Contacta con nosotros

Temario del curso

Introducción a los LLM y la IA Generativa

  • Exploración de técnicas y modelos
  • Discusión de aplicaciones y casos de uso
  • Identificación de desafíos y limitaciones

Uso de LLM para Tareas de NLU

  • Análisis de sentimientos
  • Reconocimiento de entidades nombradas
  • Extracción de relaciones
  • Análisis semántico

Uso de LLM para Tareas de NLI

  • Detección de implicación
  • Detección de contradicción
  • Detección de parafraseo

Uso de LLM para Grafos de Conocimiento

  • Extracción de hechos y relaciones a partir de texto
  • Inferencia de hechos faltantes o nuevos
  • Uso de grafos de conocimiento para tareas posteriores

Uso de LLM para Razonamiento de Sentido Común

  • Generación de explicaciones, hipótesis y escenarios plausibles
  • Uso de bases de conocimiento y conjuntos de datos de sentido común
  • Evaluación del razonamiento de sentido común

Uso de LLM para Generación de Diálogos

  • Generación de diálogos con agentes conversacionales, chatbots y asistentes virtuales
  • Gestión de diálogos
  • Uso de conjuntos de datos y métricas de diálogo

Uso de LLM para Generación Multimodal

  • Generación de imágenes a partir de texto
  • Generación de texto a partir de imágenes
  • Generación de videos a partir de texto o imágenes
  • Generación de audio a partir de texto
  • Generación de texto a partir de audio
  • Generación de modelos 3D a partir de texto o imágenes

Uso de LLM para Aprendizaje Meta

  • Adaptación de LLM a nuevos dominios, tareas o idiomas
  • Aprendizaje a partir de ejemplos con pocos o ningún ejemplo (few-shot o zero-shot)
  • Uso de conjuntos de datos y marcos de trabajo de aprendizaje meta y aprendizaje por transferencia

Uso de LLM para Aprendizaje Adversarial

  • Defensa de LLM frente a ataques maliciosos
  • Detección y mitigación de sesgos y errores en LLM
  • Uso de conjuntos de datos y métodos de aprendizaje adversarial y robustez

Evaluación de LLM e IA Generativa

  • Valoración de la calidad y diversidad del contenido
  • Uso de métricas como puntuación de inicio, distancia de inicio de Fréchet y puntuación BLEU
  • Uso de métodos de evaluación humana como crowdsourcing y encuestas
  • Uso de métodos de evaluación adversarial como pruebas de Turing y discriminadores

Aplicación de Principios Éticos para LLM e IA Generativa

  • Garantía de equidad y responsabilidad
  • Evitación del uso indebido y el abuso
  • Respeto a los derechos y la privacidad de creadores y consumidores de contenido
  • Fomento de la creatividad y la colaboración entre humanos e IA

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de conceptos y terminología básica de inteligencia artificial
  • Experiencia en programación con Python y análisis de datos
  • Familiaridad con marcos de trabajo de aprendizaje profundo como TensorFlow o PyTorch
  • Conocimiento de los fundamentos de los LLM y sus aplicaciones

Público Objetivo

  • Científicos de datos
  • Desarrolladores de IA
  • Entusiastas de la inteligencia artificial
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas