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 un problema de ingeniería.
- Desmitificar el "fantasma en la máquina": qué es la IA y qué no es.
- La evolución tecnológica: de BERT a los Transformers.
- Dominios generativos: análisis, creatividad, 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 "desgraduar" el talento humano.
- Taxonomía de modelos: fundamentales frente a específicos de tareas; modelos de código cerrado frente a pesos abiertos.
Módulo 2: Panorama actual y conjunto de herramientas
- La Arena de Modelos de Lenguaje: comparación de rendimiento y puntos de referencia.
- Criterios profesionales de compra: costo, latencia, privacidad y bloqueo del proveedor.
- Resumen de modelos grandes: OpenAI ChatGPT, Perplexity, Gemini y Grok.
- Modelos de nicho y pequeños: Manus, SpecKit.
- Generación gráfica: Perchance
- Restricciones técnicas: degradación del contexto frente al costo de los tokens.
Módulo 3: Interacción - Ingeniería de prompts y contexto
- El marco de verificación: integridad, coherencia y verificabilidad.
- La estrategia RAG: cuándo utilizar la generación aumentada por recuperación (RAG) frente al ajuste fino.
- El retorno de la inversión 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, resumen del mapa y el terreno, y generación basada en modelos.
Módulo 4: IA en la gestión de proyectos ágiles
- El piloto de supercomputadora: la IA como motor de automatización.
- Toma de decisiones: responsabilidad humana frente a la asistencia de la IA.
- AIOps y GitOps: integración de la IA en el flujo de trabajo operativo.
- Cadenas de herramientas y tuberías (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 características y riesgos del "vibe-coding".
- Riesgos y escenarios: planificación para los "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 tener una familiaridad general con herramientas digitales.
Público objetivo
- Gerentes de proyectos ágiles y Scrum Masters.
- Propietarios 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
