Nivel Innovador

Bootcamp

Inteligencia Artificial

Inteligencia Artificial

En este bootcamp aprenderemos las técnicas avanzadas de visión artificial y procesamiento de lenguaje natural que permiten a las máquinas interpretar imágenes y entender el lenguaje humano desde una visión tecnológica y ética.

Perfil de ingreso

  • Experiencia en la construcción de modelos de deep learning.
  • Conocimiento en el desarrollo de aplicaciones de visón por computador y análisis de imágenes.
  • Dominio de matemáticas y estadística, algebra lineal y calculo.
  • Contar con buenas habilidades de comprensión de lectura, matemáticas, razonamiento abstracto, lectura en inglés..

¿Por qué hacer este entrenamiento?

  • Diseñarás e implementarás soluciones de IA end-to-end para problemas del mundo real.
  • Usarás servicios en la nube (Azure) para el despliegue de aplicaciones de IA
  • Aplicarás técnicas avanzadas de visión artificial y procesamiento de lenguaje natural
  • Conocerás las implicaciones éticas de las soluciones de IA
  • Desarrollarás proyectos de IA enfocados a entornos productivos, transición energética y la sostenibilidad

Qué aprenderás

Qué aprenderás

Your Title Goes Here

Your content goes here. Edit or remove this text inline or in the module Content settings. You can also style every aspect of this content in the module Design settings and even apply custom CSS to this text in the module Advanced settings.

Misión 1.
  • Fundamentos de la Inteligencia Artificial:
    Historia y evolución de la IA
    Tipos de IA: débil vs fuerte, estrecha vs general
    Aplicaciones actuales de la IA
  • Docker para entornos de desarrollo de IA (pág 18 y 31 contenidos detallados):
    Introducción a Docker y contenedores
    Creación de Dockerfiles para proyectos de IA
    Gestión de dependencias y entornos reproducibles
  • Hugging Face y la arquitectura Transformer (pág 43 contenidos detallados):
    Introducción a Hugging Face
    Arquitectura Transformer: conceptos básicos
    Uso de modelos preentrenados en Hugging Face
  • Visión Artificial: conceptos y servicios (pág 51, 59 y 60 contenidos detallados.):
    Fundamentos de la visión por computadora
    Tareas comunes: detección de objetos, clasificación, segmentación
    Servicios gratuitos para visión artificial
  • Introducción a los Modelos de Lenguaje Grande (LLMs)(MATERIAL GENERAL POR TEMAS 1):
    Conceptos básicos de los LLMs
    Arquitecturas populares: GPT, BERT, T5
    Aplicaciones y limitaciones de los LLMs
  • Streamlit para prototipado rápido de aplicaciones de IA (MATERIAL GENERAL POR TEMAS 2):
    Introducción a Streamlit
    Creación de interfaces de usuario interactivas
    Integración de modelos de IA en aplicaciones Streamlit
Misión 2.
  • Consumo de LLMs open source (MATERIAL GENERAL POR TEMAS 3):
    Comparación de modelos: GPT, BERT, T5
    Implementación de inferencia eficiente
    Uso de APIs para consumo de modelos
  • Fine-tuning de LLMs con LoRa (presentaciones “Lora-RAG” 1-15):
    Conceptos de transfer learning y fine-tuning
    Técnica LoRa para fine-tuning eficiente
    Aplicaciones prácticas en dominios específicos
  • Arquitecturas profundas de ConvNets (MATERIAL GENERAL POR TEMAS 4):
    Evolución de las arquitecturas CNN
    ResNet, Inception, EfficientNet
    Implementación y uso de modelos preentrenados
  • Modelos multimodales y autoencoders (MATERIAL GENERAL POR TEMAS 5. Presentaciones “CNN Multimodales y Autoencoders”):
    Fusión de datos de diferentes modalidades
    Arquitectura y aplicaciones de autoencoders
    Implementación de modelos multimodales con Hugging Face
  • Redes generativas adversarias (GANs) (MATERIAL GENERAL POR TEMAS 6):
    Principios de las GANs
    Aplicaciones en generación de imágenes y más
    Implementación de una GAN simple
  • Detección de objetos con YOLO y segmentación con SAM ( Presentaciones “Herramientas de vision IA”):
    Arquitectura YOLO y sus variantes
    Segment Anything Model (SAM) de Meta
    Implementación práctica de YOLO y SAM
  • Roboflow y YOLOv9: novedades en visión artificial( Presentaciones “Herramientas de vision IA”):
    Uso de Roboflow para preparación de datos
    Características y mejoras de YOLOv9
    Entrenamiento y despliegue de modelos personalizados
  • Hugging Face avanzado: OCR y Visión GPT( Presentaciones “Herramientas de vision IA”):
    Modelos de OCR en Hugging Face
    Integración de visión y lenguaje con Visión GPT
    Desarrollo de aplicaciones multimodales avanzadas
Misión 3.
  • Arquitectura end-to-end de proyectos de IA (MATERIAL GENERAL POR TEMAS 7):
    Diseño de pipelines de datos para IA
    Integración de modelos en sistemas existentes
    Consideraciones de escalabilidad y mantenibilidad.
  • Azure para IA: configuración y servicios (8 horas) (presentaciones “Sesiones Cloud Computing Azure”):
    Creación de máquinas virtuales Linux en Azure
    Azure Cosmos DB y Azure SQL para almacenamiento de datos
    Servicios de Azure para desarrollo de software
    Azure Container Services para despliegue de aplicaciones
  • Despliegue de aplicaciones de IA en la nube (MATERIAL GENERAL POR TEMAS 8):
    Containerización de aplicaciones de IA con Docker
    Despliegue de modelos como APIs RESTful
    Monitoreo y logging de aplicaciones de IA.
  • Azure Cognitive Services: visión, lenguaje y decisión (presentaciones “Sesiones Cloud Computing Azure”):
    Uso de Computer Vision y Custom Vision
    Implementación de servicios de procesamiento de lenguaje natural
    Integración de servicios de toma de decisiones
  • Ética en IA: sesgos, privacidad y transparencia (MATERIAL GENERAL POR TEMAS 9):
    Identificación y mitigación de sesgos en datos y modelos
    Consideraciones de privacidad en aplicaciones de IA
    Explicabilidad y transparencia de modelos de IA
  • Diseño de sistemas de IA responsables (MATERIAL GENERAL POR TEMAS 10):
    Frameworks éticos para el desarrollo de IA
    Evaluación de impacto ético de soluciones de IA
    Diseño centrado en el humano para sistemas de IA
  • Optimización y escalabilidad de soluciones de IA (MATERIAL GENERAL POR TEMAS 11):
    Técnicas de optimización de inferencia
    Estrategias de escalado horizontal y vertical
    Balanceo de carga y distribución de modelos
  • Integración de IA en procesos de negocio existentes (MATERIAL GENERAL POR TEMAS 12):
    Análisis de flujos de trabajo y puntos de integración
    Gestión del cambio en la implementación de soluciones de IA
    Medición de impacto y ROI de proyectos de IA