Cursos de IA generativa

933 Cursos

Introduction to Artificial Intelligence

Introducción al Curso de Inteligencia Artificial - Aprende los Fundamentos de la IA La Inteligencia Artificial está transformando industrias y redefiniendo estrategias empresariales. ¿Estás preparado para aprovechar su potencial? Inscríbete en este cautivador curso en línea para explorar los fundamentos de la IA, rastreando sus raíces históricas.

CodeSignal

Generative AI in 2025 - Overview and Practice

Únase a nosotros para una exploración profunda del poder transformador de la IA generativa en 2025. Este curso ofrece una comprensión exhaustiva de cómo funciona la IA generativa y sus aplicaciones en el mundo real, al tiempo que explora tendencias futuras y posibles limitaciones. Obtenga conocimientos esenciales que le ayudarán a navegar con p.

CodeSignal

Applying Generative AI in Everyday Professional Tasks

Descubre el potencial de la IA generativa para transformar tus tareas profesionales. Este curso integral ofrece formas perspicaces de aplicar la IA en la creación de contenido, escritura, resumen de información y gestión de actividades rutinarias. Aprende a utilizar herramientas de IA para mejorar la eficiencia y productividad en tu trabajo di.

CodeSignal

Generative AI - The Next Frontier: Voice, Video, and More

IA Generativa - La Próxima Frontera: Voz, Video y Más Cursos de Inteligencia Artificial Cursos de Visión por Computadora Cursos de Aprendizaje Profundo Cursos de Redes Neuronales Cursos de IA Generativa Cursos de Síntesis de Voz Cursos de Texto a Voz Cursos de IA Multimodal Descubra las emocionantes posibilidades de la IA gener.

CodeSignal

Generative AI for Everyone in 2025

New York University (NYU)

AI Empowerment for Small Businesses

Bienvenido a nuestro curso transformador diseñado para propietarios de pequeñas empresas y emprendedores ansiosos por navegar en el mundo en rápida evolución de la Inteligencia Artificial (IA). Descubra la historia de la IA, su evolución significativa y cómo está reconfigurando industrias para promover el crecimiento empresarial y aumentar l.

Coursera

Exam Prep AIF-C01: AWS Certified AI Practitioner

La Inteligencia Artificial (AI) permite a las máquinas ejecutar tareas que requieren inteligencia similar a la humana, como la toma de decisiones y la resolución de problemas. Incluye subconjuntos como el Aprendizaje Automático (ML) para mejorar los sistemas mediante el uso de datos sin programación explícita, el Aprendizaje Profundo (DL) pa.

Coursera

NVIDIA: Large Language Models and Generative AI Deployment

Explora las complejidades de los Modelos de Lenguaje de Gran Tamaño y el despliegue de IA Generativa con el curso integral de NVIDIA, parte de la preparación para el examen de la Especialización Asociada en LLMs de IA Generativa Certificados. Este curso combina perspectivas teóricas con habilidades prácticas, cubriendo todos los elementos v.

Coursera

GenAI for Legal Ethics and Practicality

Descubre lo esencial de aprovechar la inteligencia artificial en la práctica legal mientras te adhieres a los estándares éticos en evolución con el curso GenAI para Ética y Práctica Legal. En el ambiente legal que cambia rápidamente hoy en día, integrar la IA de manera responsable es crucial. Este curso integral navega la compleja intersecció.

Coursera

GenAI for Prototyping Basics

En el mundo acelerado del diseño y la innovación, el prototipado es crucial para transformar ideas en realidad rápidamente. Este curso aprovecha tu conocimiento existente de la IA Generativa, enfocándose en cómo las plataformas de IA pueden agilizar tu proceso de prototipado. Aprenderás a usar herramientas como ChatGPT, Canva y Adobe Firefly.

1 ... 15 16 17 18 19 ... 94

Ejemplos de Modelos de IA Generativa

Hay una serie de productos utilizando cursos de IA generativa ya disponibles en el mercado, te daremos algunos ejemplos a continuación. El principio subyacente de los cursos de IA generativa en la AI Eeducation varía dependiendo del modelo o algoritmo específico utilizado, pero algunos enfoques comunes incluyen:

Los Autoencoders Variacionales (VAEs) son un tipo de modelo generativo que aprende a codificar datos de entrada en un espacio latente y luego a decodificarlo de nuevo en los datos originales. La parte "variacional" del nombre se refiere a la naturaleza probabilística del espacio latente, lo que permite al modelo generar una variedad de salidas.

Redes Generativas Antagónicas (GAN): Las GAN constan de dos redes neuronales, un generador y un discriminador, que son entrenados simultáneamente a través del aprendizaje antagónico. El generador crea nuevos datos, y el discriminador evalúa qué tan bien los datos generados coinciden con los datos reales. La competencia entre las dos redes provoca que el generador mejore con el tiempo en la producción de salidas realistas.

Redes Neuronales Recurrentes (RNR) y Memoria a Largo Plazo (LSTM): Estos tipos de redes neuronales a menudo se utilizan para generar secuencias como texto o música. Las RNR y LSTM tienen memoria que les permite procesar una serie de eventos en el tiempo, lo que las hace adecuadas para tareas donde el orden de los elementos es importante.

Modelos Transformers: Los modelos Transformers, especialmente aquellos con mecanismos de atención, tienen mucho éxito en varias tareas generativas. Pueden recordar dependencias y relaciones a largo plazo en los datos, lo que los hace efectivos para tareas como la traducción de idiomas y la generación de texto.

Autoencoders: Los Autoencoders constan de un codificador y un decodificador, y están entrenados para reconstruir los datos de entrada. Aunque se utilizan principalmente para aprender a representar y comprimir datos, variaciones como los autoencoders de eliminación de ruido (p. ej., en imágenes) pueden utilizarse para tareas generativas.

Un curso de IA generativa implica alimentar a un modelo con un gran conjunto de datos y optimizar sus parámetros para minimizar la diferencia entre la salida generada y la información real. ¡La capacidad de un modelo para producir contenido realista y rico depende de la complejidad de su arquitectura, la calidad y cantidad de datos de entrenamiento, y las técnicas de optimización utilizadas durante el entrenamiento!