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
- Descripción general de LLMs, transformadores y modelos de aprendizaje profundo
Programación asistida por IA y desarrollo predictivo
- Finalización y generación de código con 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 predicción de demanda y detección de anomalías
- Uso de Python, Scikit-learn y TensorFlow para modelado predictivo
IA generativa para texto, código e imágenes
- Trabajo con GPT, LLaMA y otros LLMs
- Generación de datos sintéticos, resúmenes de texto y documentación
- Creación de imágenes y vídeos generados por IA con 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
- Construcción de servicios basados en APIs para aplicaciones empresariales
- Ajuste fino de modelos de IA preentrenados para tareas específicas del dominio
IA para información empresarial predictiva 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 flujos de trabajo con IA
Ética en la IA y mejores prácticas en el desarrollo
- Consideraciones éticas en la toma de decisiones asistida por IA
- Detección de sesgos y equidad en los 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 con IA basado en generación de texto
- Despliegue de una aplicación basada en LLMs para automatización
Resumen y próximos pasos
- Revisión de las ideas clave
- Herramientas y recursos de IA para aprendizaje continuo
- Sesión final de preguntas y respuestas
Requerimientos
- Comprensión de los conceptos básicos de desarrollo de software
- Experiencia con cualquier lenguaje de programación (se recomienda Python)
- Conocimiento de los fundamentos del aprendizaje automático o la IA (recomendado, pero no obligatorio)
Audiencia objetivo
- Desarrolladores de software
- Ingenieros de IA / ML
- Líderes técnicos de equipos
- Gerentes de producto interesados en aplicaciones potenciadas 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