This course presents the main concepts of decision analysis, artificial intelligence and predictive model construction and evaluation in the specific context of medical applications. It emphasizes the advantages and disadvantages of using these methods in real-world systems and provides hands-on experience. Its technical focus is on decision support, knowledge-based systems (qualitative and quantitative), learning systems (including logistic regression, classification trees, neural networks, rough sets), and techniques to evaluate the performance of such systems. It reviews computer-based diagnosis, planning and monitoring of therapeutic interventions. It also discusses implemented medical applications and the software tools used in their construction. Students produce a final project using the machine learning methods learned in the course, based on actual clinical data.
Lecturers
Prof. Stephan Dreiseitl
Prof. Ju Jan Kim
Prof. Bill Long
Prof. Marco Ramoni
Prof. Fred Resnic
Prof. David Wypij

MASLab (Mobile Autonomous System Laboratory), also known as 6.186, is a robotics contest. The contest takes place during MIT’s Independent Activities Period and participants earn 6 units of P/F credit and 6 Engineering Design Points. Teams of three to four students have less than a month to build and program sophisticated robots which must explore an unknown playing field and perform a series of tasks.
MASLab provides a significantly more difficult robotics problem than many other university-level robotics contests. Although students know the general size, shape, and color of the floors and walls, the students do not know the exact layout of the playing field. In addition, MASLab robots are completely autonomous, or in other words, the robots operate, calculate, and plan without human intervention. Finally, MASLab is one of the few robotics contests in the country to use a vision based robotics problem.

6.863 is a laboratory-oriented course on the theory and practice of building computer systems for human language processing, with an emphasis on the linguistic, cognitive, and engineering foundations for understanding their design.

Los proyectos de esta guía utilizan un enfoque centrado en los alumnos para el aprendizaje. En lugar de solo aprender acerca de la IA con videos o conferencias, los alumnos que realizan estos proyectos son participantes activos en la exploración de ella. En el proceso, los estudiantes trabajarán directamente con tecnologías innovadoras de IA, participarán en actividades no en línea para ampliar su comprensión de cómo funcionan las tecnologías de IA y crearán diversos productos auténticos
desde modelos de aprendizaje automático hasta videojuegos— para demostrar su aprendizaje.

PROYECTO 1: Programación con aprendizaje automático
PROYECTO 2: Jugadores asistidos por IA en videojuegos
PROYECTO 3: Uso de la IA para planificar movimientos robóticos
PROYECTO 4: El aprendizaje automático como un servicio

Esta guía ofrece proyectos centrados en los alumnos que pueden enseñar directamente estándares de áreas de estudio en conjunto con comprensiones fundamentales de los que es la IA, cómo funciona y cómo impacta a la sociedad. Fueron considerados varios enfoques clave para diseñar estos proyectos. Entender estos enfoques sustentará su comprensión y la implementación de los proyectos de esta guía, así como su trabajo para diseñar más actividades que integren la enseñanza sobre la IA en su plan de estudios.

PROYECTO 1: Lo que la IA hace bien y lo que no hace tan bien
PROYECTO 2: Datos de entrenamiento y aprendizaje automático
PROYECTO 3: Los sentidos comparados con los sensores
PROYECTO 4: Navegación e IA

Esta guía ofrece proyectos centrados en los alumnos que pueden enseñar directamente estándares de áreas de estudio en conjunto con comprensiones fundamentales de los que es la IA, cómo funciona y cómo impacta a la sociedad. Fueron considerados varios enfoques clave para diseñar estos proyectos. Entender estos enfoques sustentará su comprensión y la implementación de los proyectos de esta guía, así como su trabajo para diseñar más actividades que integren la enseñanza sobre la IA en su plan de estudios.

PROYECTO 1: Chatbots de IA
PROYECTO 2: Desarrollo de una mirada crítica
PROYECTO 3: Uso de la IA para resolver problemas del medio ambiente
PROYECTO 4: Leyes para la IA

En esta guía, la exploración de la IA por parte de los alumnos se enmarca en el contexto de las consideraciones éticas, y en concordancia con los estándares, conceptos y profundidad adecuados para varias materias de K–12. Dependiendo del nivel de sus alumnos y la cantidad de tiempo que tenga disponible, puede completar todas las actividades de Inicio hasta las actividades de Demostraciones culminantes; puede seleccionar actividades de la lista; o puede llevar el aprendizaje de los alumnos más lejos, aprovechando las extensiones y recursos adicionales proporcionados. Para los alumnos sin experiencia previa de formación en la IA, la exposición misma a las actividades de aprendizaje guiadas creará una comprensión de su mundo que probablemente no tenían antes. Y para aquellos con conocimientos previos en informática o con la IA, los proyectos y recursos completos seguirán desafiando su razonamiento y los expondrán a nuevas tecnologías y aplicaciones de la IA en diversos campos de estudio.

PROYECTO 1: Lo justo es justo
PROYECTO 2: ¿Quién tiene el control?
PROYECTO 3: Las ventajas y desventajas de la tecnología de la IA
PROYECTO 4: La IA y el trabajador del siglo XXI

A prompt that a student, educator or researcher can paste into a chatbot in order to explore the assumptions behind their questions. I hope educators and students may remix this to contextualise it to different contexts.

This course is an introduction to the theory that tries to explain how minds are made from collections of simpler processes. It treats such aspects of thinking as vision, language, learning, reasoning, memory, consciousness, ideals, emotions, and personality. It incorporates ideas from psychology, artificial intelligence, and computer science to resolve theoretical issues such as wholes vs. parts, structural vs. functional descriptions, declarative vs. procedural representations, symbolic vs. connectionist models, and logical vs. common-sense theories of learning.

This seminar is intended for doctoral students and discusses topics in applied probability. This semester includes a variety of fields, namely statistical physics (local weak convergence and correlation decay), artificial intelligence (belief propagation algorithms), computer science (random K-SAT problem, coloring, average case complexity) and electrical engineering (low density parity check (LDPC) codes).

6.825 is a graduate-level introduction to artificial intelligence. Topics covered include: representation and inference in first-order logic, modern deterministic and decision-theoretic planning techniques, basic supervised learning methods, and Bayesian network inference and learning.
This course was also taught as part of the Singapore-MIT Alliance (SMA) programme as course number SMA 5504 (Techniques in Artificial Intelligence).

The nature of human identity - how we think of ourselves, how we perceive others - is a mutable concept, changing with the rise and fall of religious beliefs, social mores, philosophical theories. Today, we live in a world in which science and technology are among the most powerful forces reshaping our culture - and thus our definitions and perceptions of identity. In this seminar, we will examine the impact of science and technology on identity.
The instructor’s course page may be viewed at http://smg.media.mit.edu/classes/IdentitySeminar/

It describes the basic character of AI in the term of STA (Sense, Think, Act)

 The organizations that depend largely on collecting data from various sources or are highly digitized must adopt data security. It is better to fight the risks at the initial stage than to regret the loss of data and face the consequences. If the information can not be kept safe from various attacks then the preference of the organization will decrease eventually. Even if personal information cannot be trusted in the hands of the organization then there will be dissatisfaction among customers. If an organization is unable to keep its customers satisfied then its value can hit rock bottom. Hence, by using Artificial Intelligence and Machine Learning the data security should be made better. These technologies will also help in decreasing the extra effort that has to be put by an organization and its employees.  

Con este recurso buscamos poner en practica los valores  eticos  como el respeto y el trabajo en equipo utilizando la IA