MODULO I – INTRODUCCIÓN Y REPASO GENERAL DE CONCEPTOS

• Introducción a la Inteligencia Artificial Generativa
• Repaso de Conceptos Básicos de Python
• Exploración de Conjuntos de Datos
• Preprocesamiento de Datos
• Herramientas de Python para la Inteligencia Artificial Generativa
• Ejercicios Prácticos

MODULO II – COMO FUNCIONAN LOS LARGE LANGUAGE MODELS (LLMs)

• Arquitectura y Funcionamiento de LLMs
• Pre-entrenamiento y Afinamiento de Modelos
• Generación de Texto y Lenguaje Natural
• Aplicaciones Prácticas de LLMs
• Ética y Desafíos en el Uso de LLMs
• Proyectos y Ejercicios Prácticos

MODULO III – ARQUITECTURA DE UNA SOLUCION DE IA GENERATIVA

• Diseño de Modelos Generativos
• Selección de Conjuntos de Datos y Preprocesamiento
• Implementación de Algoritmos Generativos en Python
• Evaluación y Optimización de Modelos
• Integración de Modelos Generativos en Aplicaciones Prácticas
• Proyectos y Prácticas Avanzadas en IA Generativa

MODULO IV – PROMPT ENGINEERING Y FINE TUNING

• Conceptos Fundamentales de Prompt Engineering
• Estrategias de Generación de Prompts Efectivos
• Proceso de Fine Tuning en Modelos Generativos
• Optimización de Modelos con Fine Tuning
• Aplicaciones Avanzadas de Prompt Engineering
• Prácticas y Proyectos con Prompt Engineering y Fine Tuning

MODULO V – IA GENERATIVA CON AZURE OPEN AI, GOOGLE CLOUD PLATFORM Y AWS

• Plataformas en la Nube para IA Generativa
• Uso de Servicios de IA Generativa en Azure
• Implementación de Modelos con OpenAI
• Desarrollo de Soluciones en Google Cloud Platform
• Aplicaciones de IA Generativa en AWS
• Proyectos y Prácticas en Plataformas de Nube para IA Generativa

MODULO VI – PROYECTO FIN DE MASTER

• Desarrollo de un caso de uso, en el que el alumno debe poner en práctica lo visto en el máster