Temario del curso
Introducción a la IA para el Desarrollo de Software
- ¿Qué es la IA Generativa frente a la IA Predictiva?
- Aplicaciones de la IA en programación, análisis y automatización
- Panorama general de LLM, transformadores y modelos de aprendizaje profundo
Programación asistida por IA y Desarrollo Predictivo
- Completado y generación de código impulsado por IA (GitHub Copilot, CodeGeeX)
- Predicción de errores y vulnerabilidades en el código antes del despliegue
- Automatización de revisiones de código y sugerencias de optimización
Construcción de Modelos Predictivos para Aplicaciones de Software
- Comprensión del pronóstico de series temporales y el análisis predictivo
- Implementación de modelos de IA para pronóstico de demanda y detección de anomalías
- Uso de Python, Scikit-learn y TensorFlow para modelado predictivo
IA Generativa para Generación de Texto, Código e Imágenes
- Trabajo con GPT, LLaMA y otros LLM
- Generación de datos sintéticos, resúmenes de texto y documentación
- Creación de imágenes y videos generados por IA con modelos de difusión
Despliegue de Modelos de IA en Aplicaciones del Mundo Real
- Hospedaje de modelos de IA utilizando Hugging Face, AWS y Google Cloud
- Construcción de servicios de IA basados en API para aplicaciones empresariales
- Ajuste fino de modelos de IA preentrenados para tareas específicas del dominio
IA para Insights Predictivos de Negocios y Toma de Decisiones
- Inteligencia empresarial impulsada por IA y análisis de clientes
- Predicción de tendencias del mercado y comportamiento del consumidor
- Automatización de optimizaciones de flujo de trabajo con IA
IA Ética y Mejores Prácticas en el Desarrollo
- Consideraciones éticas en la toma de decisiones asistida por IA
- Detección de sesgos y equidad en modelos de IA
- Mejores prácticas para una IA interpretable y responsable
Talleres Prácticos y Estudios de Caso
- Implementación de análisis predictivo para un conjunto de datos del mundo real
- Construcción de un chatbot impulsado por IA con generación de texto
- Despliegue de una aplicación basada en LLM para automatización
Resumen y Próximos Pasos
- Revisión de los puntos clave
- Herramientas y recursos de IA para aprendizaje continuo
- Sesión final de preguntas y respuestas
Requerimientos
- Comprensión de conceptos básicos de desarrollo de software
- Experiencia con cualquier lenguaje de programación (se recomienda Python)
- Familiaridad con los fundamentos del aprendizaje automático o la IA (recomendado, pero no obligatorio)
Público objetivo
- Desarrolladores de software
- Ingenieros de IA/ML
- Líderes técnicos de equipos
- Gerentes de producto interesados en aplicaciones impulsadas por IA
Testimonios (2)
El estilo interactivo, los ejercicios
Tamas Tutuntzisz
Curso - Introduction to Prompt Engineering
Traducción Automática
Un excelente repositorio de recursos para futuras consultas, estilo del instructor (lleno de buen sentido del humor y gran nivel de detalle)
Adam - GE Aerospace Poland Sp. z o.o.
Curso - Prompt Engineering for ChatGPT
Traducción Automática