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
1. Introducción a la Ingeniería en IA
- ¿Qué es la ingeniería en IA?
- IA vs. Aprendizaje Automático vs. Aprendizaje Profundo
- Ciclo de vida de la ingeniería en IA
- Aplicaciones de la IA a través de diversas industrias
- Roles y responsabilidades de un ingeniero en IA
2. Fundamentos de la Inteligencia Artificial
- Conceptos clave de IA y terminología
- Aprendizaje supervisado, no supervisado y por refuerzo
- Fundamentos de redes neuronales y aprendizaje profundo
- Visión general de la IA generativa y modelos fundamentales
- Ecosistemas y marcos de desarrollo de IA
3. Python para Ingeniería en IA
- Bibliotecas esenciales de Python para IA
- NumPy, Pandas y Matplotlib
- Manipulación y visualización de datos
- Trabajo con Jupyter Notebooks
- Escritura de código reutilizable para IA
4. Preparación de Datos para IA
- Recopilación y comprensión de conjuntos de datos
- Limpieza y preprocesamiento de datos
- Ingeniería de características
- Escalado y normalización de características
- División de conjuntos de datos en entrenamiento, validación y prueba
- Gestión de valores faltantes y valores atípicos
5. Fundamentos del Aprendizaje Automático
- Algoritmos de regresión
- Algoritmos de clasificación
- Técnicas de agrupamiento (clustering)
- Flujo de trabajo de entrenamiento de modelos
- Métricas de evaluación de modelos
- Prevención del sobreajuste y el subajuste
6. Construcción de Modelos de IA con TensorFlow y PyTorch
- Introducción a TensorFlow
- Introducción a PyTorch
- Creación de redes neuronales
- Entrenamiento y validación de modelos
- Guardado y carga de modelos
- Comparación entre ambos frameworks
7. Fundamentos del Procesamiento de Lenguaje Natural (NLP)
- Preprocesamiento de texto
- Representaciones vectoriales de palabras (word embeddings)
- Clasificación de texto
- Análisis de sentimientos
- Introducción a los modelos transformadores
- Aplicaciones prácticas de NLP
8. IA en el Desarrollo de Software
- Integración de IA en aplicaciones existentes
- Llamada a servicios de IA mediante APIs
- Desarrollo de aplicaciones potenciadas por IA
- Herramientas de desarrollo de software asistidas por IA
- Pruebas de aplicaciones habilitadas para IA
9. Mejores Prácticas de Ingeniería en IA
- Organización de proyectos
- Control de versiones con Git
- Rastreo de experimentos
- Versionado de modelos
- Estándares de documentación
- Reproducibilidad en proyectos de IA
10. Implementación de Modelos de IA
- Serialización de modelos
- Construcción de servicios de inferencia
- APIs REST para modelos de IA
- Introducción a Docker para el despliegue de IA
- Monitoreo de modelos implementados
- Mantenimiento y actualizaciones de modelos
11. Ingeniería de Datos para IA
- Pipelines de datos
- Procesos ETL
- Gestión de datos estructurados y no estructurados
- Opciones de almacenamiento de datos
- Gestión de la calidad de los datos
- Preparación de conjuntos de datos listos para producción
12. IA Responsable y Ética
- Parcialidad y equidad en la IA
- IA explicable (XAI)
- Privacidad y protección de datos
- Consideraciones de seguridad en la IA
- Desarrollo responsable de IA
- Consideraciones regulatorias y de gobernanza
13. Gestión de Proyectos de IA
- Ciclo de vida de un proyecto de IA
- Metodologías ágiles para proyectos de IA
- Colaboración entre equipos técnicos y comerciales
- Estimación de proyectos de IA
- Gestión de riesgos
- Evaluación del éxito del proyecto
14. Taller Práctico de Ingeniería en IA y Futuras Tendencias
- Configuración de un flujo de trabajo completo de desarrollo de IA
- Construcción de un proyecto de aprendizaje automático integral
- Entrenamiento y evaluación de un modelo utilizando TensorFlow o PyTorch
- Implementación de una aplicación simple de IA
- Tendencias actuales en Ingeniería en IA
- IA Generativa y Modelos de Lenguaje Grande (LLM)
- MLOps y automatización de IA
- Vías profesionales y aprendizaje continuo
- Resumen, preguntas y respuestas, y próximos pasos
Requerimientos
- Comprensión de los conceptos básicos de programación
- Experiencia con la programación en Python
- Familiaridad con estadística básica y álgebra lineal
Audiencia objetivo
- Ingenieros en IA
- Desarrolladores de software
- Análisis de datos
14 Horas
Reseñas (2)
La amplia selección de herramientas presentadas
Miruna Buzduga - Aeronamic Eastern Europe
Curso - AI Enablement Training for Engineers
Traducción Automática
Formación paso a paso con muchos ejercicios. Fue como un taller y estoy muy contento con eso.
Ireneusz - Inter Cars S.A.
Curso - Intelligent Applications Fundamentals
Traducción Automática