Temario del curso
Repaso de los fundamentos de la IA generativa
- Breve recapitulación de conceptos de IA generativa
- Aplicaciones avanzadas y estudios de caso
Profundización en Redes Generativas Adversarias (GAN)
- Estudio detallado de las arquitecturas GAN
- Técnicas para mejorar el entrenamiento de GAN
- GAN condicionales y sus aplicaciones
- Proyecto práctico: Diseño de una GAN compleja
Autoencodeores Variacionales (VAE) Avanzados
- Exploración de los límites de los VAE
- Representaciones desacopladas en VAE
- Beta-VAE y su relevancia
- Proyecto práctico: Construcción de un VAE avanzado
Transformers y Modelos Generativos
- Comprensión de la arquitectura Transformer
- Transformers preentrenados generativos (GPT) y BERT para tareas generativas
- Estrategias de ajuste fino para modelos generativos
- Proyecto práctico: Ajuste fino de un modelo GPT para un dominio específico
Modelos de Difusión
- Introducción a los modelos de difusión
- Entrenamiento de modelos de difusión
- Aplicaciones en generación de imágenes y audio
- Proyecto práctico: Implementación de un modelo de difusión
Aprendizaje por Refuerzo en IA Generativa
- Conceptos básicos del aprendizaje por refuerzo
- Integración del aprendizaje por refuerzo con modelos generativos
- Aplicaciones en diseño de videojuegos y generación procedural de contenido
- Proyecto práctico: Creación de contenido con aprendizaje por refuerzo
Temas Avanzados en Ética y Sesgo
- Deepfakes y medios sintéticos
- Detección y mitigación del sesgo en modelos generativos
- Consideraciones legales y éticas
Aplicaciones Específicas por Industria
- IA generativa en el sector salud
- Industrias creativas y entretenimiento
- IA generativa en la investigación científica
Tendencias de Investigación en IA Generativa
- Avances y descubrimientos más recientes
- Problemas abiertos y oportunidades de investigación
- Preparación para una carrera en investigación en IA generativa
Proyecto Final
- Identificación de un problema adecuado para la IA generativa
- Preparación avanzada de conjuntos de datos y aumento de datos
- Selección, entrenamiento y ajuste fino del modelo
- Evaluación, iteración y presentación del proyecto
Resumen y Próximos Pasos
Requerimientos
- Comprensión de conceptos y algoritmos fundamentales de aprendizaje automático
- Experiencia con programación en Python y uso básico de TensorFlow o PyTorch
- Familiaridad con los principios de las redes neuronales y el aprendizaje profundo
Público objetivo
- Científicos de datos
- Ingenieros de aprendizaje automático
- Profesionales de IA
Reseñas (3)
Profundidad sobre el contexto de fondo y la formulación de prompts.
Olaf Kannt - Helios Klinikum Krefeld
Curso - Generative AI and Prompt Engineering in Healthcare
Traducción Automática
los consejos y las indicaciones recomendadas que podemos llevarnos de esta capacitación
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Curso - InVideo AI: Creating Engaging Short-Form Videos
Traducción Automática
Uso de prompts apropiados y eficaces
Marses Pacaldo
Curso - Generative AI and Prompt Engineering for Corporate Professionals
Traducción Automática
