Resumen
En este curso, aprenderá sobre el ciclo de vida de las aplicaciones impulsadas por inteligencia artificial generativa (IA generativa). Esto incluye los siguientes temas:
- Definición de casos de uso empresariales
- Selección de modelos fundamentales (FM)
- Mejora del rendimiento de los FM
- Evaluación del rendimiento de los FM
- Despliegue y su impacto en los objetivos empresariales
Este curso es una introducción al aprendizaje sobre IA generativa. Profundizará en conceptos como la ingeniería de prompt, generación mejorada por búsqueda (RAG) y ajuste fino para personalizar FM.
• Nivel del curso: Básico
• Duración: 60 minutos
ActividadesEste curso incluye elementos interactivos, explicaciones textuales y gráficos ilustrativos.
Objetivos del cursoEn este curso, aprenderá a:
- Identificar los criterios de selección para elegir modelos preentrenados.
- Definir generación mejorada por búsqueda (RAG) y explicar cómo se utiliza en los negocios.
- Describir las implicaciones de costos de diferentes métodos para personalizar modelos fundamentales.
- Comprender el papel de los agentes en tareas de múltiples pasos.
- Entender cómo evaluar el rendimiento de los modelos fundamentales.
- Identificar métricas relevantes para evaluar el rendimiento de los modelos fundamentales.
Este curso está dirigido a:
- Personas interesadas en aprendizaje automático e inteligencia artificial, sin importar su rol específico.
"Desarrollo de Soluciones de IA Generativa" es parte de una serie para adquirir conocimientos básicos en inteligencia artificial, aprendizaje automático e IA generativa. Se recomienda completar los siguientes dos cursos antes de tomar este:
- Fundamentos de Aprendizaje Automático e Inteligencia Artificial
- Exploración de Casos de Uso y Aplicaciones de Inteligencia Artificial
Sección 1
- Lección 1: Cómo tomar este curso
Sección 2: Introducción
- Lección 2: Descripción del curso
- Lección 3: Ciclo de vida de las aplicaciones de IA generativa
Sección 3: Definición de casos de uso
- Lección 4: Definición de casos de uso
Sección 4: Selección de modelos fundamentales
- Lección 5: Selección de modelos fundamentales
- Lección 6: Verificación de conocimientos
Sección 5: Mejora del rendimiento
- Lección 7: Mejora del rendimiento