Temario del curso
Introducción a la IA Multimodal
- Panorama general de la IA multimodal y aplicaciones del mundo real
- Desafíos en la integración de datos de texto, imagen y audio
- Investigaciones y avances de última generación
Procesamiento de Datos e Ingeniería de Características
- Manejo de conjuntos de datos de texto, imagen y audio
- Técnicas de preprocesamiento para el aprendizaje multimodal
- Estrategias de extracción de características y fusión de datos
Construcción de Modelos Multimodales con PyTorch y Hugging Face
- Introducción a PyTorch para el aprendizaje multimodal
- Uso de Transformadores de Hugging Face para tareas de PLN y visión por computadora
- Combinación de diferentes modalidades en un modelo de IA unificado
Implementación de Fusión de Voz, Visión y Texto
- Integración de OpenAI Whisper para reconocimiento de voz
- Aplicación de DeepSeek-Vision para procesamiento de imágenes
- Técnicas de fusión para el aprendizaje entre modalidades
Entrenamiento y Optimización de Modelos de IA Multimodales
- Estrategias de entrenamiento de modelos para IA multimodal
- Técnicas de optimización y ajuste de hiperparámetros
- Abordaje del sesgo y mejora de la generalización del modelo
Despliegue de IA Multimodal en Aplicaciones del Mundo Real
- Exportación de modelos para uso en producción
- Despliegue de modelos de IA en plataformas en la nube
- Monitoreo del rendimiento y mantenimiento del modelo
Temas Avanzados y Tendencias Futuras
- Aprendizaje con pocos ejemplos y sin ejemplos (zero-shot y few-shot) en IA multimodal
- Consideraciones éticas y desarrollo responsable de IA
- Tendencias emergentes en la investigación de IA multimodal
Resumen y Próximos Pasos
Requerimientos
- Sólida comprensión de los conceptos de aprendizaje automático y aprendizaje profundo
- Experiencia con marcos de IA como PyTorch o TensorFlow
- Familiaridad con el procesamiento de datos de texto, imagen y audio
Audiencia
- Desarrolladores de IA
- Ingenieros de aprendizaje automático
- Investigadores
Testimonios (1)
Nuestro instructor, Yashank, era increíblemente conocedor. Adaptó el currículo para que se ajustara a lo que realmente necesitábamos aprender y tuvimos una excelente experiencia de aprendizaje con él. Su comprensión del dominio que estaba enseñando fue impresionante; compartió insights basados en experiencias reales y nos ayudó a resolver problemas reales que estábamos enfrentando en nuestro trabajo.
Ahmed Nazeem - Maldives Pension Administration Office
Curso - Multimodal AI for Enhanced User Experience
Traducción Automática
