Arquitecturas de Modelos Avanzados y IA de Lenguaje

Resumen

Take your data analysis skills to the next level by building, evaluating, and deploying the advanced models that power real-world AI systems. In this course, you'll work with decision trees, ensemble methods, neural networks, large language models, and conversational AI — integrating techniques that data professionals use to solve complex, production-grade problems.

You'll move from training and pruning tree-based models to quantifying ensemble lift, from diagnosing overfitting in neural networks to fine-tuning LLMs on domain-specific data. You'll also build a retrieval-augmented chatbot and evaluate NLP pipelines end to end.

By the end, you'll be able to recommend deployment-ready solutions, communicate model decisions to stakeholders, and demonstrate the breadth of skills that employers look for in intermediate-to-advanced data analyst and machine learning roles.

Programa

• Construcción y Poda de Árboles de Decisión - Fundación
Construir y podar modelos CART con visualizaciones listas para los interesados
• Comparación de Métodos de Ensamble - Aplicación Central
Aplicar bagging, boosting y stacking en el mismo conjunto de datos, comparar métricas y cuantificar el incremento del ensamble sobre modelos individuales
• Evaluación del Costo Computacional - Integración y Evaluación
Evaluar el costo computacional frente a la ganancia de rendimiento para cada técnica de ensamble y recomendar la viabilidad de implementación
• Implementación de Red Feed-forward - Fundación
Construir una red neuronal feed-forward usando Keras/PyTorch, alcanzar una pérdida de validación especificada y documentar las elecciones de arquitectura.
• Evaluación del Sobreajuste y Regularización - Aplicación Central
Evaluar el sobreajuste mediante análisis de curvas de aprendizaje e implementar regularización (dropout/L2) para cumplir objetivos de generalización.
• Generación de Informes Ejecutivos - Fundación
Los estudiantes aplicarán LLMs para generar borradores iniciales de informes ejecutivos que resuman los insights del modelo y refinen los prompts para cumplir con puntuaciones ROUGE o BLEU especificadas.
• Tuberías de Datos a Texto - Aplicación Central
Los estudiantes crearán tuberías comprensivas de datos a texto que combinen SQL, Python y APIs de LLM para transformar automáticamente tablas de KPI (Indicador Clave de Rendimiento) en resúmenes narrativos.
• Ajuste Fino y Evaluación de LLM - Integración
Los estudiantes ajustarán pequeños LLMs en preguntas frecuentes de la empresa y medirán la mejora en la relevancia de las respuestas mediante evaluación humana sistemática.
• Análisis de Costos vs. Rendimiento - Evaluación
Los estudiantes evaluarán los compromisos entre costo y latencia entre LLMs de código abierto y comerciales para aplicaciones de chat en tiempo real mediante análisis sistemático.
• Desarrollo de Chatbot RAG - Fundación
Construir un prototipo de chatbot usando RAG (generación aumentada por recuperación) y medir la satisfacción del usuario mediante una encuesta SUS.
• Optimización de Flujo de Diálogo - Aplicación Central
Evaluar métricas de flujo de diálogo (tasa de caídas, longitud de turno) e iterar sobre reglas de coincidencia de intención.
• Reconocimiento de Entidades Nombradas - Integración
Aplicar reconocimiento de entidades nombradas para extraer términos clave de tickets de soporte y cuantificar precisión/recuperación.
• Evaluación de Vectorización de Texto - Evaluación
Evaluar dos técnicas de vectorización (TF-IDF vs. embeddings) en una tarea de clasificación de texto.
• Proyecto: Arquitecturas de Modelos Avanzados y IA de Lenguaje
Construyes una aplicación de insights impulsada por IA end-to-end que combina modelado en ensemble con generación de explicaciones impulsada por LLM. Entrenas y evalúas un modelo en ensemble para predecir puntuaciones de salud del cliente, extraer importancia de características e integrar un modelo de lenguaje grande para generar explicaciones en lenguaje natural para cada predicción. El entregable final es una aplicación funcional con una interfaz simple y documentación técnica adecuada para un equipo de desarrollo.

---

Impartido por

Professionals from the Industry

---

Materias

Computer Science