Temario del curso
Introducción a la IA Generativa
- ¿Qué es la IA Generativa?
- Historia y evolución de la IA Generativa
- Conceptos clave y terminología
- Panorama general de las aplicaciones y el potencial de la IA Generativa
Fundamentos del Aprendizaje Automático (Machine Learning)
- Introducción al aprendizaje automático
- Tipos de aprendizaje: Supervisado, No supervisado y por Refuerzo
- Algoritmos y modelos básicos
- Preprocesamiento de datos e ingeniería de características
Fundamentos del Aprendizaje Profundo (Deep Learning)
- Redes neuronales y aprendizaje profundo
- Funciones de activación, funciones de pérdida y optimizadores
- Sobreajuste, subajuste y técnicas de regularización
- Introducción a TensorFlow y PyTorch
Panorama General de Modelos Generativos
- Tipos de modelos generativos
- Diferencias entre modelos discriminativos y generativos
- Casos de uso para modelos generativos
Autoencoders Variacionales (VAEs)
- Comprensión de los autoencoders
- La arquitectura de los VAEs
- El espacio latente y su importancia
- Proyecto práctico: Construcción de un VAE simple
Redes Generativas Adversarias (GANs)
- Introducción a las GANs
- La arquitectura de las GANs: Generador y Discriminador
- Entrenamiento de GANs y desafíos
- Proyecto práctico: Creación de una GAN básica
Modelos Generativos Avanzados
- Introducción a los modelos Transformer
- Panorama general de los modelos GPT (Generative Pretrained Transformer)
- 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 IA Generativa
- Sesgo y equidad en los modelos de IA
- Implicaciones futuras y IA responsable
Aplicaciones Industriales de la IA Generativa
- IA Generativa en arte y creatividad
- Aplicaciones en negocios y marketing
- IA Generativa en ciencia e investigación
Proyecto Final Integrador
- Ideación y propuesta de un proyecto de IA generativa
- Recolección y preprocesamiento del conjunto de datos
- Selección y entrenamiento del modelo
- Evaluación y presentación de resultados
Resumen y Próximos Pasos
Requerimientos
- Comprensión de conceptos básicos de programación en Python
- Experiencia con conceptos matemáticos básicos, especialmente probabilidad y álgebra lineal
Audiencia Objetivo
- Desarrolladores
Reseñas (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