LLMs y Agentes de IA: Transformando Datos No Estructurados

Resumen

Únete a nosotros para una sesión esclarecedora sobre cómo los Modelos de Lenguaje Extenso (LLMs), modelos GPT y agentes de IA están transformando el panorama de los datos no estructurados. Descubre el poder transformador que tienen estas tecnologías para convertir datos en bruto en insights valiosos.

Aprende sobre Reconocimiento Óptico de Caracteres (OCR), Procesamiento de Lenguaje Natural (PLN), y los innovadores flujos de trabajo agénticos que están impulsando el futuro de la inteligencia documental.

Este evento, alojado en YouTube, es una cita obligada para cualquier persona interesada en los campos de la Inteligencia Artificial y las Ciencias de la Computación. Obtén una comprensión integral de cómo se utilizan estos avanzados sistemas para optimizar e innovar el procesamiento, análisis e interpretación de datos.

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