Contacta con nosotros

Temario del curso

Introducción

  • ¿Qué es la IA generativa?
  • IA generativa frente a otros tipos de inteligencia artificial
  • Resumen de las principales técnicas y modelos en IA generativa
  • Aplicaciones y casos de uso de la IA generativa
  • Desafíos y limitaciones de la IA generativa

Creación de imágenes con IA generativa

  • Generación de imágenes a partir de descripciones en lenguaje natural
  • Uso de GANs (Generative Adversarial Networks) para crear imágenes realistas y diversas
  • Uso de VAEs (Variational Autoencoders) para generar imágenes con variables latentes
  • Aplicación de transferencias de estilo para aplicar estilos artísticos a las imágenes

Creación de texto con IA generativa

  • Generación de texto a partir de instrucciones en lenguaje natural
  • Uso de modelos basados en transformers para crear texto con contexto y coherencia
  • Uso de resumen de textos para crear resúmenes concisos de documentos extensos
  • Uso de paráfrasis textual para generar distintas formas de expresar el mismo significado

Creación de audio con IA generativa

  • Generación de voz a partir de texto
  • Transcripción de audio a texto
  • Generación de música a partir de texto o audio
  • Generación de voz con una timbre específico

Creación de otros contenidos con IA generativa

  • Generación de código a partir de lenguaje natural
  • Generación de bocetos de productos a partir de texto
  • Generación de video a partir de texto o imágenes
  • Generación de modelos 3D a partir de texto o imágenes

Evaluación de la IA generativa

  • Valoración de la calidad y diversidad del contenido en IA generativa
  • Uso de métricas como Inception Score, Fréchet Inception Distance y BLEU score
  • Evaluación humana mediante crowdsourcing y encuestas
  • Aplicación de métodos de evaluación adversarial, como pruebas de Turing y discriminadores

Comprensión de las implicaciones éticas y sociales de la IA generativa

  • Garantizar la equidad y la rendición de cuentas
  • Evitar el mal uso y los abusos
  • Respetar los derechos y la privacidad de creadores y consumidores del contenido
  • Fomentar la creatividad y la colaboración entre humanos e inteligencia artificial

Resumen y próximos pasos

Requerimientos

  • Comprensión de los conceptos básicos y la terminología de la inteligencia artificial
  • Experiencia con programación en Python y análisis de datos
  • Familiaridad con frameworks de aprendizaje profundo como TensorFlow o PyTorch

Audiencia objetivo

  • Científicos de datos
  • Desarrolladores de IA
  • Entusiastas de la inteligencia artificial
 14 Horas

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas