Temario del curso
Introducción a la inteligencia artificial generativa
- ¿Qué es la inteligencia artificial generativa?
- Historia y evolución de la inteligencia artificial generativa.
- Conceptos clave y terminología.
- Descripción general de las aplicaciones y el potencial de la inteligencia artificial 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.
Conceptos básicos de aprendizaje profundo
- Redes neuronales y aprendizaje profundo.
- Funciones de activación, funciones de pérdida y optimizadores.
- Sobreajuste, subajuste y técnicas de regularización.
- Introducción a TensorFlow y PyTorch.
Descripción general de los modelos generativos
- Tipos de modelos generativos.
- Diferencias entre modelos discriminativos y generativos.
- Casos de uso para los modelos generativos.
Autoencoders Variacionales (VAE)
- Comprensión de los autoencoders.
- Arquitectura de los VAE.
- Espacio latente y su importancia.
- Proyecto práctico: Construcción de un VAE simple.
Redes Generativas Antagónicas (GAN)
- Introducción a las GAN.
- Arquitectura de las GAN: generador y discriminador.
- Entrenamiento de GAN y desafíos.
- Proyecto práctico: Creación de una GAN básica.
Modelos generativos avanzados
- Introducción a los modelos Transformer.
- Descripción 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 inteligencia artificial generativa.
- Sesgo y equidad en los modelos de IA.
- Implicaciones futuras e inteligencia artificial responsable.
Aplicaciones industriales de la inteligencia artificial generativa
- Inteligencia artificial generativa en el arte y la creatividad.
- Aplicaciones en negocios y marketing.
- Inteligencia artificial generativa en la ciencia y la investigación.
Proyecto final
- Ideación y propuesta de un proyecto de inteligencia artificial generativa.
- Recopilación y preprocesamiento de conjuntos de datos.
- Selección y entrenamiento del modelo.
- Evaluación y presentación de resultados.
Resumen y próximos pasos
Requerimientos
- Comprensión de los 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
