Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Módulo 1: Introducción y teoría de la IA
- El enfoque basado en modelos: La IA como un problema de ingeniería.
- Desenmarañar el "fantasma en la máquina": Qué es y qué no es la IA.
- La evolución tecnológica: De BERT a Transformers.
- Dominios generativos: Análisis, creatividad, investigación, imagen, música y vídeo.
- Gobernanza de datos: Pilares, auditorías y tendencias de investigación (Multimodalidad, Agentes, RAG, LLM vs. SLM).
- El lado oscuro: Ética, propiedad intelectual (IP), sesgos, alucinaciones e ingeniería social.
- Evaluación de riesgos: Envenenamiento de datos, Nepenthes y el riesgo de "anular" el talento humano.
- Taxonomía de modelos: Fundacionales vs. específicos para tareas; Cerrados vs. de pesos abiertos.
Módulo 2: Panorama actual y conjunto de herramientas
- La Arena de Modelos de Lenguaje: Comparación de rendimiento y puntos de referencia.
- Criterios profesionales de compra: Costo, latencia, privacidad y bloqueo con el proveedor.
- Visión general de los modelos grandes: OpenAI ChatGPT, Perplexity, Gemini y Grok.
- Modelos nicho y pequeños: Manus, SpecKit.
- Generación gráfica: Perchance
- Restricciones técnicas: Degradación del contexto frente a costo por token.
Módulo 3: Interacción - Ingeniería de prompts y contexto
- El marco de verificación: Completitud, consistencia y verificabilidad.
- La estrategia RAG: Cuándo utilizar la Generación Aumentada por Recuperación frente al ajuste fino (fine-tuning).
- Retorno de inversión (ROI) de la IA: Costos de mantenimiento frente a ganancias de productividad.
- Técnicas avanzadas: Más de 20 métodos de prompts y RAG con ejemplos del mundo real.
- Fronteras experimentales: Triangulación, descripción general del mapa y el terreno, y generación basada en modelos.
Módulo 4: IA en la gestión de proyectos ágiles
- El piloto supercomputador: La IA como motor de automatización.
- Toma de decisiones: Responsabilidad humana frente a asistencia de la IA.
- AIOps y GitOps: Integración de la IA en el flujo de trabajo operativo.
- Cadenas de herramientas y flujos de trabajo (pipelines): Creación de un entorno impulsado por IA sin fisuras.
- Artefactos ágiles: Backlog, hoja de ruta e ingeniería de requisitos.
- Gestión precisa: Planificación de capacidad y estimación (Precisión vs. Exactitud).
- Propiedad del producto: Ideación, análisis de funciones y riesgos del "Vibe-coding".
- Riesgos y escenarios: Planificación para el "qué pasaría si" y gestión automatizada de riesgos.
- Refinamiento: Descripción y refinamiento de casos de uso e historias de usuario.
Requerimientos
- Comprensión básica del Manifiesto Ágil y el marco Scrum.
- Experiencia en gestión de proyectos, propiedad de producto o liderazgo de equipos.
- No se requiere experiencia previa en programación o ingeniería de IA, aunque se recomienda familiaridad general con herramientas digitales.
Público objetivo
- Gerentes de proyectos ágiles y Scrum Masters.
- Product Owners (Propietarios del producto) y Product Managers (Gerentes de producto).
- Líderes de equipos de TI y Gerentes de entrega.
- Analistas de negocio que trabajan en entornos ágiles.
- Gerentes de operaciones interesados en AIOps.
7 Horas
Reseñas (1)
Comprender las funciones y herramientas de la IA para facilitar nuestro trabajo. Necesitamos mejorar los chatbots de IA, por ejemplo, en la realización de análisis y la creación de presentaciones.
Tri wulandari - PT Chubb Life Insurance Indonesia
Curso - AI Literacy & Productivity
Traducción Automática
