Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción a los LLM y la IA generativa
- Exploración de técnicas y modelos
- Discusión de aplicaciones y casos de uso
- Identificación de desafíos y limitaciones
Uso de LLM para tareas de NLU
- Análisis de sentimiento
- Reconocimiento de entidades con nombre
- Extracción de relaciones
- Análisis semántico
Uso de LLM para tareas de NLI
- Detección de implicación
- Detección de contradicciones
- Detección de paráfrasis
Uso de LLM para gráficos de conocimiento
- Extracción de hechos y relaciones del texto
- Inferir hechos nuevos o faltantes
- Uso de gráficos de conocimiento para tareas posteriores
Uso de LLM para el razonamiento de sentido común
- Generar explicaciones, hipótesis y escenarios plausibles
- Uso de bases de conocimiento y conjuntos de datos de sentido común
- Evaluar el razonamiento de sentido común
Uso de LLM para la generación de diálogos
- Generación de diálogos con agentes conversacionales, chatbots y asistentes virtuales
- Gestión de diálogos
- Uso de conjuntos de datos y métricas de diálogo
Uso de LLM para la generación multimodal
- Generación de imágenes a partir de texto
- Generación de texto a partir de imágenes
- Generación de vídeos a partir de texto o imágenes
- Generación de audio a partir de texto
- Generación de texto a partir de audio
- Generación de modelos 3D a partir de texto o imágenes
Uso de LLM para el metaaprendizaje
- Adaptación de los LLM a nuevos dominios, tareas o lenguajes
- Aprender de ejemplos de pocos disparos o de cero disparos
- Uso de conjuntos de datos y marcos de metaaprendizaje y aprendizaje por transferencia
Uso de LLM para el aprendizaje adversario
- Defensa de los LLM frente a ataques maliciosos
- Detección y mitigación de sesgos y errores en los LLM
- Uso de conjuntos de datos y métodos de aprendizaje y solidez de adversarios
Evaluación de LLM e IA generativa
- Evaluación de la calidad y diversidad de los contenidos
- Uso de métricas como la puntuación de inicio, la distancia de inicio de Fréchet y la puntuación BLEU
- Utilizar métodos de evaluación humana como el crowdsourcing y las encuestas
- Uso de métodos de evaluación adversa como las pruebas de Turing y los discriminadores
Aplicación de principios éticos para los LLM y la IA generativa
- Garantizar la equidad y la rendición de cuentas
- Evitar el uso indebido y el abuso
- Respetar los derechos y la privacidad de los creadores de contenido y los consumidores
- Fomentar la creatividad y la colaboración entre humanos e IA
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos básicos y la terminología de la IA
- Experiencia con Python programación y análisis de datos
- Familiaridad con marcos de aprendizaje profundo como TensorFlow o PyTorch
- Comprensión de los conceptos básicos de los LLM y sus aplicaciones
Audiencia
- Científicos de datos
- Desarrolladores de IA
- Entusiastas de la IA
21 Horas
