Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Módulo 1: Introducción y teoría de la IA
- El enfoque basado en modelos: La IA como un problema de ingeniería.
- Desmitificando el "fantasma en la máquina": Qué es la IA y qué no es.
- La evolución de la tecnología: De BERT a Transformers.
- Dominios generativos: Análisis, creatividad, investigación, imagen, música y video.
- Gobernanza de datos: Pilares, auditorías y tendencias de investigación (Multimodalidad, Agentes, RAG, LLM vs. SLM).
- El lado oscuro: Ética, propiedad intelectual, sesgos, alucinaciones e ingeniería social.
- Evaluación de riesgos: Envenenamiento de datos, Nepenthes y el riesgo de "dumbing down" (simplificación excesiva) del talento humano.
- Taxonomía de modelos: Fundacionales vs. específicos para tareas; modelos con pesos cerrados vs. de código abierto.
Módulo 2: Panorama actual y conjunto de herramientas
- La arena de los modelos de lenguaje: Comparación de rendimiento y puntos de referencia.
- Criterios de compra profesional: Costo, latencia, privacidad y bloqueo del proveedor.
- Visión general de los grandes modelos: OpenAI ChatGPT, Perplexity, Gemini y Grok.
- Modelos nicho y pequeños: Manus, SpecKit.
- Generación gráfica: Perchance
- Restricciones técnicas: Degradación del contexto vs. costo por token.
Módulo 3: Interacción - Ingeniería de prompts y contexto
- El marco de verificación: Completitud, consistencia y verificabilidad.
- La estrategia RAG: Cuándo usar la generación aumentada por recuperación (RAG) frente al ajuste fino (fine-tuning).
- ROI de la IA: Costos de mantenimiento vs. ganancias de productividad.
- Técnicas avanzadas: Más de 20 métodos de prompts y RAG con ejemplos del mundo real.
- Fronteras experimentales: Triangulación, visión general del mapa y terreno, y generación basada en modelos.
Módulo 4: IA en la gestión de proyectos ágiles
- El piloto supercomputador: La IA como motor de automatización.
- Toma de decisiones: Responsabilidad humana vs. asistencia de IA.
- AIOps y GitOps: Integración de la IA en el flujo de trabajo operativo.
- Cadenas de herramientas y tuberías (pipelines): Crear un entorno impulsado por IA sin interrupciones.
- Artefactos ágiles: Backlog, hoja de ruta e ingeniería de requisitos.
- Gestión de precisión: Planificación de capacidad y estimación (Precisión vs. Exactitud).
- Propiedad del producto: Ideación, análisis de funciones y riesgos del "Vibe-coding".
- Riesgos y escenarios: Planificación para los "¿Qué pasa si?" y gestión automatizada de riesgos.
- Refinamiento: Descripción y refinamiento del caso de uso e historia de usuario.
Requerimientos
- Comprensión básica del Manifiesto Ágil y el marco Scrum.
- Experiencia en gestión de proyectos, propiedad de producto o liderazgo de equipos.
- No se requiere experiencia previa en programación o ingeniería de IA, aunque se recomienda una familiaridad general con las herramientas digitales.
Público objetivo
- Gestores de proyectos Ágiles y Scrum Masters.
- Propietarios de producto y gestores de producto.
- Líderes de equipos de TI y gestores de entrega.
- Analistas de negocios que trabajan en entornos Ágiles.
- Gestores de operaciones interesados en AIOps.
7 Horas
Reseñas (1)
Comprender las funciones y herramientas de la IA para facilitar nuestro trabajo. Necesitamos mejorar los chatbots de IA, por ejemplo, en la realización de análisis y la creación de presentaciones.
Tri wulandari - PT Chubb Life Insurance Indonesia
Curso - AI Literacy & Productivity
Traducción Automática
