Plan de Estudios:

Unidades Didácticas del Curso de IAUnidad didáctica 1. Fundamentos de la IA

1. IA vs. ML vs. Deep Learning: Definiciones operativas.
2. Tipos de aprendizaje: Supervisado, no supervisado y por refuerzo.
3. Datos y calidad: Datasets, etiquetado y división (train/val/test).
4. Ciclo de vida del modelo: Entrenamiento, validación, inferencia y despliegue.
5. Representaciones y Arquitecturas: Vectores, embeddings, redes neuronales, Transformers y modelos de difusión.
6. Evaluación y riesgos: Métricas, overfitting/underfitting, sesgo y privacidad.
7. Pipeline mínimo: Problema → datos → modelo → resultado → revisión humana.

Unidad didáctica 2. LLMs y Prompt Engineering

1. Conceptos de LLM: Texto-a-texto, tokens, ventana de contexto y roles.

2. Parámetros: Temperatura, top_p y longitud de salida.

3. Estructura del Prompt: Plantilla base (rol, objetivo, contexto, pasos, restricciones y formato).

4. Técnicas avanzadas: Zero-shot, few-shot, cadena de pensamiento (paso a paso).

5. Salidas y Gestión: Formatos estructurados (JSON/CSV), tono, estilo y gestión de contextos largos.

6. RAG (Retrieval-Augmented Generation): Aporte de documentos y citación de fuentes.

7. Control y Ética: Auto-crítica, alucinaciones y verificación de datos.

Unidad didáctica 3. Agentes Autónomos

1. Definición de Agente: Diferencias con un chat LLM (objetivos y autonomía).

2. Arquitecturas: ReAct, Reflexion, planificador-ejecutor y sistemas multi-agente.

3. Ciclo de trabajo: Percibir → planificar → ejecutar → evaluar → iterar.

4. Conectividad: Function calling, APIs, lectura de archivos y conectores (Drive, Gmail, etc.).

5. Orquestación: Memorias (corta/larga), guardrails, control de costes y trazabilidad.

6. Plataformas: Lovable, Manus y Spark.

Unidad didáctica 4. Imagen Generativa y Edición Práctica

1. Flujo base: Ideación, moodboard y generación de variantes.

2. Anatomía del Prompt de imagen: Sujeto, acción, entorno, estilo, luz y calidad.

3. Parámetros técnicos: Relación de aspecto, semilla (seed) y Guidance/CFG.

4. Edición Avanzada: img2img, inpainting y outpainting (relleno generativo).

5. Control de Composición: ControlNet (pose, depth, canny, scribble).

6. Consistencia y Acabado: Personajes recurrentes, upscaling y post-producción de color.

Unidad didáctica 5. Vídeo Generativo y Motion

1. Modos de entrada: Texto-a-vídeo, imagen-a-vídeo y vídeo-a-vídeo.

2. Planificación Temporal: Storyboard, keyframes, beats y cortes.

3. Lenguaje Cinematográfico: Focal, encuadre y movimientos de cámara (pan/tilt/dolly).

4. Consistencia Visual: Mantenimiento de personajes, props y estética entre planos.

5. Post-procesamiento: Upscaling, de-noise y corrección de color.

6. Motores principales: Runway Gen-3, Sora, Haiper e InVideo.

Unidad didáctica 6. Audio, Voz y Música Asistida

1. Voz y TTS: Control de timbre, emoción, pausas y clonado de voz (Voice Cloning).

2. Música Generativa: Estructura (A-B-C), BPM, instrumentación y variaciones.

3. Producción de Audio: Creación de loops, stems, foley y diseño sonoro (ambientes).

4. Accesibilidad: Transcripción automática (ASR) y generación de subtítulos (SRT/VTT).

5. Herramientas: ElevenLabs, Suno, Jen Music y HeyGen.

Unidad didáctica 7. Prototipado 3D Asistido por IA

1. Modos de creación: Texto-a-3D, imagen-a-3D y fotogrametría/NeRF.

2. Topología y Malla: Retopología, control de normales y suavizado.

3. Materiales PBR: Generación de texturas (base color, roughness, metalness, normal).

4. Flujo de Trabajo: Del boceto al render final o integración en AR (Realidad Aumentada).

5. Motores y Formatos: Vizcom, 3DFY, Magnific y exportación (GLB, USDZ, FBX).