Cómo empezar con la inteligencia artificial generativa

Resumen

This course introduces the foundational concepts and advanced techniques in Generative AI, covering key topics such as model architectures, data preparation, prompt engineering, and deployment strategies. Learners will gain practical experience with cutting-edge tools and methodologies to effectively design, fine-tune, and deploy generative AI solutions.

By the end of this course, you will be able to:

- Define the core principles of generative AI, including models, algorithms, and applications. - Apply data pre-processing and vectorization techniques to enhance generative AI models. - Evaluate the strengths and weaknesses of GANs, autoencoders, transformers, and LLMs. - Analyze and optimize prompting techniques for improved model performance. - Design evaluation methods using metrics like BLEU and ROUGE to assess model outputs. This course is suitable for the aspiring AI practitioners, software developers, data scientists, and ML engineers who want to enhance their skills in building, deploying, and optimizing generative AI solutions.

Join us to establish a solid foundation in generative AI and take your career to the next level with hands-on expertise in this transformative technology!

Programa

• Fundamentos de la IA Generativa
Este módulo introduce los conceptos fundamentales y avanzados de la IA Generativa, incluyendo su evolución, aplicaciones en el mundo real y las principales diferencias con los modelos discriminativos. Los estudiantes explorarán la preparación de datos, técnicas de vectorización como TF-IDF y Word2Vec, y adquirirán experiencia práctica con Autoencoders y GANs, lo que les permitirá construir y entrenar modelos generativos para soluciones impulsadas por IA.
• Modelos Transformer y Modelos de Lenguaje a Gran Escala (LLMs)
Este módulo cubre los fundamentos de los mecanismos de atención, la evolución de los transformers y los principales LLMs como GPT, PaLM y LLaMA. Incluye modelos ajustados por instrucciones, integración de API y aplicaciones en el mundo real. También explorarás el ecosistema de LLMs de código abierto, comparaciones de modelos, Hugging Face y consideraciones éticas clave.
• Técnicas y Herramientas de IA Generativa
Este módulo cubre los elementos esenciales de la ingeniería de prompts, técnicas avanzadas de "prompting" como few-shot, zero-shot y chain-of-thought, y estrategias para optimizar resultados de IA generativa. Aprenderás cómo las bases de datos vectoriales (ChromaDB, Pinecone y Weaviate) habilitan la búsqueda semántica y la Generación Aumentada por Recuperación (RAG). El trabajo práctico con LangChain muestra cómo construir aplicaciones de IA modulares utilizando plantillas de prompts, herramientas y agentes para soluciones prácticas y de vanguardia.
• Afinación y Optimización de Modelos Generativos
Este módulo cubre la afinación y optimización de modelos generativos, incluyendo conceptos básicos como el aumento de datos y la optimización de hiperparámetros, y métodos avanzados como PEFT, LoRA y QLoRA para una adaptación eficiente. Aprenderás a evaluar modelos usando métricas como BLEU y ROUGE, equilibrando evaluaciones cuantitativas y cualitativas. El curso también introduce la construcción y el despliegue de soluciones de IA con LLMOps y mejores prácticas de la industria para su uso en el mundo real.
• Conclusión del Curso y Evaluación
Este módulo está diseñado para evaluar a un individuo sobre varios conceptos y enseñanzas cubiertos en este curso. Evalúa tu conocimiento con un cuestionario integral calificado, proyecto y laboratorios.

---

Impartido por

Edureka

---

Materias

Computer Science