Temario del curso
Revisión de Conceptos Básicos de IA Generativa
- Repaso rápido de conceptos de IA generativa
- Aplicaciones avanzadas y estudios de caso
Profundización en Redes Adversarias Generativas (GANs)
- Estudio detallado de arquitecturas GAN
- Técnicas para mejorar el entrenamiento de GANs
- GAN condicionales y sus aplicaciones
- Proyecto práctico: Diseño de una GAN compleja
IA Variacional Avanzada (VAEs)
- Exploración de los límites de VAEs
- Representaciones desentrelazadas en VAEs
- Beta-VAEs y su significancia
- Proyecto práctico: Construcción de un VAE avanzado
Transformers y Modelos Generativos
- Comprender la arquitectura Transformer
- Preentrenadores generativos Transformers (GPT) y BERT para tareas generativas
- Estrategias de ajuste fino para modelos generativos
- Proyecto práctico: Ajuste fino de un modelo GPT para un dominio específico
Modelos de Difusión
- Introducción a modelos de difusión
- Entrenamiento de modelos de difusión
- Aplicaciones en la generación de imágenes y audio
- Proyecto práctico: Implementación de un modelo de difusión
Aprendizaje por Refuerzo en IA Generativa
- Fundamentos del aprendizaje por refuerzo
- Integración del aprendizaje por refuerzo con modelos generativos
- Aplicaciones en el diseño de juegos y la generación de contenido procedural
- Proyecto práctico: Creación de contenido con aprendizaje por refuerzo
Temas Avanzados de Ética y Sesgo
- Deepfakes y medios sintéticos
- Detección y mitigación del sesgo en modelos generativos
- Consideraciones legales y éticas
Aplicaciones Específicas para la Industria
- IA generativa en salud
- Industrias creativas y entretenimiento
- IA generativa en investigación científica
Tendencias de Investigación en IA Generativa
- Avances recientes y logros significativos
- Problemas abiertos y oportunidades de investigación
- Preparación para una carrera de investigación en IA Generativa
Proyecto Final
- Identificación de un problema adecuado para la IA generativa
- Preparación y aumentación avanzada del conjunto de datos
- Selección, entrenamiento y ajuste fino del modelo
- Evaluación, iteración y presentación del proyecto
Resumen y Próximos Pasos
Requerimientos
- Comprensión de conceptos y algoritmos fundamentales de aprendizaje automático
- Experiencia con programación en Python y uso básico de TensorFlow o PyTorch
- Familiaridad con los principios de redes neuronales y aprendizaje profundo
Público Objetivo
- Científicos de datos
- Ingenieros de aprendizaje automático
- Practicantes de IA
Testimonios (2)
Repasar los diversos casos de uso y aplicaciones de la IA fue muy útil. Disfruté del recorrido por los diferentes Agentes de IA.
Axel Schulz - CANARIE Inc
Curso - Microsoft 365 Copilot: AI Productivity Across Word, Excel, PowerPoint, Outlook, and Teams
Traducción Automática
Me gustó que el formador tuviera mucho conocimiento y lo compartiera con nosotros
Daria Pawlak - LKQ POLSKA SPOLKA Z OGRANICZONA ODPOWIEDZIALNOSCIA
Curso - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Traducción Automática