Contacta con nosotros

Temario del curso

Introducción a la IA generativa

  • ¿Qué es la IA generativa?
  • Historia y evolución de la IA generativa
  • Conceptos clave y terminología
  • Descripción general de las aplicaciones y el potencial de la IA generativa

Fundamentos del aprendizaje automático

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

Conceptos básicos del aprendizaje profundo

  • Redes neuronales y aprendizaje profundo
  • Funciones de activación, funciones de pérdida y optimizadores
  • Sobreajuste, subajuste y técnicas de 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 para los modelos generativos

Autoencoders Variacionales (VAE)

  • Comprensión de los autoencoders
  • La arquitectura de los VAE
  • Espacio latente y su importancia
  • Proyecto práctico: Construcción de un VAE simple

Redes Generativas Adversarias (GAN)

  • Introducción a las GAN
  • La arquitectura de las GAN: generador y discriminador
  • Entrenamiento de GAN y desafíos
  • Proyecto práctico: Creación de una GAN básica

Modelos generativos avanzados

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

Ética e implicaciones

  • Consideraciones éticas en la IA generativa
  • Sesgo y equidad en los modelos de IA
  • Implicaciones futuras e IA responsable

Aplicaciones industriales de la IA generativa

  • IA generativa en el arte y la creatividad
  • Aplicaciones en negocios y marketing
  • IA generativa en la ciencia y la investigación

Proyecto final

  • Ideación y propuesta de un proyecto de IA generativa
  • Recopilación y preprocesamiento del conjunto de datos
  • Selección y entrenamiento del modelo
  • Evaluación y presentación de los resultados

Resumen y próximos pasos

Requerimientos

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

Audiencia objetivo

  • Desarrolladores
 14 Horas

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas