Resumen
Este curso explora el ciclo de vida de las aplicaciones de inteligencia artificial generativa (IA generativa), que incluye lo siguiente:
- Definición de casos de uso empresarial
- Selección del modelo base (FM)
- Mejora del rendimiento del FM
- Evaluación del rendimiento del FM
- Implementación y su impacto en los objetivos empresariales
Este curso es una introducción a la IA generativa y aborda en profundidad conceptos relacionados con la ingeniería de prompts, la generación aumentada por recuperación (RAG) y la personalización de FM mediante ajuste fino.
- Nivel del curso: Básico
- Duración: 1 hora
Este curso incluye elementos interactivos, videos, instrucciones textuales y gráficos ilustrativos.
En este curso aprenderás lo siguiente:
- Identificar los criterios de selección para elegir un modelo preentrenado.
- Definir la generación aumentada por recuperación (RAG) y describir sus aplicaciones empresariales.
- Describir las compensaciones de costos de diferentes enfoques para personalizar un modelo base.
- Comprender el papel de agente en tareas de múltiples etapas.
- Entender cómo evaluar el rendimiento de un modelo base.
- Identificar las métricas pertinentes para evaluar el rendimiento de un modelo base.
Este curso está dirigido a:
- Personas interesadas en el aprendizaje automático y la inteligencia artificial, independientemente de su función específica.
- Personas que planean tomar el examen de certificación AWS Certified AI Practitioner.
Desarrollar Soluciones de IA Generativa es parte de una serie que sienta las bases sobre inteligencia artificial, aprendizaje automático e IA generativa. Si aún no lo has hecho, se recomienda completar los siguientes dos cursos:
- Fundamentos de Aprendizaje Automático e Inteligencia Artificial
- Explorando Casos de Uso y Aplicaciones de Inteligencia Artificial
Sección 1
- Lección 1: Cómo utilizar este curso
Sección 2: Introducción
- Lección 2: Resumen del curso
- Lección 3: Ciclo de vida de aplicaciones de IA generativa
Sección 3: Definición de casos de uso
- Lección 4: Definición de casos de uso
Sección 4: Selección del modelo base
- Lección 5: Selección del FM
- Lección 6: Comprobación de conocimiento
Sección 5: Mejora del rendimiento
- Lección 7: Mejora del rendimiento del FM
- Lección 8: Comprobación de conocimiento
Sección 6: Evaluación de resultados
- Lección 9: Evaluación del FM
- Lección 10: Comprobación de conocimiento
Sección 7: Implementación
- Lección 11: Implementación de la aplicación
Sección 8: Conclusión
- Lección 12: Resumen del curso