Temario del curso
Introducción a la IA generativa
- ¿Qué es la IA generativa?
- Historia y evolución de la IA generativa
- Conceptos y terminología clave
- Visión general de las aplicaciones y el potencial de la IA generativa
Fundamentos del aprendizaje automático
- Introducción al aprendizaje automático
- Tipos de aprendizaje automático: supervisado, no supervisado y por refuerzo
- Algoritmos y modelos básicos
- Preprocesamiento de datos e ingeniería de características
Fundamentos del aprendizaje profundo
- Redes neuronales y aprendizaje profundo
- Funciones de activación, funciones de pérdida y optimizadores
- Sobrealimentación, subalimentación y técnicas de regularización
- Introducción a TensorFlow y PyTorch
Visión general de los modelos generativos
- Tipos de modelos generativos
- Diferencias entre modelos discriminatorios y generativos
- Casos de uso de los modelos generativos
Autoencoders Variacionales (VAEs)
- Comprensión de los autoencoders
- La arquitectura de los VAEs
- El espacio latente y su importancia
- Proyecto práctico: Construcción de un VAE sencillo
Redes Generativas Antagónicas (GANs)
- Introducción a las GANs
- La arquitectura de las GANs: generador y discriminador
- Entrenamiento de GANs y desafíos
- Proyecto práctico: Creación de una GAN básica
Modelos generativos avanzados
- Introducción a los modelos Transformer
- Visión general de los modelos GPT (Transformadores Preentrenados Generativos)
- Aplicaciones de GPT en la generación de texto
- Proyecto práctico: Generación de texto con un modelo GPT preentrenado
Ética e implicaciones
- Consideraciones éticas en la IA generativa
- Sesgo y equidad en los modelos de IA
- Implicaciones futuras e IA responsable
Aplicaciones industriales de la IA generativa
- IA generativa en el arte y la creatividad
- Aplicaciones en negocios y marketing
- IA generativa en ciencia e investigación
Proyecto final integrador
- Ideación y propuesta de un proyecto de IA generativa
- Recolección y preprocesamiento del conjunto de datos
- Selección y entrenamiento del modelo
- Evaluación y presentación de resultados
Resumen y siguientes pasos
Requerimientos
- Conocimiento de conceptos básicos de programación en Python.
- Experiencia con conceptos matemáticos básicos, especialmente probabilidad y álgebra lineal.
Público objetivo
- Desarrolladores.
Testimonios (2)
El estilo interactivo, los ejercicios
Tamas Tutuntzisz
Curso - Introduction to Prompt Engineering
Traducción Automática
Un excelente repositorio de recursos para futuras consultas, estilo del instructor (lleno de buen sentido del humor y gran nivel de detalle)
Adam - GE Aerospace Poland Sp. z o.o.
Curso - Prompt Engineering for ChatGPT
Traducción Automática