CURSO ON-LINE DE IA GENERATIVA - INGENIERÍA DE PROMPTS, GPTS PERSONALIZADOS Y HERRAMIENTAS ACTUALES

Tema 01 | Introducción a la inteligencia artificial

1. Evolución y técnicas de la IA1.1. Qué es la IA y cómo está transformando el mundo.
1.2. Definición de la IA.
1.3. Machine Learning.
1.4. Deep Learning.
1.5. Procesamiento del lenguaje natural
1.6. Representación del razonamiento.
1.7. Aprendizaje por refuerzo.
1.8. IA generativa.
1.9. Potencial y limitaciones de la inteligencia artificial: una visión realista.
1.10. Principales sectores: financiero, transporte, energía, marketing, ingeniería, automoción.

2. Proyectos de IA
2.1. Consideraciones iniciales y buenas prácticas en la implementación de la IA.
2.2. Fases de desarrollo de una IA.
2.3. Roles del equipo de trabajo de desarrollo.
2.4. MLOps: optimizando la producción de IA.

3. Aspectos éticos y legales en la creación de la IA
3.1. Ética en la IA.
3.2. Los cinco pilares de la ética en la IA.
3.3. Democratización de la IA.
3.4. Ejemplos de ética en la IA.

4. Glosario.

Tema 02 | IA Generativa y Modelos de Lenguaje: Transformando la Tecnología

1. Conceptos fundamentales de la inteligencia artificial generativa
1.1. Redes neuronales artificiales (ANN)
1.2. Transformer
1.3. Atención (Attention Mechanism)
1.4. Redes generativas adversariales (GANs)
1.5. Modelos de difusión
1.6. Modelos fundacionales
1.7. Fine-Tuning
1.8. Unidad de procesamiento gráfico (GPU)

2. Hitos y características de la IA generativa
2.1. Momentos clave en la evolución de la inteligencia artificial generativa
2.2. IA generativa y sus aplicaciones
2.3. Creando imágenes con inteligencia artificial
2.4. Creando audio con inteligencia artificial
2.5. Creando video con inteligencia artificial

3. ¿Qué es un modelo de lenguaje (LLMs, Large Language Model)?
3.1. Definición y conceptos clave
3.2. Historia y evolución de los LLMs
3.3. Características y conceptos clave específicos de los LLM:
3.4. ChatGPT (OpenAI)
3.5. Gemini (Google)
3.6. Claude de Anthropic
3.7. Llama de Meta
3.8. Mistral AI
3.9. DeepSeek AI
3.10. Tendencias y perspectivas futuras en los LLM

4. Integración de modelos de lenguaje (LLMs) en aplicaciones externas
4.1. ¿Por qué integrar LLMs en aplicaciones externas?
4.2. Formas de Integración de LLMs en Aplicaciones Externas: APIs, Fine-tuning y Bibliotecas Locales
4.3. Herramientas y plataformas clave para la integración: OpenAI y Hugging Face

Tema 03 | Ingeniería de prompts para obtener resultados óptimos en los LLMs

1. Introducción a la ingeniería de prompts
1.1. ¿Qué es un prompt?
1.2. Limitaciones de los Modelos de Lenguaje ante un prompt
1.3. Ingeniería de prompts
1.4. Diseño de Prompts
1.5. Técnicas para personalizar las respuestas en un LLM: tono, estilo, formato.

2. Técnicas Fundamentales de Prompting
2.1. Zero-Shot Learning
2.2. Aprendizaje en Contexto: one-shot y few-shot
2.3. Asignación de roles al modelo (Role Prompting)

3. Técnicas avanzadas de interacción con las capacidades internas del modelo
3.1. Chain of Thoughts (Cadena de Pensamiento)
3.2. "Tree-of-Thought" (ToT, Árbol del pensamiento):
3.3. Decodificación por auto-consistencia
3.4. Generación Aumentada por Recuperación (RAG)
3.5. Optimización automatizada de prompts (Automated Prompt Optimization, APO)
3.6. Prompting multimodal: interacción con diversos tipos de datos

4. Mejores Prácticas para la Ingeniería de Prompts
4.1. Fundamentos Esenciales para Prompts Efectivos
4.2. Técnicas Avanzadas de Estructuración
4.3. Metodología Iterativa y de Refinamiento
4.4. Gestión Avanzada de Contexto
4.5. Técnicas de Aprendizaje por Ejemplos (Few-Shot Learning)
4.6. Casos de Uso Especializados
4.7. Checklist de validación preenvío

5. Evaluando la Calidad de los Prompts: La Clave para Respuestas Óptimas
5.1. Cómo Identificar y Manejar las Alucinaciones: El Control de la "Temperatura" del Modelo
5.2. Estrategias para Mitigar Alucinaciones en Modelos de Lenguaje:
5.3. Evaluando la Calidad de un Prompt: Cualitativo, Comparativo y Cuantitativo

6. Desafíos y Consideraciones Éticas en la Ingeniería de Prompts
6.1. Sensibilidad y Robustez del Prompt
6.2. Alucinaciones y Sesgos en los LLMs
6.3. Uso Indebido y Ataques de Inyección de Prompts
6.4. Equidad, Privacidad y Despliegue Responsable de la IA