Conocerás la situación actual del mundo de la inteligencia artificial, sus principales aplicaciones y diferencias clave con Business Intelligence y Big Data. También estudiarás fundamentos de hardware necesarios para la IA, así como aspectos éticos, de seguridad y explicabilidad de los modelos.

Este módulo explica las diferencias teóricas y prácticas entre las diferentes técnicas de IA generativa: aprendizaje automático, lógica difusa, algoritmos genéticos, redes neuronales y aprendizaje por refuerzo.

Te pondrás manos a la obra entrenando modelos simples con diferentes fuentes de datos: Estructurados, imágenes y texto. Se incluyen métodos como regresión, clasificación, reducción de dimensionalidad, clustering y análisis de series temporales.

Proyecto práctico donde aprenderás a realizar visualizaciones de los modelos que entrenes, así como la creación de dashboards para mostrar la mejora de tus modelos en respecto a sus parámetros de entrenamiento. Abordarás técnicas de interpretabilidad visual de modelos de IA, y análisis visual de datasets complejos para facilitar la toma de decisiones basada en datos.

Crearás un reconocedor de dígitos a la vez que introducimos los conceptos y las herramientas básicas para el desarrollo de redes neuronales, así como las herramientas para visualizar y evaluar nuestros resultados.

Explorarás técnicas avanzadas donde los modelos aprenden a partir de los datos sin etiquetas manuales. Te sumergirás en métodos de aprendizaje autosupervisado para el reconocimiento de imágenes, y aplicarás estos conocimientos en la detección y segmentación de objetos dentro de imágenes.

Este módulo se centra en los principios fundamentales y la arquitectura de los modelos de difusión. Aprenderás a construir un modelo desde cero, comprendiendo el proceso de difusión, la arquitectura U-Net y las técnicas de entrenamiento necesarias para generar imágenes de alta calidad. El objetivo es que domines la teoría y la práctica para crear tus propios modelos de generación.

Este módulo se centra en la aplicación de modelos de IA para la manipulación y generación de video. Aprenderás a utilizar y ajustar modelos públicos preentrenados para tareas como la animación de imágenes estáticas o la creación de secuencias de video cortas, explorando las herramientas y técnicas de fine-tuning.

Diseñar y entrenar una red neuronal convolucional (CNN) para un caso de uso industrial específico, como la detección automática de defectos en productos manufacturados o la clasificación de componentes. El proyecto se centrará en la creación de un modelo robusto y eficiente, demostrando la capacidad de aplicar la visión por computador para automatizar procesos de inspección.

Aprenderás las bases del PLN y cómo usar redes neuronales recurrentes para analizar secuencias de texto, como la detección de sentimiento y la clasificación de documentos.

Te enfocarás en cómo transformar texto en representaciones numéricas que capturen su significado, lo que te permitirá crear sistemas de búsqueda semántica y recuperación de información más eficientes.

Explorarás la arquitectura Transformer y cómo se utilizan modelos como BERT y GPT para tareas avanzadas como la traducción automática, la generación de texto y el resumen de documentos.

Construir una solución completa de procesamiento de lenguaje natural (PLN) para analizar y categorizar el sentimiento de grandes volúmenes de texto (por ejemplo, reseñas de clientes, comentarios en redes sociales). El objetivo es desarrollar una herramienta que proporcione insights accionables sobre la percepción pública de una marca o producto.

Este módulo introduce los conceptos clave de la IA agéntica. Aprenderás a diseñar sistemas que pueden descomponer objetivos complejos en tareas más pequeñas, gestionar la memoria para mantener el contexto y utilizar el razonamiento para tomar decisiones secuenciales de manera autónoma.

Explorarás las arquitecturas modernas para la construcción de agentes, como ReAct (Reasoning and Acting). Te enfocarás en el uso de frameworks populares como LangChain o LlamaIndex para integrar modelos de lenguaje con diversas herramientas externas.

Estudiarás cómo se pueden diseñar equipos de agentes que colaboran para resolver problemas más complejos. Se cubrirán aplicaciones avanzadas, incluyendo la creación de agentes para automatización de flujos de trabajo y la gestión de tareas de forma proactiva.

Crear un agente inteligente capaz de interpretar intenciones complejas y ejecutar tareas de forma autónoma utilizando un conjunto de APIs predefinidas (por ejemplo, una calculadora, un gestor de bases de datos o una API de información). El proyecto se enfocará en la arquitectura del agente, su capacidad de razonamiento y la integración de herramientas para resolver problemas de manera secuencial.