GIT
Inicio
Módulo 1: Introducción a la IA y Tendencias Actuales
Conceptos Fundamentales
Definición de IA
Exploración de la diferencia entre IA débil y fuerte, junto con la evolución histórica de la IA desde sus inicios hasta la actualidad, abarcando los principales paradigmas y enfoques.
Fundamentos Técnicos
Conceptos esenciales de probabilidad y estadística, lógica computacional, y teoría de algoritmos aplicados a la inteligencia artificial.
Estado Actual y Aplicaciones
Tendencias en IA
Modelos generativos y sus aplicaciones en texto, imagen, audio y video, junto con servicios en la nube y la emergente IA multimodal.
Casos de Uso Actuales
Implementaciones prácticas como chatbots avanzados, sistemas de recomendación, asistentes de código y aplicaciones en diagnóstico médico y análisis financiero.
Aspectos Éticos y Sociales
Consideraciones Éticas
Análisis del impacto social de la IA, incluyendo sesgos algorítmicos y consideraciones sobre privacidad y seguridad de datos.
Presente y Futuro
¿A dónde vamos? ¿Cuál es la postura que debemos tomar para se competitivos en un mundo gobernado por IA?
Machine Learning Tradicional vs. Deep Learning
Machine Learning Tradicional
  • Algoritmos de regresión lineal y logística
  • Árboles de decisión y Random Forests
  • Support Vector Machines (SVM)
  • Algoritmos de clustering
Preparación de Datos
  • Limpieza y preprocesamiento
  • Feature engineering
  • Manejo de datos desbalanceados
  • Validación cruzada
Deep Learning
  • Arquitecturas de redes neuronales
  • Proceso de backpropagation
  • Técnicas de optimización
  • Frameworks: PyTorch, TensorFlow
  • Ajuste de hiperparámetros
Evaluación y Comparación
  • Métricas de rendimiento
  • Técnicas de validación
  • Prevención de overfitting
  • Criterios de selección entre enfoques
  • Complejidad vs. interpretabilidad
Módulo 3: Modelos LLM y Transformers
  • Transformers y su arquitectura: Mecanismo de atención y self-attention, arquitectura encoder-decoder, diferencias con RNN y CNN, implementación práctica.
  • Modelos LLM populares: Análisis detallado de GPT-4, Llama 2, Mistral, Gemini, comparativa de capacidades y limitaciones, modelos open source vs. propietarios.
  • Proceso de entrenamiento: Pre-entrenamiento y fine-tuning, técnicas de optimización como LoRA y Adapters, strategias de cuantización, entrenamiento distribuido.
  • Prompt Engineering: Técnicas avanzadas, few-shot learning, chain-of-thought prompting, estrategias de optimización de prompts.
  • Limitaciones y desafíos: Alucinaciones y su prevención, sesgos inherentes, consumo computacional y optimización, estrategias de validación de salidas.
Módulo 4: LangChain y Agentes IA
Fundamentos de LangChain
Arquitectura completa y componentes fundamentales de LangChain, mostrando la integración con diferentes modelos LLM y sus patrones de diseño básicos.
Componentes Esenciales
Sistema integral de Chains, Memory y vectorización de documentos, formando la base para aplicaciones avanzadas de IA conversacional.
Agentes Inteligentes
Arquitectura de agentes autónomos que implementan patrones ReAct y Plan-and-Execute, con capacidad de integración a APIs y bases de datos.
Herramientas Avanzadas
Implementación de herramientas personalizadas y sistemas de recuperación de información, con gestión avanzada de contexto y memoria.
Aplicaciones Prácticas
Casos de uso reales desde sistemas de consulta documental hasta asistentes empresariales y automatización de procesos de atención al cliente.
Automatización y APIs REST
Integración y automatización de servicios mediante APIs REST, permitiendo la comunicación eficiente entre sistemas y la orquestación de flujos de trabajo complejos.
Módulo 5: Aplicaciones Prácticas y Taller
Desarrollo de chatbot empresarial
Implementación completa con LangChain y OpenAI API, manejo de contexto y memoria, integración con sistemas externos.
Sistema de consulta de documentación
Creación de un sistema de RAG (Retrieval Augmented Generation), indexación de documentos, búsqueda semántica.
Automatización empresarial
Desarrollo de agentes IA para automatización de procesos, integración con APIs empresariales, sistemas de monitoreo y logging.
Optimización y deployment
Técnicas de optimización de costos, estrategias de caching, deployment en producción, monitoreo de rendimiento.
Proyecto final integrador
Desarrollo de una aplicación completa que combine múltiples conceptos del curso, con énfasis en mejores prácticas y patrones de diseño.