Ponte en Contacto

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
 21 Horas

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas