Programa del Curso

Introducción a Generative AI

  • ¿Qué es Generative AI?
  • Historia y evolución de Generative AI
  • Conceptos clave y terminología
  • Descripción general de las aplicaciones y el potencial de Generative AI

Fundamentos de Machine Learning

  • Introducción al aprendizaje automático
  • Tipos de aprendizaje automático: supervisado, no supervisado y Reinforcement Learning
  • Algoritmos y modelos básicos
  • Preprocesamiento de datos e ingeniería de características

Deep Learning Conceptos básicos

  • Redes neuronales y aprendizaje profundo
  • Funciones de activación, funciones de pérdida y optimizadores
  • Técnicas de sobreajuste, subajuste y regularización
  • Introducción a TensorFlow y PyTorch

Descripción general de los modelos generativos

  • Tipos de modelos generativos
  • Diferencias entre modelos discriminativos y generativos
  • Casos de uso de modelos generativos

Autocodificadores variacionales (VAE)

  • Descripción de los codificadores automáticos
  • La arquitectura de los VAE
  • El espacio latente y su significado
  • Proyecto práctico: Construcción de un VAE simple

Redes generativas adversarias (GAN)

  • Introducción a las GAN
  • La arquitectura de las GANs: Generador y Discriminador
  • Capacitación de GAN y desafíos
  • Proyecto práctico: Creación de una GAN básica

Modelos Generativos Avanzados

  • Introducción a los modelos de transformadores
  • Descripción general de los modelos GPT (transformadores generativos preentrenados)
  • Aplicaciones de GPT en la generación de texto
  • Proyecto práctico: Generación de texto con un modelo GPT preentrenado

Ética e implicaciones

  • Consideraciones éticas en Generative AI
  • Sesgo y equidad en los modelos de IA
  • Implicaciones futuras e IA responsable

Aplicaciones industriales de Generative AI

  • Generative AI En Arte y Creatividad
  • Aplicaciones en negocios y marketing
  • Generative AI En Ciencia e Investigación

Proyecto final

  • Ideación y propuesta de un proyecto de IA generativa
  • Recopilación y preprocesamiento de conjuntos de datos
  • Selección y entrenamiento de modelos
  • Evaluación y presentación de resultados

Resumen y próximos pasos

Requerimientos

  • Una comprensión de los conceptos básicos de programación en Python
  • Experiencia con conceptos matemáticos básicos, especialmente probabilidad y álgebra lineal

Audiencia

  • Desarrolladores
 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