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.
Duración 21 horas
Temario del curso
Introducción a la IA para el desarrollo de software
- Diferencias entre IA generativa y IA predictiva
- Aplicaciones de la IA en codificación, analítica y automatización
- Visión general de LLMs, transformadores y modelos de aprendizaje profundo
Asistencia de IA en la codificación y desarrollo predictivo
- Autocompletado y generación de código impulsados por IA (GitHub Copilot, CodeGeeX)
- Detección anticipada 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 la analítica predictiva
- Implementación de modelos de IA para pronóstico de demanda y detección de anomalías
- Uso de Python, Scikit-learn y TensorFlow para el modelado predictivo
IA generativa para texto, código y generación de imágenes
- Trabajo con GPT, LLaMA y otros LLMs
- Generación de datos sintéticos, resúmenes de texto y documentación
- Creación de imágenes y videos generados por IA mediante modelos de difusión
Despliegue de modelos de IA en aplicaciones del mundo real
- Alojamiento de modelos de IA utilizando Hugging Face, AWS y Google Cloud
- Creación de servicios de IA basados en API para aplicaciones de negocio
- Ajuste fino (fine-tuning) de modelos de IA preentrenados para tareas específicas de dominio
IA para insights de negocio predictivos y toma de decisiones
- Inteligencia de negocio impulsada por IA y analítica de clientes
- Pronóstico de tendencias del mercado y comportamiento del consumidor
- Optimización de flujos de trabajo mediante la automatización 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 casos
- Implementación de analítica predictiva 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 LLMs para la automatización
Resumen y siguientes pasos
- Repaso de los puntos clave
- Herramientas de IA y recursos para seguir aprendiendo
- Sesión final de preguntas y respuestas
Requerimientos
- Comprensión de conceptos básicos de desarrollo de software
- Experiencia con algún lenguaje de programación (se recomienda Python)
- Conocimiento de los fundamentos del aprendizaje automático o la IA (recomendado, pero no obligatorio)
Público objetivo
- Desarrolladores de software
- Ingenieros de IA/aprendizaje automático
- Líderes técnicos de equipos
- Gerentes de producto interesados en aplicaciones impulsadas por IA
Reseñas (4)
Comprensión de la IA y los LLM. Cómo funcionan, así como los puntos de atención y las oportunidades que ofrecen.
Henk Jan Beltman - genuine business
Curso - Advanced AI Concepts with Perplexity
Traducción Automática
Profundidad sobre el contexto de fondo y la formulación de prompts.
Olaf Kannt - Helios Klinikum Krefeld
Curso - Generative AI and Prompt Engineering in Healthcare
Traducción Automática
los consejos y las indicaciones recomendadas que podemos llevarnos de esta capacitación
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Curso - InVideo AI: Creating Engaging Short-Form Videos
Traducción Automática
Uso de prompts apropiados y eficaces
Marses Pacaldo
Curso - Generative AI and Prompt Engineering for Corporate Professionals
Traducción Automática
