IA_GEN_INT | Inteligencia Artificial Generativa Intermediate
 
Curso práctico para ingenieros sobre IA generativa, RAG, fine-tuning y bases vectoriales, con implementación en entornos reales.
 
Objetivos del curso
Diseñar, implementar y optimizar soluciones de IA generativa utilizando RAG, fine-tuning y bases vectoriales.
Comprender el modelo de aprendizaje automático.
Comprender el uso de datos en el aprendizaje automático.

Perfil de audiencia
Técnicos.

Prerrequisitos
Los estudiantes deben tener experiencia en programación (Python, C# o JavaScript), conocimientos básicos de IA y Machine Learning, manejo de APIs, nociones de bases de datos (SQL y estructuras de datos) y familiaridad con entornos de desarrollo como Git y la nube.

Esquema del curso
Capítulo 1: Fundamentos de IA Generativa y Modelos de Lenguaje
Módulo 1. Introducción a la IA Generativa
Historia y evolución de la IA generativa.
Diferencias entre IA tradicional y modelos generativos.
Tipos de modelos generativos: GANs, VAEs, Diffusion Models, Transformers.
Módulo 2: Modelos de Lenguaje de Última Generación
Estructura y funcionamiento de los modelos LLM.
Atención y mecanismos Transformer.
Modelos comerciales vs. open-source (GPT-4, DeepSeek, Mistral, Llama, Claude).
Comparación entre proveedores (OpenAI, Azure OpenAI, AWS Bedrock, Google Vertex AI).
Módulo 3: Ingeniería de Prompts y Tokenización
Introducción a Prompt Engineering.
Técnicas avanzadas: Chain of Thought, Zero-shot vs Few-shot Learning.
Evaluación de prompts con métricas cuantitativas.
Módulo 4: Hands-on con API de Modelos Generativos
Uso de OpenAI API, DeepSeek, Llama en Python y C#
Pruebas con diferentes prompts y optimización de respuestas.
Capítulo 2: Multimodalidad y Generación de Contenidos
Módulo 5: IA Multimodal
Modelos multimodales: Gemini, GPT-4 Turbo, LLaVA.
Aplicaciones en visión, audio y texto.
Casos de uso: generación de imágenes, análisis de contenido, transcripción.
Módulo 6: Generación de Código con IA
Modelos especializados (Codex, StarCoder).
Automatización de desarrollo de software.
Evaluación de calidad del código generado.
Módulo 7: Hands-on con IA Multimodal
Generación de imágenes con Stable Diffusion y DALLE.
Uso de Whisper para transcripción de audio.
Integración con herramientas de desarrollo
Capítulo 3: Bases de Datos Vectoriales y Recuperación Mejorada (RAG)
Módulo 8: Introducción a Bases de Datos Vectoriales
Conceptos de embeddings y búsqueda semántica
Algoritmos ANN y distancia de coseno
Introducción a bases de datos vectoriales más usadas (FAISS, Pinecone, ChromaDB, Weaviate)
Módulo 9: Implementación de RAG
Cómo funciona RAG
Indexación y búsqueda de documentos
Uso con LLMs para mejorar precisión en respuestas
Módulo 10: Hands-on con RAG y BD Vectoriales
Creación de un chatbot con RAG
Indexación de documentos y recuperación de información en Python y C#
Evaluación de resultados y optimización
Capítulo 4: Fine-Tuning y Optimización de Modelos
Módulo 11: Fine-Tuning de Modelos de Lenguaje
Diferencias entre RAG y Fine-Tuning
Preparación de datasets para fine-tuning
Herramientas disponibles (Hugging Face, OpenAI Fine-Tuning API)
Módulo 12: Entrenamiento y Evaluación de Modelos Personalizados
Ajuste fino en modelos open-source.
Entrenamiento en GPUs y costo computacional
Evaluación de métricas (Perplexity, BLEU, ROUGE)
Módulo 13: Hands-on con Fine-Tuning
Fine-tuning con OpenAI y modelos open-source
Evaluación de resultados y mejoras
Capítulo 5: Integración en Aplicaciones y Consideraciones Éticas
Módulo 14: Despliegue y Escalabilidad
Infraestructura en la nube (Azure, AWS, Google Cloud)
Contenedores y microservicios para IA generativa
Evaluación de costos en despliegues
Módulo 15: Seguridad y Consideraciones Éticas
Riesgos en generación de contenido.
Sesgos en modelos de IA
Regulaciones y uso responsable de IA
Módulo 16: Proyecto Final
Construcción de una aplicación completa usando IA generativa
Integración de RAG, Fine-Tuning y BD vectoriales
Evaluación y optimización del modelo en producción
 
Descargue el temario para conocer el detalle completo de los contenidos.
 
Debido a las constantes actualizaciones de los contenidos de los cursos por parte del fabricante, el contenido de este temario puede variar con respecto al publicado en el sitio oficial, sin embargo, Netec siempre entregará la versión actualizada de éste.