Este curso permite a los estudiantes la exploración de la teoría y la práctica de la Inteligencia Artificial generativa incluyendo tecnologías como los Modelos Generativos Adversarios (GANs), las Redes Neuronales Recurrentes (RNNs), los AutoCodificadores y Transformers. El curso destaca cómo estos sistemas pueden generar contenido creativo y ser aplicados en diversos campos. Durante el curso, los estudiantes participan en proyectos prácticos para ganar experiencia directa en la implementación y el uso de estas tecnologías. Aunque no es necesario contar con experiencia previa en IA, se espera que los participantes tengan conocimientos básicos sobre el funcionamiento de las redes neuronales y los tipos de aprendizaje de la IA. Esto convierte al curso en una opción ideal tanto para principiantes como para aquellos que desean ampliar su experiencia en el campo de la IA generativa. Este curso incluye el examen de certificación (Certiprof).

El curso está diseñado por competencias y alineado con el marco global de habilidades y competencias para un mundo digital SFIA8, por lo que se propone que los estudiantes logren responder a un nivel de responsabilidad 3 en el área de Ciencia de Datos (DATS), de manera que apliquen herramientas y modelos de inteligencia artificial a conjuntos de datos para la resolución de problemas mediante técnicas de programación especializadas.

Contenidos

Tema 1: Introducción a la Inteligencia Artificial y Redes Neuronales
-Definiciones y conceptos clave en Inteligencia Artificial.
-Fundamentos de Redes Neuronales (ANNs).
-Aplicaciones prácticas y ejemplos en el ámbito del aprendizaje de las ANN.

Tema 2: Modelos Generativos Adversarios (GANs)
-Principios fundamentales de Modelos Generativos Adversarios.
-Implementación y entrenamiento de GANs.
-Casos de uso y proyectos destacados que utilizan GANs.

Tema 3: AutoCodificadores y AutoCodificadores Variacionales
-Comprendiendo los AutoCodificadores y sus variantes.
-Uso de AutoCodificadores en problemas de generación y reconstrucción.

Tema 4: Redes Neuronales Recurrentes(RNN) y Transformers
-Introducción y explicación de RNNs
-Introducción a la arquitectura Transformer.
-Exploración de aplicaciones de los Transformers en diferentes contextos.
-Revisión y Detallado de proyectos prácticos utilizando la tecnología Transformer.
-Integración de los conceptos aprendidos en proyectos que aborden problemas reales.

Metodología de Aprendizaje

La educación actual suele limitar a estudiantes, forzándoles a absorber contenidos en lugar de fomentar la solución colectiva de problemas. En CENFOTEC, buscamos modificar este enfoque mediante nuestra metodología de aprendizaje constructivista llamada 40-40-20.

La técnica 40-40-20 divide el tiempo de clase: 40% el profesor da un charla para inducir al pensamiento autónomo basado en conceptos clave; el siguiente 40% para resolver retos individuales o en grupo, que exigen exploración, donde el docente es un facilitador; y el 20% restante para una discusión guiada por el profesorado. Para mantener la atención, consideramos 1 hora lectiva como 50 minutos, especialmente en cursos de 3-4 horas.

Adicionalmente el estudiante deberá dedicar una cantidad de horas adicionales para completar retos extraclase que el profesor le asigne.