Programa del Curso

Introducción

  • ¿Qué es la IA generativa?
  • IA generativa frente a otros tipos de IA
  • Visión general de las principales técnicas y modelos de 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 de texto
  • Uso de GAN para crear imágenes realistas y diversas
  • Uso de VAE para crear imágenes con variables latentes
  • Uso de la transferencia de estilo para aplicar estilos artísticos a las imágenes

Creación de texto con IA generativa

  • Generación de texto a partir de mensajes de texto
  • Uso de modelos basados en transformadores para crear texto con contexto y coherencia
  • Uso del resumen de texto para crear resúmenes concisos de textos largos
  • Usar la paráfrasis de texto para crear diferentes formas de expresar el mismo significado

Creación de audio con IA generativa

  • Generación de voz a partir de texto
  • Generación de texto a partir de voz
  • Generación de música a partir de texto o audio
  • Generación de voz con una voz específica

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 vídeo a partir de texto o imágenes
  • Generación de modelos 3D a partir de texto o imágenes

Evaluación de la IA generativa

  • Evaluación de la calidad y diversidad de los contenidos en la IA generativa
  • Uso de métricas como la puntuación de inicio, la distancia de inicio de Fréchet y la puntuación BLEU
  • Utilizar la evaluación humana a través del crowdsourcing y las encuestas
  • Aplicación de métodos de evaluación adversaria, como las pruebas de Turing y los discriminadores.

Comprender las implicaciones éticas y sociales de la IA generativa

  • Garantizar la equidad y la rendición de cuentas
  • Evitar el uso indebido y el abuso
  • Respetar los derechos y la privacidad de los creadores de contenido y los consumidores
  • Fomentar la creatividad y la colaboración entre humanos e IA

Resumen y próximos pasos

Requerimientos

  • Comprensión de los conceptos básicos y la terminología de la IA
  • Experiencia con Python programación y análisis de datos
  • Familiaridad con marcos de aprendizaje profundo como TensorFlow o PyTorch

Audiencia

  • Científicos de datos
  • Desarrolladores de IA
  • Entusiastas de la IA
 14 horas

Número de participantes



Precio por participante

Cursos Relacionados

LangChain: Building AI-Powered Applications

14 horas

LangChain Fundamentals

14 horas

Small Language Models (SLMs): Applications and Innovations

14 horas

Small Language Models (SLMs) for Domain-Specific Applications

28 horas

Small Language Models (SLMs): Developing Energy-Efficient AI

21 horas

Small Language Models (SLMs) for Human-AI Interactions

14 horas

Small Language Models (SLMs) for On-Device AI

21 horas

Introduction to Google Gemini AI

14 horas

Google Gemini AI for Content Creation

14 horas

Google Gemini AI for Transformative Customer Service

14 horas

Google Gemini AI for Data Analysis

21 horas

Generative AI with Large Language Models (LLMs)

21 horas

LlamaIndex: Enhancing Contextual AI

14 horas

LlamaIndex: Developing LLM Powered Applications

42 horas

Introduction to Large Language Models (LLMs)

14 horas

Categorías Relacionadas

1