia de recursos recomendados según el progreso del alumno.
Feature Engineering
Qué hace: Transformar datos crudos en variables útiles para el modelo.
Ejemplo OCA-I: Convertir timestamps de acceso en «días desde última conexión» y «sesiones por semana».
Ensemble Methods
Qué hace: Combinar varios modelos para mejorar precisión.
Ejemplo OCA-I: Votar predicciones de Random Forest + Gradient Boosting sobre abandono formativo.
Gradient Boosting
Qué hace: Modelos secuenciales que corrigen errores del anterior.
Ejemplo OCA-I: XGBoost sobre métricas de actividad del campus para alertas tempranas de riesgo.
Transfer Learning
Qué hace: Reutilizar un modelo preentrenado en un dominio nuevo.
Ejemplo OCA-I: Tomar embeddings de un LLM y entrenar solo la capa final para clasificar tickets de soporte.
🔵 Deep Learning 7 estaciones
Redes neuronales en capas que aprenden representaciones complejas.
Neural Networks
Qué hace: Capas de neuronas conectadas que aprenden pesos.
Ejemplo OCA-I: Red densa que estima la dificultad de un ejercicio según historial del alumno.
CNNs
Qué hace: Redes convolucionales especializadas en imágenes.
Ejemplo OCA-I: Clasificar capturas de pantalla de entregas como «correcta» o «incompleta».
RNNs
Qué hace: Redes con memoria para secuencias.
Ejemplo OCA-I: Modelar la secuencia de clics en un módulo Moodle a lo largo del semestre.
LSTM
Qué hace: RNN que recuerda dependencias largas en el tiempo.
Ejemplo OCA-I: Predecir abandono analizando series temporales de accesos semanales.
Backpropagation
Qué hace: Algoritmo que ajusta pesos propagando el error hacia atrás.
Ejemplo OCA-I: Entrenar una red pequeña en PyTorch para detectar anomalías en logs de API.
PyTorch
Qué hace: Framework flexible para investigación y producción.
Ejemplo OCA-I: Prototipar un clasificador de sentimiento en reseñas del campus.
TensorFlow
Qué hace: Ecosistema de Google para entrenar y desplegar modelos.
Ejemplo OCA-I: Exportar un modelo entrenado a TensorFlow Lite para inferencia en edge.
💬 NLP y Transformers 8 estaciones
Comprensión, generación y orquestación de lenguaje natural.
Tokenization
Qué hace: Partir texto en unidades (tokens) que entiende el modelo.
Ejemplo OCA-I: Fragmentar una pregunta del alumno antes de enviarla al LLM.
Word Embeddings
Qué hace: Representar palabras como vectores numéricos con significado.
Ejemplo OCA-I: Medir similitud semántica entre «triste» y «ansioso» en TalkToMood.
BERT
Qué hace: Modelo bidireccional para comprensión de contexto.
Ejemplo OCA-I: Clasificar intención de un mensaje de soporte (consulta, queja, duda técnica).
GPT
Qué hace: Modelo generativo autoregresivo para texto.
Ejemplo OCA-I: Redactar un resumen de un hilo de foro del campus.
LLMs
Qué hace: Grandes modelos de lenguaje de propósito general.
Ejemplo OCA-I: Groq + Llama en el chat OCA-I de pablodiaz.eu para responder sobre proyectos.
RAG
Qué hace: Retrieval-Augmented Generation: buscar contexto y luego generar.
Ejemplo OCA-I: TalkToMood consulta FAQs indexadas antes de responder al alumno.
Prompt Engineering
Qué hace: Diseñar instrucciones que guían la respuesta del modelo.
Ejemplo OCA-I: System prompt del chat OCA-I con reglas de tono, fuentes y límites.
LangChain
Qué hace: Framework para encadenar LLMs, tools y memoria.
Ejemplo OCA-I: Agente que llama a FastAPI del portfolio para traducir o leer en voz alta.
👁️ Computer Vision 7 estaciones
Interpretación de imágenes, vídeo y documentos visuales.
Image Classification
Qué hace: Asignar una etiqueta a toda la imagen.
Ejemplo OCA-I: Detectar si una foto subida es apunte, captura o documento escaneado.
Object Detection
Qué hace: Localizar y etiquetar objetos dentro de la imagen.
Ejemplo OCA-I: Marcar regiones con texto en material didáctico fotografiado.
YOLO
Qué hace: Detección en tiempo real muy rápida.
Ejemplo OCA-I: Contar personas en un aula desde cámara (prototipo de aforo).
OpenCV
Qué hace: Biblioteca clásica de visión por computador.
Ejemplo OCA-I: Recortar y enderezar un documento escaneado antes del OCR.
OCR
Qué hace: Reconocimiento óptico de caracteres en imágenes.
Ejemplo OCA-I: Extraer texto de un PDF escaneado para indexarlo en RAG.
Segmentation
Qué hace: Clasificar cada píxel de la imagen.
Ejemplo OCA-I: Separar fondo y figura en una diapositiva para reutilizar elementos.
Pose Estimation
Qué hace: Detectar posición del cuerpo en imagen/vídeo.
Ejemplo OCA-I: Analizar postura en demos de ergonomía o actividad física (prototipo).
✨ Generative AI 7 estaciones
Creación de texto, imagen, código y contenido multimodal.
Text Generation
Qué hace: Producir texto nuevo a partir de un prompt.
Ejemplo OCA-I: Generar borrador de email de bienvenida para nuevos alumnos del campus.
Image Synthesis
Qué hace: Crear imágenes desde descripción textual.
Ejemplo OCA-I: Ilustrar un concepto de IA para un post del blog OCA-I.
Stable Diffusion
Qué hace: Modelo open source de generación de imágenes.
Ejemplo OCA-I: Crear iconografía para módulos del catálogo Academia IA Open.
DALL-E
Qué hace: Generación de imágenes vía API de OpenAI.
Ejemplo OCA-I: Mockup rápido de una pantalla de dashboard para un dossier.
Fine-tuning
Qué hace: Adaptar un modelo base a tu dominio con datos propios.
Ejemplo OCA-I: Ajustar respuestas del asistente al vocabulario de Open Universidad AI.
LoRA
Qué hace: Fine-tuning eficiente con pocos parámetros entrenables.
Ejemplo OCA-I: Personalizar un LLM para terminología Kit Digital / EdTech sin GPU masiva.
Multimodal Models
Qué hace: Modelos que entienden texto + imagen (+ audio).
Ejemplo OCA-I: Describir una captura de Moodle y proponer mejoras de UX.
🧠 Knowledge & Reasoning 6 estaciones
Representación del conocimiento, reglas y razonamiento simbólico.
Knowledge Graphs
Qué hace: Grafos de entidades y relaciones explícitas.
Ejemplo OCA-I: Indexar FAQs, cursos y profesores del campus con trazabilidad de fuentes.
Expert Systems
Qué hace: Reglas IF-THEN codificadas por expertos.
Ejemplo OCA-I: Motor de reglas que deriva requisitos de matrícula según titulación previa.
Symbolic AI
Qué hace: Razonamiento lógico formal, no solo estadístico.
Ejemplo OCA-I: Validar coherencia de un plan de estudios con restricciones explícitas.
Causal Reasoning
Qué hace: Inferir causa-efecto, no solo correlación.
Ejemplo OCA-I: Estimar si un recordatorio reduce abandono o solo coincide con alumnos motivados.
Neuro-Symbolic AI
Qué hace: Combinar redes neuronales con lógica simbólica.
Ejemplo OCA-I: LLM que cita reglas del reglamento académico verificadas en un grafo.
Planning
Qué hace: Secuenciar acciones para alcanzar un objetivo.
Ejemplo OCA-I: Plan de estudio personalizado: qué módulos hacer y en qué orden.
🤖 Robotics / sistemas autónomos 6 estaciones
Agentes que perciben el entorno, deciden y actúan.
SLAM
Qué hace: Mapear un entorno mientras te localizas en él.
Ejemplo OCA-I: Robot educativo que construye mapa de un laboratorio mientras se mueve.
Path Planning
Qué hace: Calcular ruta óptima evitando obstáculos.
Ejemplo OCA-I: Simular la ruta más corta entre edificios del campus virtual.
ROS
Qué hace: Middleware estándar para robots (Robot Operating System).
Ejemplo OCA-I: Integrar sensores y actuadores en un prototipo con nodos ROS2.
Autonomous Vehicles
Qué hace: Vehículos que navegan sin conductor humano.
Ejemplo OCA-I: Prototipo de carrito autónomo que lleva material entre puntos del campus.
Sensor Fusion
Qué hace: Combinar cámara, LiDAR, IMU en una estimación robusta.
Ejemplo OCA-I: Fusionar GPS + odometría para tracking en exteriores.
Sim-to-Real
Qué hace: Entrenar en simulación y transferir al mundo real.
Ejemplo OCA-I: Policía de RL en Gazebo antes de probar en hardware físico.
⚖️ AI Ethics & Safety 6 estaciones
Capa transversal: sesgos, privacidad, explicabilidad y gobernanza.
Bias Mitigation
Qué hace: Detectar y reducir sesgos en datos y modelos.
Ejemplo OCA-I: Auditar si el clasificador de riesgo favorece ciertos perfiles demográficos.
Explainability (XAI)
Qué hace: Hacer comprensible por qué el modelo decidió algo.
Ejemplo OCA-I: Mostrar qué features empujaron la alerta de abandono de un alumno.
AI Alignment
Qué hace: Alinear comportamiento del modelo con valores humanos.
Ejemplo OCA-I: Restringir el chat del campus para no dar consejos médicos o legales.
Fairness
Qué hace: Trato equitativo entre grupos de usuarios.
Ejemplo OCA-I: Medir si las recomendaciones de contenido son equilibradas por idioma.
Privacy
Qué hace: Proteger datos personales en entrenamiento e inferencia.
Ejemplo OCA-I: Anonimizar emails de suscriptores antes de analítica agregada.
AI Governance
Qué hace: Políticas, auditoría y responsabilidad del uso de IA.
Ejemplo OCA-I: Documentar qué LLM usa OCA-I, qué datos procesa y quién responde.
Nodos de conexión
Estaciones donde se cruzan varias líneas — el «intercambiador» del mapa.
- Neural Networks — Puente entre machine learning clásico y deep learning. Ejemplo: Pasar de un modelo ensemble (XGBoost) a una red densa para generar embeddings de actividad en el campus.
- Transformers — Hub de NLP moderno: BERT, GPT, LLMs y RAG. Ejemplo: Orquestar TalkToMood con LangChain: el alumno pregunta en lenguaje natural y el agente consulta APIs del campus.
- Multimodal AI — Cruce de visión, lenguaje e IA generativa. Ejemplo: Subir una foto de una entrega, describirla con visión y generar feedback automático en texto.
- Reinforcement Learning — Enlace con robótica y sistemas autónomos. Ejemplo: Un agente que aprende rutas óptimas en un entorno simulado del campus (sim-to-real).
