Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Módulo 1: Introducción y teoría de la IA
- El enfoque basado en modelos: la IA como problema de ingeniería.
- Desmitificando el "fantasma en la máquina": qué es la IA y qué no es.
- La evolución tecnológica: desde BERT hasta los Transformadores.
- Dominios generativos: Análisis, creación, investigación, imagen, música y video.
- Gobernanza de datos: Pilares, auditorías y tendencias de investigación (multimodalidad, agentes, RAG, LLM vs. SLM).
- El lado oscuro: ética, propiedad intelectual, sesgos, alucinaciones e ingeniería social.
- Evaluación de riesgos: envenenamiento de datos, Nepenthes y el riesgo de "atrofiar" el talento humano.
- Taxonomía de modelos: modelos fundamentales frente a específicos para tareas; modelos de peso cerrado frente a abierto.
Módulo 2: Panorama actual y conjunto de herramientas
- La arena de los modelos de lenguaje: comparación de rendimiento y puntos de referencia.
- Criterios de adquisición profesional: costos, latencia, privacidad y dependencia del proveedor.
- Visión general de los grandes modelos: OpenAI ChatGPT, Perplexity, Gemini y Grok.
- Modelos especializados y pequeños: Manus, SpecKit.
- Generación gráfica: Perchance.
- Restricciones técnicas: deterioro del contexto frente al costo por tokens.
Módulo 3: Interacción - Ingeniería de prompts y contexto
- El marco de verificación: completitud, consistencia y verificabilidad.
- La estrategia RAG: cuándo utilizar la generación aumentada por recuperación frente al ajuste fino.
- ROI de la IA: costos de mantenimiento frente a ganancias de productividad.
- Técnicas avanzadas: más de 20 métodos de prompts y RAG con ejemplos del mundo real.
- Fronteras experimentales: triangulación, visión general de mapa y terreno, y generación basada en modelos.
Módulo 4: IA en la gestión ágil de proyectos
- El piloto de supercomputadora: la IA como motor de automatización.
- Toma de decisiones: responsabilidad humana frente a asistencia de IA.
- AIOps y GitOps: integración de la IA en el flujo de trabajo operativo.
- Cadenas de herramientas y pipelines: creación de un entorno impulsado por IA sin interrupciones.
- Artefactos ágiles: backlog, hoja de ruta e ingeniería de requisitos.
- Gestión de precisión: planificación de capacidad y estimación (precisión vs. exactitud).
- Propiedad del producto: ideación, análisis de funcionalidades y riesgos de la "codificación por sensación" (Vibe-coding).
- Riesgos y escenarios: planificación de "qué pasaría si" y gestión automatizada de riesgos.
- Refinamiento: descripción y refinamiento de casos de uso e historias de usuario.
Requerimientos
- Comprensión básica del Manifiesto Ágil y el marco de trabajo Scrum.
- Experiencia en gestión de proyectos, propiedad de producto o liderazgo de equipos.
- No se requiere experiencia previa en programación o ingeniería de IA, aunque se recomienda una familiaridad general con herramientas digitales.
Público objetivo
- Gerentes de proyectos ágiles y Scrum Masters.
- Propietarios de producto y gerentes de producto.
- Líderes de equipos de TI y gerentes de entrega.
- Analistas de negocios que trabajan en entornos ágiles.
- Gerentes de operaciones interesados en AIOps.
7 Horas
Testimonios (2)
El instructor es paciente y muy útil. Conoce bien el tema.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Curso - Agentic AI for Business Automation: Use Cases & Integration
Traducción Automática
Capacidad de adaptarse a las sugerencias de la audiencia, es decir, poder crear un escenario real de agente de IA sobre la marcha.
Brett McLaren - Zoll Itamar
Curso - ChatGPT for Productivity: A Beginner’s Guide
Traducción Automática
