Programa del Curso

Revisión de Generative AI Conceptos básicos

  • Resumen rápido de Generative AI conceptos
  • Aplicaciones avanzadas y casos prácticos

Profundización en las redes generativas adversarias (GAN)

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

Autocodificadores variacionales avanzados (VAE)

  • Explorando los límites de los VAE
  • Representaciones desenredadas en VAE
  • Los beta-VAE y su importancia
  • Proyecto práctico: Construcción de un VAE avanzado

Transformadores y Modelos Generativos

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

Modelos de difusión

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

Reinforcement Learning en Generative AI

  • Conceptos básicos del aprendizaje por refuerzo
  • Integración del aprendizaje por refuerzo con modelos generativos
  • Aplicaciones en el diseño de juegos y la generación de contenidos procedimentales
  • Proyecto práctico: Creación de contenidos con aprendizaje por refuerzo

Temas Avanzados en Ética y Sesgo

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

Aplicaciones específicas de la industria

  • Generative AI en el cuidado de la salud
  • Industrias creativas y entretenimiento
  • Generative AI en investigación científica

Tendencias de investigación en Generative AI

  • Últimos avances y avances
  • Problemas abiertos y oportunidades de investigación
  • Preparación para una carrera investigadora en Generative AI

Proyecto final

  • Identificación de un problema adecuado para Generative AI
  • Preparación y aumento avanzados de conjuntos de datos
  • Selección, entrenamiento y ajuste de modelos
  • Evaluación, iteración y presentación del proyecto

Resumen y próximos pasos

Requerimientos

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

Audiencia

  • Científicos de datos
  • Ingenieros de aprendizaje automático
  • Profesionales de la IA
 21 horas

Número de participantes



Precio por participante

Cursos Relacionados

LangChain: Building AI-Powered Applications

14 horas

LangChain Fundamentals

14 horas

Small Language Models (SLMs): Applications and Innovations

14 horas

Small Language Models (SLMs) for Domain-Specific Applications

28 horas

Small Language Models (SLMs): Developing Energy-Efficient AI

21 horas

Small Language Models (SLMs) for Human-AI Interactions

14 horas

Small Language Models (SLMs) for On-Device AI

21 horas

Introduction to Google Gemini AI

14 horas

Google Gemini AI for Content Creation

14 horas

Google Gemini AI for Transformative Customer Service

14 horas

Google Gemini AI for Data Analysis

21 horas

Generative AI with Large Language Models (LLMs)

21 horas

LlamaIndex: Enhancing Contextual AI

14 horas

LlamaIndex: Developing LLM Powered Applications

42 horas

Introduction to Large Language Models (LLMs)

14 horas

Categorías Relacionadas

1