Programa del Curso

Revisión de Conceptos Básicos de IA Generativa

  • Repaso rápido de conceptos de IA generativa
  • Aplicaciones avanzadas y estudios de caso

Profundización en Redes Adversarias Generativas (GANs)

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

IA Variacional Avanzada (VAEs)

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

Transformers y Modelos Generativos

  • Comprender la arquitectura Transformer
  • Preentrenadores generativos Transformers (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 modelos de difusión
  • Entrenamiento de modelos de difusión
  • Aplicaciones en la 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 el diseño de juegos y la generación de contenido procedural
  • Proyecto práctico: Creación de contenido con aprendizaje por refuerzo

Temas Avanzados de Ética y Sesgo

  • Deepfakes y medios sintéticos
  • Detección y mitigación del sesgo en modelos generativos
  • Consideraciones legales y éticas

Aplicaciones Específicas para la Industria

  • IA generativa en salud
  • Industrias creativas y entretenimiento
  • IA generativa en investigación científica

Tendencias de Investigación en IA Generativa

  • Avances recientes y logros significativos
  • Problemas abiertos y oportunidades de investigación
  • Preparación para una carrera de investigación en IA Generativa

Proyecto Final

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

Resumen y Próximos Pasos

Requerimientos

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

Público Objetivo

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

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas