LLMs y Agentes de IA: Transformando Datos No Estructurados

Resumen

Descubra cómo los modelos LLM, GPT y los agentes de IA transforman datos no estructurados en conocimientos procesables, explorando OCR, NLP y flujos de trabajo agénticos que redefinen la inteligencia documental.

Programa de estudio

• Introducción a los LLMs y Agentes de IA
Visión general de los Modelos de Lenguaje de Gran Escala (LLMs)
La evolución e impacto de los agentes de IA
• Datos no estructurados: Desafíos y Oportunidades
Comprensión de los datos no estructurados
Aplicaciones potenciales y sectores
• Técnicas de Reconocimiento Óptico de Caracteres (OCR)
Conceptos básicos de la tecnología OCR
Herramientas y bibliotecas para OCR
Integración de OCR en flujos de trabajo de IA
• Fundamentos del Procesamiento de Lenguaje Natural (NLP)
Conceptos y técnicas clave de NLP
Preprocesamiento de texto y tokenización
Reconocimiento de entidades nombradas y análisis de sentimiento
• Modelos de Lenguaje de Gran Escala en Acción
Visión general de los modelos GPT y sus capacidades
Ajuste fino y personalización de LLMs
Estudios de caso de LLMs procesando datos no estructurados
• Agentes de IA y Flujos de Trabajo Agentes
Introducción a los agentes autónomos
Diseño de flujos de trabajo con agentes de IA
Automatización de procesos de toma de decisiones
• Transformación de Datos no Estructurados en Ideas
Estrategias para extraer ideas accionables
Técnicas de visualización de datos e informes
Estudios de caso y aplicaciones industriales
• Integración e Implementación
Integración de LLMs y agentes de IA en sistemas existentes
Consideraciones de escalabilidad e infraestructura
• Consideraciones Éticas y de Privacidad
Privacidad de los datos en aplicaciones de IA
Implicaciones éticas del uso de agentes de IA
• Proyecto Final
Desarrollo de una solución para transformar datos no estructurados utilizando LLMs y agentes de IA
Presentación y revisión por pares de los proyectos

Asignaturas

Ciencias de la Computación