1.125 €
Gratis, si estás trabajando
Incluye
Objetivos del curso
- Comprender conceptos claves de la Inteligencia Artificial Generativa: Modelo, LLM, Fine-Tuning, Prompts, Tokens, Prompt Engineering, entre otros.
- Crear y personalizar grandes modelos de lenguaje (LLM) con datos propios en un entorno privado y seguro.
- Entrenar y validar modelos de Inteligencia Artificial Generativa totalmente personalizados y con datos únicos.
- Desplegar y configurar modelos personalizados en Azure OpenAI, adaptados a necesidades específicas.
- Integrar modelos personalizados en aplicaciones y soluciones usando la API de Azure OpenAI.
- Combinar la Inteligencia Artificial Generativa con otras tecnologías para resolver casos de negocio concretos.
- Diseñar soluciones específicas que incorporen Inteligencia Artificial Generativa para resolver problemas reales de múltiples sectores e industrias.
- Utilizar modelos de generación de texto e imágenes en chatbots de Azure Open AI: GPT-3.5, GPT-4, DALL-E, etc.
- Desarrollar ejercicios prácticos variados que involucren Inteligencia Artificial Generativa en Azure OpenAI.
Contenido del Curso
- Módulo 1: Fundamentos de Inteligencia Artificial y OpenAI (Teórico)
- 1.1 Introducción
- 1.2 Introducción a la Inteligencia Artificial
- 1.3 ¿Qué es la Inteligencia Artificial?
- 1.4 Sistema “Inteligente” vs “Tradicional”
- 1.5 Modelo
- 1.6 Conceptos claves (Ciencia de datos, IA, ML y DL)
- 1.7 Aplicaciones de la Inteligencia Artificial
- 1.8 OpenAI Overview (Historia, objetivos y proyectos destacados)
- 1.9 Resumen
- Módulo 2: Fundamentos Esenciales de la Inteligencia Artificial Generativa (Teórico)
- 2.1 Introducción
- 2.2 Inteligencia Artificial Generativa
- 2.3 Impacto de la Tecnología
- 2.4 Desarrollo de Actividades
- 2.5 Profesiones e IA Generativa
- 2.6 IA Generativa en Marketing
- 2.7 IA Generativa en TIC
- 2.8 Casos de Uso
- 2.9 Machine Learning y Deep Learning
- 2.10 Foundational Models, LLMs y Fine-Tuning
- 2.11 Prompts
- 2.12 Prompt Engineering
- 2.13 Tokens
- 2.14 Evolución de la IAG
- 2.15 Azure OpenAI
- 2.16 Modelos de Azure OpenAI
- Módulo 3: Crear Espacios de Desarrollo Personalizados en Azure OpenAI (Teórico Práctico)
- 3.1 Introducción
- 3.2 Crear cuenta de Microsoft
- 3.3 Registro en el Portal de Azure
- 3.4 Aspectos Generales
- 3.5 Crear Suscripción
- 3.6 Crear Recurso
- 3.7 Azure OpenAI Studio
- 3.8 Coste de Infraestructura
- Módulo 4: Diseñando y Forjando Modelos Generativos (Práctico)
- 4.1 Introducción
- 4.2 Implementación del Modelo
- 4.3 Interacción con el Modelo
- 4.4 Configuración del Chat
- 4.5 Contexto y Personalización
- 4.6 Instrucciones de Comportamiento
- 4.7 Parámetros del Modelo
- 4.8 Importar Configuraciones
- 4.9 Optimizar Prompts
- 4.10 Finalizaciones
- Módulo 5: Personalizar Modelos - Datos No Estructurados (Práctico)
- 5.1 Introducción
- 5.2 Modelos Personalizados, Documentos y Conocimiento
- 5.3 LLMs y Búsqueda Semántica
- 5.4 Azure AI Search
- 5.5 Blob Storage
- 5.6 Subida de Información no Estructurada
- 5.7 Datos Personalizados
- 5.8 Test de la Solución
- 5.9 UX/UI vs IA Generativa
- 5.10 Desplegar Aplicación
- 5.11 Permisos y acceso a la Aplicación
- 5.12 Costes asociados
- Módulo 6: Personalizar Modelos - Fine-Tuning (Práctico)
- 6.1 Introducción
- 6.2 Modelos Personalizados, y Fine-Tuning
- 6.3 Posibles Aplicaciones
- 6.4 Conjuntos de Datos
- 6.5 Datos de entrenamiento
- 6.6 Generar datos de entrenamiento
- 6.7 Datos de validación
- 6.8 Generar datos de validación
- 6.9 Permisos de recurso
- 6.10 Regiones de despliegue
- 6.11 Modelo personalizado
- 6.12 Ficheros de datos
- 6.13 Parámetros de entrenamiento
- 6.14 Analizar resultados
- 6.15 Detalle de resultados
- 6.16 Diferencias entre modelos
- 6.17 Obtener datos de entrenamiento y validación
- 6.18 Entrenar modelo
- 6.19 Comparar gráficos
- 6.20 Relación de resultados
- 6.21 Costes asociados
- 6.22 Implementar modelo
- 6.23 Test modelo en área de juegos
- 6.24 Desplegar Modelo Categorías
- 6.25 Finalizaciones Modelo Categorías
- Módulo 7: Implementación a través de la API de Azure OpenAI (Práctico)
- 7.1 Introducción
- 7.2 Entorno Local
- 7.3 Visual Studio Code
- 7.4 Python
- 7.5 Configurar Editor de Código
- 7.6 Editar Datos de Entrenamiento
- 7.7 Petición API Azure OpenAI
- 7.8 Extraer Resultado
- 7.9 Configuración de Parámetros
- 7.10 Petición API Modelo Categorías
- Módulo 8: Generación de Imágenes con Azure OpenAI DALL-E (Práctico)
- 8.1 Introducción
- 8.2 Generación de Imágenes
- 8.3 Combinación de Modelos
- 8.4 Interacciones de Prompts
- 8.5 Funcionalidades y Parámetros
- 8.6 Diseño de Integraciones
- 8.7 Obtención de Resultados
- Módulo 9: Consideraciones Éticas y Mejores Prácticas (Teórico)
- 9.1 Introducción
- 9.2 Conceptos Clave de Ética y su Relación con la Inteligencia Artificial
- 9.3 Desafíos Éticos que presenta el uso de la Inteligencia Artificial
- 9.4 Principios Éticos en el Desarrollo y Uso de la Inteligencia Artificial
- 9.5 Normas Generales de la UA sobre IA
- 9.6 Directrices para Desarrolladores, Fabricantes y Proveedores de Servicios
- Módulo 10: Futuro de la IA y OpenAI (Teórico)
- 10.1 Introducción
- 10.2 Exploración de las últimas tendencias en IA y el papel de OpenAI
- 10.3 Explorando el futuro: Tendencias emergentes en inteligencia artificial generativa
- 10.4 Discusión sobre cómo la colaboración entre OpenAI y Azure puede evolucionar
Beneficios
Al hacer este curso sobre Inteligencia Artificial Generativa, el alumno obtiene varios beneficios:
- Conocimiento avanzado en IA generativa: Aprende conceptos clave como Modelos de Lenguaje Grandes (LLM), Fine-Tuning, Prompt Engineering, y la generación de texto e imágenes.
- Capacidad para personalizar modelos: Desarrolla la habilidad de crear y entrenar modelos con datos propios, adaptándolos a necesidades específicas en un entorno seguro y privado.
- Aplicación práctica: Adquiere experiencia en integrar estos modelos en aplicaciones reales utilizando la API de Azure OpenAI, lo que le permite resolver problemas de negocio.
- Competencia en herramientas avanzadas: Se familiariza con herramientas como Azure OpenAI y DALL-E, lo que le da una ventaja en proyectos de innovación tecnológica.
- Enfoque ético: Aprende las mejores prácticas y principios éticos necesarios para trabajar con IA, garantizando un uso responsable y seguro de la tecnología.
- Mejora de empleabilidad: Gana habilidades demandadas en sectores como marketing, atención al cliente, salud, educación, y tecnología, incrementando su valor profesional.
- Innovación en el lugar de trabajo: Puede llevar el conocimiento adquirido a su trabajo, optimizando procesos y creando soluciones automatizadas y personalizadas para su empresa o proyectos personales.
Este curso no solo profundiza en la teoría, sino que también ofrece la oportunidad de aplicar de manera práctica todo lo aprendido en situaciones reales.
Preguntas y Respuestas sobre el curso
¿Por qué quiero realizar este curso?
Para estar al día con la tecnología de IA generativa y aprender a utilizar modelos avanzados como los LLM para generar contenido y soluciones innovadoras.
¿Qué aplicaciones de la IA Generativa quiero aprender para aplicarlas en mi trabajo o proyecto personal?
Automatizar la creación de textos e imágenes, mejorar la atención al cliente y desarrollar productos personalizados usando IA.
¿Cuáles son los objetivos específicos que quiero alcanzar al finalizar este curso?
Crear modelos de lenguaje personalizados, integrarlos en aplicaciones, aplicar Fine-Tuning y Prompt Engineering, y entender las implicaciones éticas de la IA.
¿Cómo este curso puede complementar mis conocimientos previos en ciencia de datos, programación o IA?
Profundizar en la personalización de modelos de lenguaje y aplicar mis conocimientos en programación y ciencia de datos para construir soluciones prácticas basadas en IA.
¿En qué sectores o industrias puedo utilizar los conocimientos adquiridos en este curso?
- Marketing: Para generar contenido personalizado y automatizar campañas publicitarias.
- Tecnología de la Información (TIC): Para optimizar procesos y desarrollar chatbots inteligentes.
- Atención al cliente: Automatizando respuestas y personalizando la interacción con los usuarios.
- Salud: Creando soluciones para análisis de datos médicos y generación de informes automatizados.
- Creatividad y medios: Para la creación de imágenes, música o guiones automatizados.
- Educación: Desarrollando herramientas personalizadas de tutoría y contenido generado automáticamente.