Marcos de Datos para la IA Generativa

Resumen

Generative AI systems—large language models (LLMs), Retrieval-Augmented Generation (RAG), and agentic AI—demand modern data strategies to ensure accuracy and reliability. These technologies hinge on high-quality, well-governed data; without a robust framework, even advanced models risk generating flawed outputs.

This course explores how foundational data principles enable scalable, trustworthy generative AI solutions. We start by analyzing LLMs’ role in today’s AI applications, addressing limitations like hallucinations and outdated context.

Next, we examine how RAG enhances LLMs with retrieval mechanisms, and why agentic AI—enabling autonomous reasoning and decision-making—is the next frontier. Each evolution underscores the criticality of structured, governed data.

You’ll learn the core components of modern data strategy:

unified frameworks, effective management, and principled governance. We dissect how structured and unstructured data uniquely power AI systems and introduce pillars like accessibility, security, lineage, and scalability.

Through case studies, hands-on exercises, and expert-led discussions, you’ll gain practical insights into data taxonomies, classification, and real-world implementation. By the end of the course, you’ll master applying these strategies to GenAI projects, ensuring systems are built on reliable, enterprise-ready data foundations.

This course is for Data Scientists, Data Engineers, AI or GenAI Leaders, and any curious learner who wants to understand modern data strategies, especially data frameworks and their impact and applications. By the end of this course, you will be able to, explain the components of a modern data framework and its role in GenAI.

You will also be able to differentiate between structured and unstructured data in AI implementations and apply foundational data governance and management principles to support scalable GenAI solutions.

Programa

• Entendiendo los Fundamentos de la Estrategia Moderna de Datos
En el dinámico panorama actual de la IA, los datos ya no son solo un subproducto; son el combustible que impulsa los sistemas inteligentes. Este módulo introduce el papel fundamental de los marcos de datos en la estrategia de datos moderna, especialmente en el contexto de las aplicaciones de IA Generativa. Comenzamos discutiendo cómo los Modelos de Lenguaje Grande (MLL), la Generación Aumentada por Recuperación (RAG) y los sistemas de IA Agente dependen de datos de alta calidad y bien gestionados. Explorarás la evolución de estas tecnologías, sus dependencias en datos estructurados y no estructurados, y cómo la estrategia de datos debe evolucionar paralelamente. El módulo también cubre los pilares centrales de una estrategia moderna de datos: marcos de datos, gestión y gobernanza, y explica su papel crítico en impulsar el rendimiento, el cumplimiento y la escalabilidad en soluciones GenAI. A través de ejemplos, estudios de caso y guías paso a paso, aprenderás a diseñar marcos que apoyen la relevancia, la calidad y la responsabilidad, asegurando que los sistemas de IA sean tanto poderosos como responsables.
• Introducción a un Marco de Datos Comprehensivo
A medida que la IA generativa sigue evolucionando, la importancia de marcos de datos bien estructurados se ha vuelto central para construir sistemas de IA escalables y éticos. En este módulo, nos enfocamos en diseñar marcos de datos comprensivos que apoyen las necesidades de los sistemas de IA modernos, especialmente aquellos que dependen tanto de datos estructurados como no estructurados. Explorarás el papel de las taxonomías personalizadas en la organización de datos, y cómo estas taxonomías permiten la clasificación y recuperación de datos de manera consistente. También examinamos cómo los principios de IA Responsable (RAI) influyen en la estrategia y gobernanza de datos, asegurando que la equidad, la transparencia y la responsabilidad estén integradas en la base. A través de discusiones prácticas y perspectivas de expertos, verás cómo los componentes de un marco de datos robusto—diseño de taxonomía, consideraciones éticas y prácticas de gobernanza—trabajan juntos. Finalmente, miramos hacia las tendencias emergentes y las expectativas en evolución en los marcos de datos para prepararnos para el futuro del despliegue de GenAI.

Impartido por

Fractal Analytics and David Drummond

Materias

Computer Science