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.
Duración 21 horas
Temario del curso
Introducción a la IA Multimodal
- ¿Qué es la IA multimodal?
- Desafíos clave y aplicaciones
- Panorama general de los principales modelos multimodales
Procesamiento de texto y comprensión del lenguaje natural
- Aprovechamiento de modelos de lenguaje grandes (LLMs) para agentes de IA basados en texto
- Comprensión de la ingeniería de prompts para tareas multimodales
- Ajuste fino de modelos de texto para aplicaciones específicas del dominio
Reconocimiento y generación de imágenes
- Procesamiento de imágenes con IA: clasificación, etiquetado y detección de objetos
- Generación de imágenes con modelos de difusión (Stable Diffusion, DALLE)
- Integración de datos de imagen con modelos basados en texto
Procesamiento de voz y audio
- Reconocimiento de voz con Whisper ASR
- Técnicas de síntesis de texto a voz (TTS)
- Mejora de la interacción del usuario con IA basada en voz
Integración de entradas multimodales
- Construcción de tuberías (pipelines) de IA para procesar múltiples tipos de entrada
- Técnicas de fusión para combinar datos de texto, imagen y voz
- Aplicaciones del mundo real de los agentes de IA multimodales
Despliegue de Agentes de IA Multimodales
- Construcción de soluciones de IA multimodal basadas en APIs
- Optimización de modelos para rendimiento y escalabilidad
- Mejores prácticas para el despliegue de IA multimodal en producción
Consideraciones éticas y tendencias futuras
- Sesgo e imparcialidad en la IA multimodal
- Preocupaciones sobre la privacidad con datos multimodales
- Desarrollos futuros en IA multimodal
Resumen y próximos pasos
Requerimientos
- Comprensión de los fundamentos del aprendizaje automático (machine learning)
- Experiencia con programación en Python
- Familiaridad con marcos de aprendizaje profundo (por ejemplo, TensorFlow, PyTorch)
Público objetivo
- Desarrolladores de IA
- Investigadores
- Ingenieros multimedia
