Introducción a la IA Generativa: Conceptos y Técnicas

Resumen

This four-module course gives you a clear, practical foundation in Generative AI from what it is and where it’s used, to how modern models work and how to apply them responsibly. You’ll start with the big picture:

GenAI capabilities across text, image, audio, and video, plus real-world industry applications.

Then you’ll dive into the science behind today’s Large Language Models:

text representation (tokenization, embeddings), and the Transformer architecture (positional encoding, self-attention, encoder/decoder flow). Next, you’ll get hands-on with LLMs and workflows:

crafting effective prompts, calling models via web/UI and APIs, running models locally (e.g., via Ollama), and extending capabilities with Retrieval-Augmented Generation (RAG) and fine-tuning.

Finally, you’ll examine challenges and responsible practice, including copyright, privacy and security, explainability, and questions of ownership in the GenAI era. Designed for learners with basic Machine Learning and Python familiarity, the course blends short lessons with labs, quizzes, and exercises.

By the end, you’ll understand the core concepts and architectures behind GenAI with a strong sense in ethical and responsible use and GenAI limitations. By the end of this course, learners will be able to:

Explain how generative AI spans text, image, audio, and video and assess real industry workflows where it creates value.

Trace the evolution of language modeling from probabilistic/NLP approaches to Transformers, and justify why attention overcomes prior limitations. Understand tokenization and word embeddings, and reason about how these representations affect model behavior.

Decompose a Transformer block and follow tensors, through self-attention, MLPs, and normalization to explain how representations are formed and refined. Operate LLMs via web UIs, APIs, and locally with Ollama to write minimal inference code and improve outputs using prompt patterns and get familiar with concepts of RAG and Fine-Tuning as possible next steps.

Identify, analyze, and explain LLMs shortcomings such as bias, hallucination, ownership, and prompt injection by formulating user-level guidelines, organizational processes, and governance policies.

Programa

• ¿Qué es GenAI?
En la primera semana del curso, comenzamos con la pregunta más fundamental: ¿Qué es la Inteligencia Artificial Generativa? A partir de ahí, exploramos el alcance de los proyectos de Gen-AI y examinamos las aplicaciones más populares para diversas tareas. Los estudiantes descubrirán cómo Gen-AI está transformando industrias y generando cambios en sectores como la atención médica, los negocios y las finanzas. Luego proporcionamos una visión general del nivel superior de la ciencia detrás de estas tecnologías, preparando a los participantes para conceptos más técnicos.
• Fundamentos de PLN
Este módulo asienta a los estudiantes en el Procesamiento de Lenguaje Natural desde sus raíces hasta el presente. Examinarás cómo se representa el lenguaje y por qué estos pasos son importantes. Sobre esa base, el módulo desmitifica el Transformador, cubriendo la codificación posicional, la autoatención y la atención multi-cabeza. Al final, entenderás la mecánica de extremo a extremo que impulsa los chatbots actuales.
• Uso práctico de LLMs
Este módulo explora cómo puedes convertir tus ideas en aplicaciones de GenAI y explora el ecosistema de modelos de código abierto vs. propietario. Obtendrás experiencia práctica haciendo llamadas a la API para modelos en la nube y ejecutando modelos de código abierto localmente con Ollama. Finalmente, dominarás el completo conjunto de herramientas de confiabilidad, pasando de la ingeniería avanzada de prompts a la Generación Aumentada por Recuperación (RAG) y ajuste fino.
• Consideraciones Éticas y Desarrollo Responsable en IA
El Módulo 4 aborda directamente las crecientes preocupaciones sobre el uso de Gen AI al centrarse en los desafíos de la Inteligencia Artificial Generativa y los principios de la IA Responsable. Investigaremos limitaciones críticas como el sesgo y las alucinaciones y exploraremos sus mitigaciones. Este módulo también cubre temas complejos que rodean la propiedad intelectual, la privacidad de los datos y la propiedad, así como el papel de la IA Explicable (XAI) en la construcción de sistemas seguros y confiables.

---

Impartido por

Amreen Anbar and Soroush Razavi

---

Materias

Artificial Intelligence