Contacta con nosotros

Temario del curso

Revisión de los fundamentos de la inteligencia artificial generativa

  • Breve repaso de los conceptos de IA generativa
  • Aplicaciones avanzadas y estudios de caso

Análisis profundo de las Redes Generativas Adversarias (GANs)

  • Estudio detallado de las arquitecturas de GAN
  • Técnicas para mejorar el entrenamiento de GANs
  • GAN condicionales y sus aplicaciones
  • Proyecto práctico: Diseño de una GAN compleja

Autocodificadores Variacionales (VAEs) avanzados

  • Exploración de los límites de los VAEs
  • Representaciones desacopladas en VAEs
  • Beta-VAEs y su importancia
  • Proyecto práctico: Construcción de un VAE avanzado

Transformers y modelos generativos

  • Comprensión de la arquitectura Transformer
  • Transformers preentrenados para generación (GPT) y BERT para tareas generativas
  • Estrategias de ajuste fino para modelos generativos
  • Proyecto práctico: Ajuste fino de un modelo GPT para un dominio específico

Modelos de difusión

  • Introducción a los modelos de difusión
  • Entrenamiento de modelos de difusión
  • Aplicaciones en generación de imágenes y audio
  • Proyecto práctico: Implementación de un modelo de difusión

Aprendizaje por refuerzo en IA generativa

  • Fundamentos del aprendizaje por refuerzo
  • Integración del aprendizaje por refuerzo con modelos generativos
  • Aplicaciones en diseño de juegos y generación procedimental de contenido
  • Proyecto práctico: Creación de contenido mediante aprendizaje por refuerzo

Temas avanzados sobre ética y sesgo

  • Deepfakes y medios sintéticos
  • Detección y mitigación de sesgos en modelos generativos
  • Consideraciones legales y éticas

Aplicaciones específicas por sector industrial

  • IA generativa en el sector de la salud
  • Industrias creativas y entretenimiento
  • IA generativa en la investigación científica

Tendencias de investigación en inteligencia artificial generativa

  • Avances y descubrimientos recientes
  • Problemas abiertos y oportunidades de investigación
  • Preparación para una carrera en investigación de IA generativa

Proyecto final

  • Identificación de un problema adecuado para la IA generativa
  • Preparación y aumento avanzados del conjunto de datos
  • Selección, entrenamiento y ajuste fino del modelo
  • Evaluación, iteración y presentación del proyecto

Resumen y próximos pasos

Requerimientos

  • Comprensión de los conceptos fundamentales del aprendizaje automático y sus algoritmos
  • Experiencia con la programación en Python y uso básico de TensorFlow o PyTorch
  • Conocimiento de los principios de las redes neuronales y el aprendizaje profundo

Público objetivo

  • Científicos de datos
  • Ingenieros de aprendizaje automático
  • Profesionales de IA
 21 Horas

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas