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.
- Desmitificando al "fantasma en la máquina": Qué es la IA y qué no lo es.
- La evolución tecnológica: De BERT a Transformers.
- Dominios generativos: Análisis, creatividad, investigación, imagen, música y vídeo.
- Gobernanza de datos: Pilares, auditorías y tendencias de investigación (Multimodalidad, Agentes, RAG, LLM frente a SLM).
- El lado oscuro: Ética, propiedad intelectual, sesgos, alucinaciones e ingeniería social.
- Evaluación de riesgos: Envenenamiento de datos, Nepenthes y el riesgo de "atontar" el talento humano.
- Taxonomía de modelos: Fundacionales frente a específicos para tareas; modelos cerrados frente a pesos abiertos.
Módulo 2: Panorama actual y herramientas
- La Arena de Modelos de Lenguaje: Comparativa de rendimiento y benchmarks.
- Criterios profesionales de compra: Coste, latencia, privacidad y bloqueo con el proveedor.
- Visión general de los grandes modelos: OpenAI ChatGPT, Perplexity, Gemini y Grok.
- Modelos nicho y pequeños: Manus, SpecKit.
- Generación gráfica: Perchance
- Restricciones técnicas: Degradación del contexto frente al coste por token.
Módulo 3: Interacción - Ingeniería de prompts y contexto
- El marco de verificación: Completitud, consistencia y verificabilidad.
- La estrategia RAG: Cuándo usar la Generación Aumentada por Recuperación frente al fine-tuning.
- Retorno de inversión (ROI) de la IA: Costes 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, visión general de mapas y terreno, y generación basada en modelos.
Módulo 4: IA en la gestión de proyectos ágiles
- El piloto supercomputador: La IA como motor de automatización.
- Toma de decisiones: Responsabilidad humana frente a asistencia de IA.
- AIOps y GitOps: Integración de la IA en el flujo operativo.
- Cadenas de herramientas y pipelines: Creación de un entorno fluido impulsado por IA.
- Artefactos ágiles: Backlog, hoja de ruta e ingeniería de requisitos.
- Gestión precisa: Planificación de capacidad y estimación (Precisión frente exactitud).
- Ownership de 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, ownership de producto o liderazgo de equipos.
- No se requiere experiencia previa en programación o ingeniería de IA, aunque se recomienda tener nociones generales sobre herramientas digitales.
Público objetivo
- Gestores de proyectos ágiles y Scrum Masters.
- Owners de Producto y Gerentes de Producto.
- Líderes de equipos de TI y Managers de entrega.
- Analistas de negocio que trabajan en entornos ágiles.
- Gestores de operaciones interesados en AIOps.
7 Horas
Reseñas (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
